Mobile Learning in University Contexts Based on the Unified Theory of Acceptance and Use of Technology (UTAUT)

Abstract

El propósito de este estudio es establecer los factores que influyen de manera significativa en la aceptación e intención de uso de los smartphones y tablets como recursos para el aprendizaje en contextos universitarios, así como las relaciones que se establecen entre los mismos. Para su análisis hemos seguido un modelo de evaluación contextualizado a partir del marco metodológico de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT), propuesto en su momento por Venkatesh y su equipo (2003). Para ello, se diseñó un instrumento de recogida de datos validado en nuestro contexto y optimizado para el aprendizaje móvil y la comunidad educativa. Un total de 370 estudiantes universitarios participaron en el cuestionario. Del análisis estadístico realizado, se desprende que el instrumento construido presenta una notable consistencia interna, presentando una alta validez para recoger información en relación a cinco de los ocho factores que lo componen, aunque debe ser revisado en relación a los otros tres. Además, a través de los datos recogidos, se observa una alta predisposición al uso de dispositivos móviles para el aprendizaje, con incidencia directa de los constructos validados, así como de las variables sociodemográficas (edad, género, curso y rama de conocimiento) que pueden ser consideradas variables moderadoras de dicha predisposición. Si bien estos resultados podrían ser matizados en futuros estudios, se concluye que el instrumento diseñado puede ser un buen indicador de la predisposición al uso de estrategias mobile learning.

Received on 16 May 2018; revised on 22 May 2018; accepted on 31 May 2018; published on 15 January 2019

DOI: 10.7821/naer.2019.1.317

ABSTRACT

The aim of this study is to determine the factors that significantly influence the acceptance and intent to use smartphones and tables as resources for learning in university contexts, as well as the relationships established between them. For their analysis, we followed a contextualized model of evaluation starting with the methodological framework of the Unified Theory of Acceptance and Use of Technology (UTAUT), proposed by Venkatesh and collaborators (2003). For this, a data collection instrument was designed, validated to our context and optimized for mobile learning and the education community. A total of 370 university students participated in the study. From the statistical analysis conducted, it was shown that the instrument constructed had a notable internal consistency, showing a high validity for collecting information in relation to five of the eight factors of which it was composed, although it should be revised in relation to the other three. Also, through the data collected, a high pre-disposition was observed for the use of mobile devices for learning, with a direct effect on the constructs validated, as well as the socio-demographic variables (age, gender, degree year and field of knowledge) that could be considered moderating variables of this pre-disposition. Although these results could be put into context in future studies, it can be concluded that the instrument design can be a good indicator of the pre-disposition towards the use of mobile learning strategies.

KEYWORDS: EDUCATIONAL TECHNOLOGY, RELIABILITY, QUESTIONNAIRE, MOBILE LEARNING.

1INTRODUCTION

The consumption of digital media by the youth and teens at social, personal and educational levels has become the compass of different studies and research in the last decade. International organizations such as the UN, UNESCO (2013, 2014), among others, have highlighted that the future contains a wealth of sig nificant technological changes that will be accompanied by new learning scenarios, and that the expansion of mobile technology will not be parallel to its effective and productive integration. Scientific research in this filed has lead to a revolution in the open learning of the students in the university context.

Studies such as the one by Liu, Scordino, Geurtz, Navarrete, Yujung Ko & Lim (2014); Cabero & Barroso (2016); Major, Hassler & Hennessy (2017), among others, have evidenced the interest in the use of the mobile devices in teaching contexts, their contributions and the repercussions on the student's learning results. Other works have described the appearance of addictive behaviors due to their excessive use in the teaching and personal domains (Castellana et al., 2007; Cuesta & Gaspar, 2013; Rodríguez-Gómez et al., 2018), or the consequences of the use of mobile phones by the citizens, and the need to offer user guidelines and norms and to opt for a model of mediation for the use of mobile communication (Park & Karan, 2014).

Another research line that has been growing is related to the use of the mobile phone with the results achieved in learning (Crompton, Burke, & Gregory, 2017), contributing to and enriching the construction of knowledge by the students (Daher, 2010) and increasing their motivation and commitment as well (Dündar & Akçayir, 2014; Long, Liang, & Yu, 2013; Miller & Cuevas, 2017; Tay, 2016).

The mobile learning strategies arose as a consequence of transferring their use to the classrooms as an additional learning tool, promoting ubiquitous learning, able to be conducted at any time and place. The educational strategies mediated by mobile devices are the subjects that guide this research, through which the factors that directly influence the intent to use of these technologies of the sample studied will be identified.

Through the analysis of the literature on the state of the art, the benefits of these mobile learning strategies have been empirically confirmed (Contreras, Herrera, & Ramírez, 2009). Now, according to the systematic literature review conducted on educational research linked to mobile learning, the number of studies on mobile learning is still located at an early stage of development; as shown by the systematic study conducted on the time interval from 2002 to the present.

This data makes it evident that the evolution and interest by academia started in the year 2007, as related to the mobile learning strategies in Higher Education. Nevertheless, in the year 2010, a more pronounced increase was observed, sharply increasing in the years 2015 and 2016, with 589 and 555 indexed studies, respectively. Of the 3336 total references, only 19 were linked to technology acceptance models.

As for the use and integrations of mobile devices in the educational context, Peters (2007) and Wagner (2015) opted for the ones that developed and promoted learning, emphasizing among their potential, the possibility of learning at any time and place, the efficient access to information, the improvement of the teaching interaction in an asynchronous and synchronous manner, the flexibility to personalize learning according to the student's rhythm and style, the motivation it provides to the students, the improvement in communication between the students and the educational institutions and the development of collaborative learning (Gutiérrez-Porlán & al., 2018), among other advantages.

As related to the ability to learn through mobile devices, authors such as Corbell & Valdés-Corbell (2007), Kolb (2008) and Ramos-Soler et al. (2018) have proposed the possibilities of correct use of the smartphone to favor significant learning, linked to social reality, enriching the educational experiences through multimedia resources, facilitating communication and educational and social collaboration, motivating the students towards learning, or favoring the creation of new content by the students and teachers.

In summary, the most relevant strength of the previous analysis is that one should not think of mobile learning as the experience of using mobile devices with traditional methodology, but instead one should opt for innovation to improve the processes of teaching and interaction (Ramirez-Montoya & García Peñalvo, 2017).

The review, contextualization and analysis of this study is framed within the UTAUT research model, created for the understanding of the intent to use a new system of information and communication in a specific area, independently of the nature of the activity. Donaldson (2011) highlights the ideal nature of this model for understanding the behavioral intent of the use of mobile devices as a tool for learning, as well as its acceptance in the education sphere.

2METHODOLOGY

The main purpose that structured this research was to inquire into the factors that affect the technological acceptance and intent to use mobile learning strategies among the university students, based on the research model of the Unified Theory of Acceptance and Use of Technology (UTAUT). Thus, the research proposes the understanding of the student's perceptions with respect to the integration of the mobile devices in the classroom, the design of a valid and reliable instrument to understand the acceptance and intent to use of these strategies, and based on the results, to contribute to the construction of a new model of technological acceptance based on the UTAUT.

It should be indicated that although the first model of the theory drafted by Venkatesh et al (2003) was used as a reference, it was necessary to perform a series of modifications and adaptations of the instrument for this study in particular, by omitting the dependent variable final use and the moderating variable experience of use, as in our context, learning through a mobile device is a process that is still in its first phase of growth and experimentation, with the learning experiences conducted being scarce. Also, it should be adapted to learning with mobile devices, so that two variables considered to be moderators of the effect of the independent variables on the dependent variable (age and gender), according to the recommendations by other authors (Wang, Wu, & Wang, 2009), were added. Also, the integration of other data related to the socio-demographic variables (degree year and field of knowledge) were also integrated, with the aim of verifying if they also possessed the moderator character with respect to the relationships among the different factors analyzed.

However, to reach this model, it was necessary to previously have available a model that allowed for the obtaining, in a valid and reliable manner, the data necessary to verify the accuracy of the model proposed. This previous process will be the focus of the present study.

2.1 Phases of the study

The sequence of the methodology followed the structure of other research studies dedicated to the analysis of the acceptance and the use of technology (Davis, 1989; Venkatesh & Davis, 2000; Venkatesh et al., 2003, among others). Starting with the results from the review of the state of the art of the strategies of mobile learning, from the point of view of the acceptance of technology, the theory of UTAUT was selected, as it was considered to be ideal for achieving the objectives proposed in the study. Once the variables and the dimensions of analysis to be considered were determined, a questionnaire was constructed based on the theory cited, adapting it to the use of mobile devices.

To ensure the suitability of the instrument, it was validated with the expert judgement technique. These experts were selected due to their specialization in the university sector, educational technology, communication, and research methodologies. Once the instrument was reviewed, based on the expert's suggestions, a pilot test was developed with a sample of students who had similar characteristics as the final sample. This allowed for conducting the final adjustments and verification of the level of reliability and validity, as a whole, as well as related to each of the constructs included within it.

This initial test resulted in an instrument that was optimized for its use in the final study presented here. The questionnaires were given during the months of April-June of 2015, in a self-administered manner.

Once the data were collected, in order to ensure the validity of the constructs proposed, and following the recommendations of other studies (Arteaga, Duarte, & García, 2013; Morata et al., 2015; Zumbo, 2007), the adjusted goodness-of-fit index was once again verified, by analyzing its internal consistency from the statistical point of view. In addition, this consistency was also calculated for the items included to ensure that they measured what they should, discarding those that did not have sufficient validity, continuing with the analysis of adequacy and factorial weight of the rest in each of the constructs according to what they were considered for, through a principal component analysis. Ultimately, the instrument's degree of statistical explanation was found for the model proposed.

2.2 Sample

The sample of participants was composed of a total of 370 Bachelor's degree students from the University of Huelva. The sample was randomly selected, stratified as a function of age, gender, field of knowledge and degree year in which they were. The sample selection was conducted in this manner as "it is a type of sampling that is highly recommended, especially for large populations... [...] and, if the results are to be extrapolated to the entire population, they can be related to the dependent variable" (Morales Vallejo, 2012, p. 3).

2.3Instrument and adjustment of the model of measurement

An ad hoc questionnaire was utilized for the development of this study. In order to ensure the validity and the reliability of the instrument, this was subjected to a double procedure of validation: a two-round expert judgement and a posterior pilot study, once it was revised and corrected according to the expert's suggestions. Its reliability and internal consistency, as tested with Cronbach's Alpha, was found to be high (0.907).

In the end, as shown in Table 3, the questionnaire was structured into 8 dimensions. The first of which was composed of items related to the moderating socio-demographic variables included in the study (gender, age, field of knowledge and degree year). The next 7 constituted a total of 28 items which used a semantic differential scale with Likert-type responses from 1 to 6, similar to the original instrument proposed in the UTAUT, and related to the study variables assimilated to each one of the dimensions selected.

3ANALYSIS OF RESULTS

The analysis of the results was conducted with the SPSS v21 software. The reliability and consistency of the instrument were verified, again obtaining a high Cronbach's Alpha (0.880) and the descriptive statistics figures were calculated for each of the items (mean, mode, median, standard deviation, maximums and minimums). Their validity was also measured, to be included in the measurement of each of the constructs that were proposed, and the correlations between them were also calculated, for the posterior observation of their relationships with the BI dependent variable. As the restriction criteria, those items whose exclusion could result in the increase of Cronbach's Alpha, or that had an item-total correlation lower than 0.3, were eliminated (Ajzen & Fishbein, 1998).

Thus, the following items were suppressed from the analysis: PE1 ( When using mobile learning strategies, I think that time will pass sooner), VU2 (My professors expect me to learn though mobile learning) and FC4 (In general, my University would support the use of mobile learning), so that a higher index of internal consistency was found (0.891) (Table 4).

Once the first step was taken, a Cronbach's Alpha was obtained for each of the sub-scales included in the instrument, which were to be used to measure the constructs related to each of the dependent and independent variables (Table 5).

As can be observed, the ones related to the variables social influence (SI), intent to use (IU) and self-management of learning (SL) did not exceed the degrees of confidence needed, but the others did have a statistically high reliability (0.891>0.7).

Once the reliability of the instrument was confirmed, the inter-elements correlations analysis was performed, taking into account only the variables of the sub-scales that obtained an appropriate Alpha, in order to revise the pattern of relationships (Pearson's r); as well as to ascertain, through different statistical tests, if it was relevant to conduct a factorial analysis with the information available, through the Kaiser-Meyer-Olkin coefficient (KMO>0.6) and Barlett's sphericity test, which decides if the null hypothesis that the variables are inter-correlated (a = 0.05) should be accepted or not. As observed in the summary of the inter-elements correlations of the means of the sub-scales in Appendix A, there are significant correlations at 0.01 among all the items and their corresponding sub-scales. Thus, the validity of the constructs can be ensured, so that the factorial analysis will be more relevant according to the measurement of the sample's appropriateness KMO (0.851>0.06), and in agreement with the significance level obtained with Bartlett's sphericity test (.000), as observed in Appendix B.

After the first process was finalized, the optimum number of factors or dimensions was determined, through an exploratory factorial analysis or principal components with Kaiser Varimax rotation, as this rotation is frequently used with this type of analysis, and is appropriate when the number of components is reduced. The result was the existence of four principal components that explained 72% of the total variance, as shown in Appendix C, which shows the results related to the total variance explained.

The resulting matrix of rotated components presented in Table 6 shows how the different items of each factor are grouped, from a statistical point of view.

According to these results, we can observe that the items related to the last components were maintained, as expected in the initial model of the scale (Facilitating Conditions and Behavioral Intention). Moreover, as related to the first two, we can observe that the first one groups items focused on simplicity, clarity and performance expected by the users in relation to the use of mobile learning strategies, while the second component groups those referring to the enjoyment and usefulness the users believe these strategies could provide. In any case, it was observed that the results required new revisions in future research work in order to fine tune the items that were more correct for the constructs that could play a role in the a new model based on the UTAUT.

On the other hand, as related to the study of the direct effect of the independent variables and the moderating variables on the acceptance and intent to use of the mobile devices for learning, in accordance to the perspective of the university students, the more significant results obtained in each one of them is now described, exclusively focusing on those that are related to the variables that had a sufficient validity.

In this sense, as observed in Appendix D which shows Pearson's correlation results, all the independent variables related with the scales Performance Expectancy (PE), Effort Expectancy (EE), Facilitating Conditions (FC) and Perceived Gratification (PG) had statistically significant relationships (> 0.01) with the dependent variable Intent to Use (IU).

As for the relationship between the moderating variables (age, gender, field of knowledge and degree year) and the rest of the variables, it can be observed in the same table, the existence of an inverse relationship between age and performance expectancy, as well as the effort expectancy and the perceived gratification variable, without finding significant differences as far as the user's opinions are concerned according to age with respect to the facilitating conditions and the intent to use.

In the case of the variable gender, the results indicated that there were no significant differences between both as related to the performance and effort expectancies, but there were differences in opinion according to gender as for the facilitating conditions, with this relationship being greater with respect to the women according to the men's opinions. Likewise, there were significant differences in relation to the intent to use that seemed greater in the case of the men.

As for the field of knowledge of the students, there were no significant differences with respect to the intent to use, but differences were found in relation to the rest of the independent variables, which re-enforces the original idea that this variable could exert not a direct influence, but a moderating one, on the independent variables and not directly on the intent to use, as it occurs with age.

Lastly, as for degree year, this did not seem to affect neither the performance expectancy nor the effort expectancy, although it did have an effect as far as the facilitating conditions and the intent to use, with an inverse relationship found with the latter, when the academic year is lower, the intent to use is greater.

4DISCUSSION

According to the analysis of the data, as for the perceptions of the students on their intent to use and their acceptance of mobile devices for learning, it was observed that the performance expectancy (PE), as well as the effort expectancy (EE) had a direct and important influence on their inclination, although with specific undertones that should be taken into account, in agreement with results obtained in other research studies.

In fact, it could be said that in relation to the performance expectancy, the participants positively evaluated it due to motivational and reduction in time for performing the tasks factors rather than for the possibility of improving their scores.

As related to the effort expectancy, it was observed that it also exerted a direct influence on the intent to use. The digital environment is a natural space for the youth, they have lived with it since they were born, and the fact that it is an educational strategy or a hard to understand task, they do not attribute it to the use of mobile devices, but to other reasons such as the type of task that must be developed during the learning process. Therefore, one should consider that it is possible that in the near future the inclusion of this variable in the research model will no longer be valid. This idea coincides with the study conducted by Koszalka & Ntloedibe-Kuswani (2010), which highlights the urgent need to explore real-world uses of the mobile devices for training and the analysis of strategies that are implemented, in order to capitalize on their potential.

As for the facilitating conditions, it was observed that the university students considered it important to know how to resolve problems and incidents that are presented to them, although what they valued more significantly was the institutional assistance and technical support.

The results obtained with respect to the variable perceived gratification and its influence on the intent to use, were similar to those obtained in previous research studies. The analysis conducted after corroborating this relationship was based on that in general terms, working in an environment with digital devices results in increased motivation, producing greater personal satisfaction. This makes it so that the process of learning becomes more fun, provoking a greater interest in the students when facing the acquisition of new knowledge. These results come close to those obtained in studies conducted by Ciampa, 2014; Dündar & Ciampa (2014), Dündar and Akçayır (2014), Miller and Cuevas (2017), and Tay (2016).

As for the variables Social Influence (SI), Self-Efficacy (SE) and Voluntariness of Use (VU), the relevant analysis could not be conducted, due to the lack of reliability of their corresponding sub-scales, so that they could not be analyzed if we were dealing with factors that had an influence on the intent to use mobile learning by the participating subjects, or their relationships with the rest of the variables, therefore we believed that it was necessary to revise the data collection instrument and to conduct a new analysis in order to offer conclusive results.

5CONCLUSIONS

Based on the results obtained, and the analysis conducted referring to the instrument designed ad hoc, it could be verified that it had a high consistency and validity for gathering information related to five of the eight constructs that composed it (performance expectancy, effort expectancy, perceived gratification, facilitating conditions and intent to use). However, it was also confirmed that the instrument should be adjusted to obtain valid and reliable information with respect to the other three constructs: social influence, self-management of learning and voluntariness of use, with the object of being able to analyze their possible influence on the intent to use mobile learning strategies.

On the other hand, based on the data collected, it can be concluded that the university students had a high pre-disposition towards the use of mobile devices for learning, with a direct relationship with the constructs that were able to be validated, as well as a clear effect over them, and on the behavioral intent, of the demographic variables analyzed. Although it is necessary to conduct a more-detailed analysis on the character of the relationship that is established between them, with the aim of estimating if we are dealing with moderating or independent variables.

Another future research line should be oriented towards the design and implementation of an invigoration and training plan for university professors on the use of digital devices, approach to good practice (García, Guerrero & Granados, 2015), design of experienc- es and production of content for mobile learning environments that contributes with improvements to current training models

Lastly, as recommended future lines of work, it is considered important to add the possibility of conducting longitudinal studies. The limitations of time limited this research study to adopt a cross-sectional shape, which has contributed valuable and reliable information, but it could be conditioned to the moment in time it was conducted. For this, it would also be interesting to conduct a study with the same dimensions but extended to various points in time, so that a more faithful image of the perceptions of the subjects is obtained.

FUNDING

This work was backed by the Coordinated R&D + innovation Project entitled "Media competencies of the citizens in emergent digital media (smartphones and tablets): innovating practices and edu-communication strategies in multiple contexts", with ID

EDU2015-64015-C3-1-R (MINECO/FEDER), financed by the European Regional Development Plan (ERDP) and the Ministry of Economy and Competitiveness of Spain.

*To whom correspondence should be addressed:

Departamento de Educación - Facultad de Ciencias de la Educación -

Campus de El Carmen - Avda. Tres de Marzo s/n - 21007 Huelva (Spain)

REFERENCES

Ajzen, I., & Fishbein M. (1998). Understanding attitudes and predicting social behavior. New Jersey: Prentice-Hall.

Arteaga, R., Duarte, A., & García, M. (2013). E-learning and the University of Huelva: a study of WebCT and the technological acceptance model. Campus-Wide Information Systems, 30(2), 135-160. doi:10.m8/10650741311306318

Bartlett, M. S. (1950). Tests of significance in factor analysis. British Journal of Statistical Psychology, 3(2), 77-85. doi:10.1111/j.2044-8317.1950.tb00285.x

Cabero, J., & Barroso, J. M. (2013). La utilización del juicio de experto para la evaluación de TIC: el coeficiente de competencia experta. Bordón. Revista de Pedagogía, 65(2), 25-38. doi:10.13042/brp.2013.65202

Cabero, J., & Barroso, J. (2016). The Educational Possibilities of Augmented Reality. Journal of New Approaches in Educational Research, 5(1), 44-50.

Castellana, M., Sánchez-Carbonell, X., Jordana, C. G., & Fargues, M. B. (2007). El adolescente ante las tecnologías de la información y la comunicación: Internet, móvil y videojuegos. Papeles Del Psicólogo, 28(3), 196-204.

Ciampa, K. (2014). Learning in a mobile age: an investigation of student motivation. Journal of Computer Assisted Learning, 30, 82-96. doi:10.1111/jcal.12036

Contreras, J., Herrera, A., & Ramírez, M. S. (2009). Elementos instruccionales para el diseño y la producción de materiales educativos móviles. Revista Apertura de Innovación Educativa, 5(11). Retrieved from https://goo.gl/KTB1Sw

Corbeil, J. R., & Valdés-Corbell, M. E. (2007). Are you Ready for mobile learning? Educase Quarterly, 30(2), 51-58. Retrieved from https://goo.gl/jvxBnF

Crompton, H., Burke, D., & Gregory, K. H. (2017). The use of mobile learning in PK-12 education: A systematic review. Computers & Education, 110, 51-63. doi:10.1016/j.compedu.2017.03.013

Cuesta, U., & Gaspar, S. (2013). Análisis motivacional del uso del Smartphone. Historia y Comunicación Social, 18, 435-447.

Daher, W. (2010). Building mathematical knowledge in an authentic mobile phone environment. Australasian Journal of Educational Technology, 26(1), 85-104. doi:10.14742/ajet.1104

Davis, F D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 318-339. doi: 10.2307/249008

Donaldson, R. L. (2011). Student Acceptance of Mobile Learning. Tallahassee, Florida: Florida State University. Retrieved from https://goo.gl/oyofNy

Dündar, H., & Akçayir, M. (2014). Implementing tablet PCs in schools: Students' attitudes and opinions. Computers in Human Behavior, 32, 40-46. doi:10.1016/j. chb.2013.11.020

García, A., Guerrero, R., & Granados, J. (2015). Buenas prácticas en los entornos virtuales de enseñanza-aprendizaje. Revista Cubana de Educación Superior, 34(3), 76-88. Retrieved from https://goo.gl/0UIfYt

Gutiérrez-Porlán, I., Román-García, M., & Sánchez-Vera, M. (2018). Strategies for the communication and collaborative online work by university students. [Estrategias para la comunicación y el trabajo colaborativo en red de los estudiantes universitarios]. Comunicar, 54, 91-100. doi:10.3916/C54-2018-09

Kolb, D. (2008). Experiential Learning: Experience as the Source of Learning and Development. New Jersey: Prentice Hall.

Koszalka, T. A., & Ntloedibe-Kuswani, G. S. (2010). Literature on the safe and disruptive learning potential of mobile technologies. Distance Education, 31 (2), 139-157. doi:10.1080/01587919.2010.498082

Liu, M., Scordino, R., Geurtz, R., Navarrete, C., Ko, Y., & Lim, M. (2014). A Look at Research on Mobile Learning in K-12 Education from 2007 to the Present. Journal of Research on Technology in Education, 46(4), 325-372. doi: 10.108 0/15391523.2014.925681

Long, T., Liang, W., & Yu, S. (2013). A study of the tablet computer's application in K-12 schools in China. International Journal of Education and Development using Information and Communication Technology, 9(3), 61-70.

Major, L., Hassler, B., & Hennessy, S. (2017). Tablets in schools: impact, affordances and recommendations. In A. Marcus-Quinn & T. Hourigan (Eds.), Handbook for Digital Learning in K-12 Schools (pp. 115-128). Cham: Springer.

Martín García, A., García del Dujo, A., & Muñoz Rodríguez, J. (2014). Factores determinantes de adopción de blended learning en educación superior. Adaptación del modelo UTAUT. Educación XX1, 17(2), 217-240.

Mengual, S. (2011). La importancia percibida por el profesorado y el alumnado sobre la inclusión de la competencia digital en educación superior Un análisis en ciencias de la actividad física y el deporte de la Universidad de Alicante (Doctoral Dissertation). Universidad de Alicante, Alicante.

Miller, H. B., & Cuevas, J. A. (2017). Mobile Learning and its Effects on Academic Achievement and Student Motivation in Middle Grades Students. International Journal for the Scholarship of Technology Enhanced Learning, 1 (2), 91-110.

Morales Vallejo, P (2012). Tamaño necesario de la muestra: ¿Cuántos sujetos necesitamos? Estadística aplicada, 24, 1-24. Retrieved from https://goo.gl/QPZCCj

Morata-Ramirez, M. Á., Holgado Tello, F. P, Barbero-García, M. I., & Méndez, G. (2015). Análisis factorial confirmatorio. Recomendaciones sobre mínimos cuadrados no pondzerados en función del error Tipo I de Ji-Cuadrado y RMSEA [Confirmatory factor analysis. Recommendations for unweighted least squares method related to Chi-Square and RMSEA]. Acción Psicológica, 12, 7-90. doi:10.5944/ap.12.1.14362

Park, Ch., & Karan, K. (2014). Unraveling the relationships between smartphone use, exposure to heterogeneity, political efficacy, and political participation: a mediation model approach. Asian Journal of Communication, 24(4), 370-389. doi:10.1080/01292986.2014.892146

Peters, K. (2007). M-learning: Positioning educators for a mobile, connected future. International Journal of Research in Open and Distance Learning, 8(2), 1-17.

Ramírez-Montoya, M. S., & García Peñalvo, F J. (2017). La integración efectiva del dispositivo móvil en la educación y en el aprendizaje. RIED: Revista Iberoamericana de educación a distancia, 20(2), 29-47. doi: 10.5944/ ried.20.2.18884

Ramos-Soler, I., López-Sánchez, C., & Torrecillas-Lacave, T (2018). Online risk perception in young people and its effects on digital behaviour. [Percepción de riesgo online en jóvenes y su efecto en el comportamiento digital]. Comunicar, 56, 71-79. doi:10.3916/C56-2018-07

Rodríguez-Gómez, D., Castro, D., & Meneses, J. (2018). Problematic uses of ICTs among young people in their personal and school life. [Usos problemáticos de las TIC entre jóvenes en su vida personal y escolar]. Comunicar, 56, 91-100. doi:10.3916/C56-2018-09

Salcines, I., González, N., & Briones, N. (2017). Docentes universitarios: Conocimiento y uso profesional del Smartphone. Bordón. Revista de Pedagogía, 2, 37-46.

Tay, H. Y. (2016). Longitudinal study on impact of iPad use on teaching and learning. Journal Cogent Education, 3(1), 1-22. doi:10.1080/2331186X.2015.1127308

UNESCO. (2013). Directrices para las políticas de aprendizaje móvil. Retrieved from https://goo.gl/eVRgoy

UNESCO. (2014). El futuro del aprendizaje móvil. Retrieved from https://goo.gl/ KpCpFQ

Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 45(2), 186-204. doi:10.1287/mnsc.46.2.186.11926

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425478. doi:10.2307/30036540

Wagner, E. D. (2015). Enabling Mobile Learning. EDUCAUSEReview, 40(3), 40-53.

Wang, Y, Wu, M., & Wang, H. (2009). Investigating the Determinants and Age and Gender Differences in the Acceptance of mobile learning. British Journal of Educational Technology, 40(5), 92-118. doi:10.1111/j.14678535.2007.00809.x

Zumbo, B. D. (2007). Validity: Foundational Issues and Statistical Methodology. En C. R. Rao & S. Sinharay (Eds.), Handbook of Statistics, Vol. 26: Psychometrics (pp. 45-79). Amsterdam: Elsevier Science.

How to cite this article: Guzmán Franco, M. D., Duarte Hueros, A. M., Mojarro Aliaño, Á., & Aguaded, I. (2019). Mobile Learning in University Contexts Based on the Unified Theory of Acceptance and Use of Technology (UTAUT). Journal of New Approaches in Educational Research, 8(1), 7-17. doi:10.7821/naer.2019.1.317

Recibido el 16 Mayo 2018; revisado el 22 Mayo 2018; aceptado el 31 Mayo 2018; publicado el 15 Enero 2019

DOI: 10.7821/naer.2019.1.317

RESUMEN

El propósito de este estudio es establecer los factores que influyen de manera significativa en la aceptación e intención de uso de los smartphones y tablets como recursos para el aprendizaje en contextos universitarios, así como las relaciones que se establecen entre los mismos. Para su análisis hemos seguido un modelo de evaluación contextualizado a partir del marco metodológico de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT), propuesto en su momento por Venkatesh y su equipo (2003). Para ello, se diseñó un instrumento de recogida de datos validado en nuestro contexto y optimizado para el aprendizaje móvil y la comunidad educativa. Un total de 370 estudiantes universitarios participaron en el cuestionario. Del análisis estadístico realizado, se desprende que el instrumento construido presenta una notable consistencia interna, presentando una alta validez para recoger información en relación a cinco de los ocho factores que lo componen, aunque debe ser revisado en relación a los otros tres. Además, a través de los datos recogidos, se observa una alta predisposición al uso de dispositivos móviles para el aprendizaje, con incidencia directa de los constructos validados, así como de las variables sociodemográficas (edad, género, curso y rama de conocimiento) que pueden ser consideradas variables moderadoras de dicha predisposición. Si bien estos resultados podrían ser matizados en futuros estudios, se concluye que el instrumento diseñado puede ser un buen indicador de la predisposición al uso de estrategias mobile learning.

PALABRAS CLAVE: TECNOLOGÍA EDUCATIVA, FIABILIDAD, CUESTIONARIO, APRENDIZAJE MÓVIL.

1INTRODUCCIÓN

El consumo de medios digitales por parte de jóvenes y adolescentes a nivel social, personal y educativo se ha convertido en la última década en la brújula de numerosos estudios e investigaciones. Organismos internacionales tales como ONU, UNESCO (2013, 2014), entre otros, han resaltado que el futuro atesora cam bios tecnológicos significativos que irán acompañados de nuevos escenarios de aprendizaje y que la expansión de la tecnología móvil no es paralela a su integración efectiva y productiva. La investigación científica en este ámbito ha significado una revolución en la formación abierta del alumnado en el contexto universitario.

Estudios como los de Liu, Scordino, Geurtz, Navarrete, Yujung Ko y Lim (2014), Cabero y Barroso (2016), Major, Hassler y Hennessy (2017), entre otros, evidencian el interés del uso de dispositivos móviles en contextos formativos, sus aportaciones y las repercusiones en los resultados de aprendizaje de los estudiantes. Otros trabajos describen la aparición de conductas adictivas como consecuencia del uso excesivo en el ámbito formativo y personal (Castellana et al., 2007; Cuesta & Gaspar, 2013; Rodríguez-Gómez et al., 2018), o las consecuencias del uso de los móviles por los ciudadanos y la necesidad de ofrecer orientaciones, pautas de uso y apostar por un modelo de mediación para el uso de la comunicación móvil (Park & Karan, 2014).

Otra línea de investigación de interés creciente es la que relaciona el uso del móvil con los resultados alcanzados en el aprendizaje (Crompton, Burke, & Gregory, 2017), aportando y enriqueciendo la construcción de conocimientos por parte de los estudiantes (Daher, 2010) y aumentando en éstos la motivación y el compromiso (Dündar & Akçayir, 2014; Long, Liang, & Yu, 2013; Miller & Cuevas, 2017; Tay, 2016).

Las estrategias de aprendizaje móvil o mobile learning surgen como consecuencia de trasladar su utilización a las aulas como una herramienta de aprendizaje adicional y promoviendo una formación ubicua, capaz de producirse en cualquier tiempo y lugar. Las estrategias educativas que están mediadas por dispositivos móviles constituyen el tema que vertebra esta investigación, a través de la cual vamos a identificar qué factores ejercen una influencia directa en la intención de uso de las mismas de nuestra muestra de estudio.

A través del análisis de la literatura sobre el estado del arte, los beneficios de las estrategias de mobile learning han quedado constatados empíricamente (Contreras, Herrera, & Ramírez, 2009). Si bien, de acuerdo con la revisión de literatura sistemática realizada sobre investigaciones educativas vinculados a mobile learning, la cantidad de estudios sobre aprendizaje móvil se encuentra aún en una etapa muy incipiente de desarrollo; como refleja el estudio sistemático realizado en el intervalo temporal desde 2002 a la actualidad.

Estos datos evidencian la evolución e interés que a partir del año 2007 se observa por parte de la academia en relación a las estrategias de aprendizaje móvil en la Educación Superior. No obstante, en el año 2010 se observa un incremento más pronunciado para acabar disparándose en los años 2015 y 2016, con 589 y 555 estudios indexados respectivamente. De las 3336 referencias totales, únicamente 19 están vinculadas a modelos de aceptación tecnológica.

Respecto al uso e integración de dispositivos móviles en el contexto educativo, Peters (2007) y Wagner (2015) apuestan por los que desarrollan y promueven el aprendizaje, resaltando entre su potencial la posibilidad de aprender en cualquier momento y lugar, el acceso a la información de manera eficaz, la mejora de la interacción didáctica de forma asíncrona y síncrona, la flexibilidad para personalizar el aprendizaje al ritmo y estilo del alumnado, la motivación que genera en los estudiantes, la mejora de la comunicación entre el alumnado y las instituciones educativas y el desarrollo del aprendizaje colaborativo (Gutiérrez-Porlán & al., 2018), entre otras ventajas.

En relación con las capacidades del aprendizaje a través de dispositivos móviles, autores como Corbell & Valdés-Corbell (2007) y Kolb (2008) y Ramos-Soler et al. (2018) plantean las posibilidades del uso correcto de los smartphones para favorecer el aprendizaje significativo, vinculado a la realidad social, enriqueciendo las experiencias educativas mediante recursos multimedia, facilitando la comunicación y la colaboración educativa y social, motivando a los estudiantes hacia el aprendizaje, o favoreciendo la creación de nuevo contenido por parte de estudiantes y de docentes.

En síntesis, la fortaleza más relevante del análisis anterior es que no debemos entender mobile learning como una experiencia de uso de dispositivos móviles con metodología tradicional, sino que ésta debe apostar por la innovación y mejorar el proceso de formación e interacción (Ramirez-Montoya & García Peñalvo, 2017).

La revisión, contextualización y análisis de este estudio se enmarca dentro del modelo de investigación UTAUT creado para conocer la intención de uso de un nuevo sistema de información y comunicación en un determinado ámbito, independientemente de la naturaleza de la actividad. Donaldson (2011) resalta la idoneidad que este modelo presenta para conocer la intención conductual de uso de los dispositivos móviles como herramienta de aprendizaje, así como su aceptación en el ámbito educativo.

2METODOLOGÍA

El propósito central que vertebra esta investigación es indagar sobre los factores que afectan a la aceptación tecnológica e intención de uso de estrategias de mobile learning entre el alumnado universitario, en base al modelo de investigación de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT). Así, se propone conocer las percepciones de los estudiantes respecto a la integración de los dispositivos móviles en el aula, diseñar un instrumento válido y fiable para conocer la aceptación e intención de uso de estas estrategias, y en base a estos resultados, contribuir a la construcción de un nuevo modelo de aceptación tecnológica basado en la UTAUT.

Indicar que aunque se tomó como referencia el primer modelo de la teoría esbozada por Venkatesh et al (2003), fue necesario realizar una serie de modificaciones y adaptaciones del instrumento a este estudio particular, omitiendo la variable dependiente uso final, y la variable moderadora experiencia de uso, debido a que en nuestro contexto, el aprendizaje a través de dispositivos móviles es un proceso que está aún en su primera fase de crecimiento y experimentación, siendo muy escasas las experiencias formativas realizadas. Además, debía adaptarse al aprendizaje con dispositivos móviles, para lo que se incorporaron dos variables consideradas como moderadoras del efecto de las variables independientes sobre la variable dependiente (edad y género) de acuerdo con las recomendaciones de otros autores (Wang, Wu, & Wang, 2009), así como la integración de otros datos relacionados con variables sociodemográficas (curso y rama de conocimiento), con el objeto de comprobar si poseían también carácter moderador respecto de las relaciones entre los distintos factores analizados.

Si bien para llegar a él, es necesario previamente disponer de un instrumento que permita obtener de forma válida y fiable los datos necesarios para comprobar la bondad del modelo propuesto. Proceso previo en la que nos centramos en el presente estudio.

2.1 Fases del estudio

La secuencia metodológica siguió la estructura de otras investigaciones dedicadas al análisis de la aceptación y uso de la tecnología (Davis, 1989; Venkatesh & Davis, 2000; Venkatesh et al., 2003, entre otros). A partir de los resultados de la revisión del estado del arte sobre las estrategias de aprendizaje móvil desde el punto de vista de la aceptación tecnológica, se seleccionó la Teoría UTAUT, por considerar que podía ser la más idónea para alcanzar los objetivos propuestos en el estudio. Una vez determinadas las variables y dimensiones de análisis a contemplar, se procedió a la construcción de un cuestionario basado en la citada teoría, y adaptado al uso de los dispositivos móviles.

Para asegurar la idoneidad del instrumento, se procedió a su validación a través de la técnica de juicio de expertos seleccionados por su especialización en el ámbito universitario, tecnología educativa, comunicación, y metodologías de investigación. Una vez revisado el instrumento en base a las sugerencias de los expertos, se desarrolló una prueba piloto con una muestra de estudiantes de características similares a la final, lo que permitió terminar de ajustarlo y comprobar el nivel de fiabilidad y validez, tanto en su conjunto, como en relación a cada uno de los constructos incluidos en él.

Estas pruebas iniciales han permitido contar con un instrumento optimizado para su uso en el estudio final que aquí se presenta. Los cuestionarios se aplicaron durante los meses de abril-junio de 2015, de forma auto-administrada.

Una vez recogidos los datos, para asegurar la validez de los constructos planteados y siguiendo las recomendaciones de otros estudios (Arteaga, Duarte, & García, 2013; Morata et al., 2015; Zumbo, 2007) se procedió a comprobar de nuevo el índice de bondad de ajuste del instrumento analizando su consistencia interna desde un punto de vista estadístico, así como la de los ítems incluidos para asegurar que miden lo que deben medir, descartando los que no mostraban suficiente validez, y continuar analizando la adecuación y peso factorial de los demás en cada uno de los constructos para los que fueron planteados, a través del análisis de componentes principales, obteniendo por último, el grado de explicación estadística del instrumento para el modelo propuesto.

2.2 Muestra

La muestra participante quedó conformada por un total de 370 estudiantes de Grado de la Universidad de Huelva. La técnica de selección muestral seguida fue de tipo aleatorio estratificada en diferentes rangos en función de la edad, género, rama de conocimiento y curso en el que estaban matriculados. La selección se realizó de esta forma, ya que es un "tipo de muestreo muy recomendable, sobre todo para poblaciones grandes..[...] y, si se desea extrapolar a toda la población, pueden tener que ver con la variable dependiente" (Morales Vallejo, 2012, p. 3).

2.3Instrumento y ajustes del modelo de medida

En el desarrollo de este estudio, se utilizó un cuestionario adhoc. Con el objeto de asegurar la validez y fiabilidad del instrumento, este fue sometido a un doble procedimiento de validación: un juicio de expertos de dos rondas, y una prueba piloto posterior, una vez revisado y adecuado a las propuestas realizadas por los expertos, constatándose con la misma, su elevada fiabilidad y consistencia interna a través del Alfa de Cronbach (0,907).

Como se observa en la siguiente tabla (Tabla 3), el cuestionario quedó finalmente estructurado en 9 dimensiones. La primera de ellas conformada por los ítems relacionados con las variables sociodemográficas moderadoras incluidas en el estudio (género, edad, rama de conocimiento y curso), las 7 siguientes recogen un total de 28 ítems en escala diferencial semántico con respuesta tipo Likert de 1 a 6 puntos, similar al instrumento original propuesto en la UTAUT, y relacionados con las variables del estudio asimiladas a cada una de las dimensiones seleccionadas.

3ANÁLISIS DE RESULTADOS

El análisis de los datos se desarrolló a través del programa SPSS v21, comprobando la fiabilidad y consistencia del instrumento, obteniendo de nuevo un Alfa de Cronbach alto (0,880) y se calcularon los estadísticos descriptivos (media, moda, mediana, desviación típica, máximos y mínimos) en cada uno de los ítems, su validez para ser incluido en la medición de cada uno de los constructos que habíamos planteado, y las correlaciones que se establecen entre ellos (para después observar sus relaciones con la variable dependiente IC). Como criterios de restricción se decidió la eliminación de aquellos ítems cuya exclusión pudiera conseguir aumentar el valor del Alfa de Cronbach, o bien, con correlación ítem-total por debajo de 0,3 (Ajzen & Fishbein, 1998).

De esta forma, decidimos suprimir de los análisis, los ítems DPI (Al utilizar estrategias de aprendizaje móvil, creo que el tiempo pasará más rápido), VU2 (Mis profesores esperan que aprenda a través de mobile learning) y CF4 (En general, mi Universidad apoyaría el uso de mobile learning), y así conseguir obtener un índice de consistencia interna todavía más alto (0,891) (Tabla 4).

Una vez realizado este primer paso, se obtuvo el Alfa de Cronbach para cada una de las subescalas incluidas en el instrumento con las que se pretendía medir los constructos relacionados con cada una de las variables dependientes, independientes (Tabla 5).

Como puede observarse, las relacionadas con la variables influencia social (IS), voluntad de uso (VU) y autogestión del aprendizaje (AA) no consiguen superar los niveles de confianza necesarios, en cambio las otras sí podemos decir presentan una fiabilidad alta estadísticamente (0,891>0,7).

Confirmada la confiabilidad del instrumento, se realizó el análisis de correlaciones inter-elementos teniendo en cuenta sólo las variables de las subescalas que han obtenido un alfa notable, con el fin de revisar el patrón de relaciones (r de Pearson); así como averiguar a través de diferentes pruebas estadísticas si es pertinente llevar a cabo el análisis factorial con la información disponible, a través del coeficiene Kaiser-Meyer-Olkin (KMO>0,6) y el test de esfericidad de Bartlett que prueba si se acepta la hipótesis nula de que las variables están intercorrelacionadas (a = 0,05). Como se observa en el resumen de las correlaciones inter-elementos de los promedios de las subescalas en el apéndice A, existen correlaciones significativas al 0,01, entre todos los ítems y sus subescalas correspondientes, de forma que se puede asegurar la validez de los constructos, siendo además pertinente la realización del análisis factorial de acuerdo a la media de adecuación muestral KMO (0,851>0,06) y en consonancia con el valor del nivel de significación obtenido en la prueba de esfericidad de Bartlett (,000) como se observa en el apéndice B.

Finalizado este primer proceso, se determinó el número óptimo de factores o dimensiones mediante un análisis factorial exploratorio de componentes principales con rotación Varimax con criterio Kaiser, debido a que esta rotación es la más frecuentemente utilizada en este tipo de análisis, y es adecuada cuando el número de componentes es reducido. El resultado fue de la existencia de cuatro componentes principales que llegarían a explicar un 72% de la varianza total como se observa en el apéndice C con los resultados relativos a la varianza total explicada.

Y la matriz resultante de componentes rotados que hemos recogido en la siguiente tabla 6 en la que podemos observar cómo están agrupados desde un punto de vista estadístico los diferentes ítems en cada factor.

De acuerdo con estos resultados, observamos que los ítems relacionados con los dos últimos componentes, se mantienen como se había previsto en el modelo inicial de la escala (Condiciones Facilitadoras e Intención Conductual), si bien en relación a los dos primeros, observamos que el primero agrupa ítems centrados en la facilidad, claridad y rendimiento esperado por los usuarios en relación el uso de estrategias mobile learning, mientras que en el segundo componente se agrupan las referidas al disfrute y utilidad que consideran que puede tener el uso de dichas estrategias. En cualquier caso, se observa que se trata de resultados que requieren nuevas revisiones en futuros trabajos para llegar a afinar los ítems más correctos para los constructos que podrían participar en un nuevo modelo basado en la UTAUT.

Por otra parte, en relación al estudio de la incidencia directa de las variables independientes y las variables moderadoras sobre la aceptación e intención de uso de los dispositivos móviles para el aprendizaje, de acuerdo a las perspectiva de los estudiantes universitarios, describimos a continuación los resultados más significativos obtenidos en cada una de ellas centrándonos exclusivamente en las relacionadas con las variables que presentaron una validez suficiente.

En este sentido, como se observa en el apéndice D con los resultados de la correlación de Pearson, todas las variables independientes relacionadas con las escalas Rendimiento Esperado (RE), Esfuerzo Esperado (EE), Condiciones Facilitadoras (CF) y Disfrute Percibido (DP) mantienen relaciones estadísticamente significativas (> 0,01) con la variable dependiente Intención de Uso (IC).

En cuanto a la relación entre las variables moderadoras (edad, género, rama de conocimiento y curso) y el resto de variables, se observa en la misma tabla, cómo existen una relación inversa entre la edad y el rendimiento esperado, así como con el esfuerzo esperado, y la variable disfrute percibido, no encontrando diferencías significativas en cuanto a la opinión de los usuarios según su edad respecto a las condiciones facilitadoras y la intención de uso.

En el caso de la variable sexo, los resultados indican que no existen diferencias significativas entre ambos en relación al rendimiento y esfuerzo esperado, pero sí se encuentran diferencias de opinión según el sexo en cuanto a las condiciones facilitadoras, siendo mayor esta relación respecto a las mujeres en la opinión de los hombres. De igual forma se observan diferencias significativas en relación a la intención de uso que parece ser mayor en el caso de los hombres.

En relación a la rama de conocimientos en la que se encuentran matriculados los participantes, no se han encontrado diferencias significativas respecto a la intención de uso pero sí en relación al resto de variables independientes, lo que refuerza la idea original de que puede ser una variable que ejerce una influencia no directa sino moderadora, sobre las variables independientes y no directamente sobre la intención de uso, igual que ocurre con la edad.

Por último, en relación al curso, no parece afectar ni al rendimiento esperado ni al esfuerzo esperado, pero sí en cuanto a las condiciones facilitadoras y la intención de uso, manteniendo en este último caso una relación inversa, es decir cuanto menor es el curso mayor es la intención de uso.

4DISCUSIÓN

De acuerdo con el análisis de los datos realizado, en cuanto a las percepciones de los estudiantes sobre su intención de uso y aceptación de dispositivos móviles para el aprendizaje, se observa que tanto el rendimiento esperado (RE) como el esfuerzo esperado (EE) son factores que ejercen influencia directa e importante sobre dicha disposición aunque con determinados matices que debemos tener en cuenta y en consonancia con los resultados obtenidos en otras investigaciones.

De hecho, podemos decir que en relación al rendimiento esperado, los participantes lo valoran de manera más positiva por cuestiones motivacionales y de reducción del tiempo de ejecución de las tareas más que por la posibilidad de conseguir una mejora en las calificaciones. En relación al esfuerzo esperado, se observa que ejerce también una influencia directa en la intención de uso, si bien, el entorno digital es el espacio natural de los jóvenes, con el que han convivido desde que nacieron y el hecho de que sea una estrategia educativa o una acción poco comprensible, no lo atribuyen al uso de los dispositivos móviles, sino a otras razones como el tipo de tarea a desarrollar durante el aprendizaje. Por ello, debemos considerar que es posible que en un futuro próximo deje de tener sentido incluir esta variable en el modelo de investigación. Esta idea es coincidente con el estudio realizado por Koszalka y Ntloedibe-Kuswani (2010), en el que se destaca la urgencia por explorar los usos reales de los dispositivos móviles para la formación y analizar las estrategias que son implementadas para rentabilizar su potencial.

En relación a las condiciones facilitadoras, se observa que los estudiantes universitarios consideran importante saber resolver los problemas e incidencias que se les presentan, si bien, lo que se valora de manera significativa es el apoyo y soporte técnico institucional.

Los resultados obtenidos respecto a la variable disfrute percibido y su influencia sobre la intención de uso son muy similares a los obtenidos en investigaciones anteriores. La lectura que hacemos después de corroborar dicha relación se basa en que, en términos generales, el hecho de trabajar en un entorno con dispositivos digitales conlleva un aumento en la motivación, produciendo una mayor satisfacción personal. Esto hace que el proceso de aprendizaje sea más ameno y provoque mayor interés en el alumnado en el momento de enfrentarse a la adquisición de nuevos conocimientos. Estos resultados se aproximan a los obtenidos en los estudios realizados por Ciampa (2014), Dündar y Akçayır (2014), Miller y Cuevas (2017), y Tay (2016).

En relación a las variables Influencia Social (IS), Autogestión del Aprendizaje (AA) y Voluntad de Uso (VU) no se han podido realizar los análisis pertinentes debido a la falta de fiabilidad de las subescalas correspondientes, de forma que pueda analizarse si se trata de factores influyentes en la intención de uso de mobile learning por parte de los sujetos participantes, ni sus relaciones con el resto de variables por lo que consideramos necesario revisar el instrumento de recogida de datos y realizar nuevos análisis para poder ofrecer resultados concluyentes.

5CONCLUSIONES

En base a los resultados obtenidos y los análisis llevados a cabo, en referencia al instrumento diseñado ad hoc, se puede afirmar que presenta una alta consistencia y validez para recoger información en relación a cinco de los ocho constructos que la componen (rendimiento esperado, esfuerzo esperado, disfrute percibido, condiciones facilitadoras, e intención de uso), si bien se constata que debe ser ajustado para obtener información válida y fiable respecto a los otros tres: influencia social, autogestión del aprendizaje y voluntariedad de uso, con el objeto de poder analizar su posible influencia sobre la intención de uso de estrategias de mobile learning.

Por otra parte, en base a los datos recogidos, se concluye que existe una alta predisposición al uso de dispositivos móviles para el aprendizaje en los estudiantes universitarios, con relación directa con los constructos que sí han podido ser validados, así como una clara incidencia sobre estos y sobre la intención conductual, de las variables demográficas analizadas. Si bien es necesario realizar un análisis más pormenorizado acerca del carácter de la relación que se establece entre ellos (con el objeto de estimar si se trata de variables moderadoras o independientes).

Otra línea de investigación futura se considera que debe orientarse al diseño y puesta en marcha de plan de dinamización y formación del profesorado universitario sobre uso de dispositivos digitales, aproximación de buenas prácticas (García, Guerrero & Granados, 2015), diseño de experiencias, y producción de contenidos para entornos de aprendizaje móvil que aporte mejoras a los modelos formativos actuales.

Por último, como recomendaciones de líneas futuras de trabajo, se considera importante añadir la posibilidad de realizar estudios longitudinales en el tiempo. Las limitaciones de tiempo acotó esta investigación a adoptar la forma de estudio de corte transversal, lo que ha proporcionado información valiosa y fiable, pero que podría estar condicionada por el momento en el que se realiza. Por ello, se considera interesante el llevar a cabo un estudio de estas mismas dimensiones pero prolongado a varios momentos del tiempo, de manera que se pueda obtener una imagen mucho más fidedigna de las percepciones de los sujetos.

FINANCIACIÓN

Este trabajo está avalado por el Proyecto I+D+I Coordinado titulado "Competencias mediáticas de la ciudadanía en medios digitales emergentes (smartphones y tablets): practicas innovadoras y estrategias educomunicativas en contextos múltiples" con clave EDU2015-64015-C3-1-R (MINECO/FEDER), financiado por el Fondo Europeo de Desarrollo Regional (FEDER) y Ministerio de Economía y Competitividad de España.

*Por correo postal, dirigirse a:

Departamento de Educación - Facultad de Ciencias de la Educación -

Campus de El Carmen - Avda. Tres de Marzo s/n - 21007 Huelva (Spain)

REFERENCIAS

Ajzen, I., & Fishbein M. (1998). Understanding attitudes and predicting social behavior. New Jersey: Prentice-Hall.

Arteaga, R., Duarte, A., & García, M. (2013). E-learning and the University of Huelva: a study of WebCT and the technological acceptance model. Campus-Wide Information Systems, 30(2), 135-160. doi: 10.1108/10650741311306318

Bartlett, M. S. (1950). Tests of significance in factor analysis. British Journal of Statistical Psychology, 3(2), 77-85. doi:10.1111/j.2044-8317.1950.tb00285.x

Cabero, J., & Barroso, J. M. (2013). La utilización del juicio de experto para la evaluación de TIC: el coeficiente de competencia experta. Bordón. Revista de Pedagogía, 65(2), 25-38. doi:10.13042/brp.2013.65202

Cabero, J., & Barroso, J. (2016). The Educational Possibilities of Augmented Reality. Journal of New Approaches in Educational Research, 5(1), 44-50.

Castellana, M., Sánchez-Carbonell, X., Jordana, C. G., & Fargues, M. B. (2007). El adolescente ante las tecnologías de la información y la comunicación: Internet, móvil y videojuegos. Papeles Del Psicólogo, 28(3), 196-204.

Ciampa, K. (2014). Learning in a mobile age: an investigation of student motivation. Journal of Computer Assisted Learning, 30, 82-96. doi: 10.1111/jcal.12036

Contreras, J., Herrera, A., & Ramírez, M. S. (2009). Elementos instruccionales para el diseño y la producción de materiales educativos móviles. Revista Apertura de Innovación Educativa, 5(11). Retrieved from https://goo.gl/KTB1Sw

Corbeil, J. R., & Valdés-Corbell, M. E. (2007). Are you Ready for mobile learning? Educase Quarterly, 30(2), 51-58. Retrieved from https://goo.gl/jvxBnF

Crompton, H., Burke, D., & Gregory, K. H. (2017). The use of mobile learning in PK-12 education: A systematic review. Computers & Education, 110, 51-63. doi:10.1016/j.compedu.2017.03.013

Cuesta, U., & Gaspar, S. (2013). Análisis motivacional del uso del Smartphone. Historia y Comunicación Social, 18, 435-447.

Daher, W. (2010). Building mathematical knowledge in an authentic mobile phone environment. Australasian Journal of Educational Technology, 26(1), 85-104. doi:10.14742/ajet.1104

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 318-339. doi:10.2307/249008

Donaldson, R. L. (2011). Student Acceptance of Mobile Learning. Tallahassee, Florida: Florida State University. Retrieved from https://goo.gl/oyofNy

Dündar, H., & Akçayir, M. (2014). Implementing tablet PCs in schools: Students' attitudes and opinions. Computers in Human Behavior, 32, 40-46. doi:10.1016/j. chb.2013.11.020

García, A., Guerrero, R., & Granados, J. (2015). Buenas prácticas en los entornos virtuales de enseñanza-aprendizaje. Revista Cubana de Educación Superior, 34(3), 76-88. Retrieved from https://goo.gl/0UIfYt

Gutiérrez-Porlán, I., Román-García, M., & Sánchez-Vera, M. (2018). Strategies for the communication and collaborative online work by university students. [Estrategias para la comunicación y el trabajo colaborativo en red de los estudiantes universitarios]. Comunicar, 54, 91-100. doi:10.3916/C54-2018-09

Kolb, D. (2008). Experiential Learning: Experience as the Source of Learning and Development. New Jersey: Prentice Hall.

Koszalka, T. A., & Ntloedibe-Kuswani, G. S. (2010). Literature on the safe and disruptive learning potential of mobile technologies. Distance Education, 31 (2), 139-157. doi:10.1080/01587919.2010.498082

Liu, M., Scordino, R., Geurtz, R., Navarrete, C., Ko, Y., & Lim, M. (2014). A Look at Research on Mobile Learning in K-12 Education from 2007 to the Present. Journal of Research on Technology in Education, 46(4), 325-372. doi:10.108 0/15391523.2014.925681

Long, T, Liang, W., & Yu, S. (2013). A study of the tablet computer's application in K-12 schools in China. International Journal of Education and Development using Information and Communication Technology, 9(3), 61-70.

Major, L., Hassler, B., & Hennessy, S. (2017). Tablets in schools: impact, affordances and recommendations. In A. Marcus-Quinn & T Hourigan (Eds.), Handbook for Digital Learning in K-12 Schools (pp. 115-128). Cham: Springer.

Martín García, A., García del Dujo, A., & Muñoz Rodríguez, J. (2014). Factores determinantes de adopción de blended learning en educación superior. Adaptación del modelo UTAUT. Educación XX1, 17(2), 217-240.

Mengual, S. (2011). La importancia percibida por el profesorado y el alumnado sobre la inclusión de la competencia digital en educación superior Un análisis en ciencias de la actividad física y el deporte de la Universidad de Alicante (Doctoral Dissertation). Universidad de Alicante, Alicante.

Miller, H. B., & Cuevas, J. A. (2017). Mobile Learning and its Effects on Academic Achievement and Student Motivation in Middle Grades Students. International Journal for the Scholarship of Technology Enhanced Learning, 1(2), 91-110.

Morales Vallejo, P (2012). Tamaño necesario de la muestra: ¿Cuántos sujetos necesitamos? Estadística aplicada, 24, 1-24. Retrieved from https://goo.gl/QPZCCj

Morata-Ramirez, M. Á., Holgado Tello, F P, Barbero-García, M. I., & Méndez, G. (2015). Análisis factorial confirmatorio. Recomendaciones sobre mínimos cuadrados no pondzerados en función del error Tipo I de Ji-Cuadrado y RMSEA [Confirmatory factor analysis. Recommendations for unweighted least squares method related to Chi-Square and RMSEA]. Acción Psicológica, 12, 7-90. doi:10.5944/ap.12.1.14362

Park, Ch., & Karan, K. (2014). Unraveling the relationships between smartphone use, exposure to heterogeneity, political efficacy, and political participation: a mediation model approach. Asian Journal of Communication, 24(4), 370-389. doi:10.1080/01292986.2014.892146

Peters, K. (2007). M-learning: Positioning educators for a mobile, connected future. International Journal of Research in Open and Distance Learning, 8(2), 1-17.

Ramírez-Montoya, M. S., & García Peñalvo, F. J. (2017). La integración efectiva del dispositivo móvil en la educación y en el aprendizaje. RIED: Revista Iberoamericana de educación a distancia, 20(2), 29-47. doi: 10.5944/ ried.20.2.18884

Ramos-Soler, I., López-Sánchez, C., & Torrecillas-Lacave, T. (2018). Online risk perception in young people and its effects on digital behaviour. [Percepción de riesgo online en jóvenes y su efecto en el comportamiento digital]. Comunicar, 56, 71-79. doi:10.3916/C56-2018-07

Rodríguez-Gómez, D., Castro, D., & Meneses, J. (2018). Problematic uses of ICTs among young people in their personal and school life. [Usos problemáticos de las TIC entre jóvenes en su vida personal y escolar]. Comunicar, 56, 91-100. doi:10.3916/C56-2018-09

Salcines, I., González, N., & Briones, N. (2017). Docentes universitarios: Conocimiento y uso profesional del Smartphone. Bordón. Revista de Pedagogía, 2, 37-46.

Tay, H. Y. (2016). Longitudinal study on impact of iPad use on teaching and learning. Journal Cogent Education, 3(1), 1-22. doi:10.1080/2331186X.2015.1127308

UNESCO. (2013). Directrices para las políticas de aprendizaje móvil. Retrieved from https://goo.gl/eVRgoy

UNESCO. (2014). El futuro del aprendizaje móvil. Retrieved from https://goo.gl/ KpCpFQ

Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 45(2), 186-204. doi:10.1287/mnsc.46.2.186.11926

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425478. doi:10.2307/30036540

Wagner, E. D. (2015). Enabling Mobile Learning. EDUCAUSEReview, 40(3), 4053.

Wang, Y., Wu, M., & Wang, H. (2009). Investigating the Determinants and Age and Gender Differences in the Acceptance of mobile learning. British Journal of Educational Technology, 40(5), 92-118. doi: 10.1111/j.14678535.2007.00809.x

Zumbo, B. D. (2007). Validity: Foundational Issues and Statistical Methodology. En C. R. Rao & S. Sinharay (Eds.), Handbook of Statistics, Vol. 26: Psychometrics (pp. 45-79). Amsterdam: Elsevier Science.

Con el fin de llegar a un mayor número de lectores, NAER ofrece traducciones al español de sus artículos originales en inglés. Este artículo en español no es la versión original del mismo, sino únicamente su traducción. Si quiere citar este artículo, por favor, consulte el artículo original en inglés y utilice la paginación del mismo en sus citas. Gracias.

APÉNDICES

Apéndice A. Resumen de las correlaciones inter-elementos de los promedios de las subescalas