Cada vez, con mayor frecuencia, la tecnología forma parte de nuestras vidas. Las competencias individuales relacionadas con el uso de Tecnologías de la Información y Comunicación (TIC) se han convertido en una condición necesaria para el éxito profesional, así como un factor crucial de la vida privada. La integración de las actuales tecnologías digitales en la Educación Superior ha pasado a ser una oportunidad y un desafío para los educadores que, como facilitadores del aprendizaje, tienen que proporcionar a sus graduados las herramientas tecnológicas adecuadas para desenvolverse personal y profesionalmente en la sociedad del siglo XXI (Gutiérrez, Palacios y Torrego, 2010).

Con todo, la tecnología no asegura el aprendizaje, siendo éste un proceso activo en el que se construye el conocimiento y no un proceso pasivo de acumulación de información. En dicho proceso el alumno es quien debe aprender y, por tanto, quien debe hacer el esfuerzo, de tal manera que al contar con las herramientas adecuadas el estudiante sea capaz de aprender por sí solo de forma eficaz y eficiente (Henrie, Halverson y Graham, 2015).

Los Entornos Virtuales de Aprendizaje (EVA) cumplen los requisitos anteriores, configurándose como instrumentos polivalentes que permiten personalizar la educación, motivar al alumno hacia el aprendizaje o hacia las actividades que conducen a ello, a partir de un amplio abanico de posibilidades de comunicación didáctica (Marcelo, Yot y Mayor-Ruiz, 2015). La clave de estos entornos de aprendizaje consiste no tanto en aprender “más” sino en aprender “diferente”, adaptando las metodologías educativas y herramientas didácticas a las condiciones y habilidades de los estudiantes (Tobias y Fletcher, 2012).

Si bien gran parte de los EVA poseen herramientas suficientes para desarrollar con calidad las acciones formativas, no todos ofrecen las mismas herramientas o permiten las mismas metodologías pedagógicas. Por ello, el proceso de selección es importante, y de las diferentes opciones tecnológicas para el diseño de éstos, la Universitat de València optó por cambiar (en el curso académico 2015-2016) a Moodle, como herramienta de apoyo a la educación presencial, dado que reúne -en un entorno integrado- una serie de recursos que no poseía la plataforma anterior.

La adopción y uso de la tecnología en el proceso de enseñanza aprendizaje sigue siendo un tema abierto, a pesar de los ingentes esfuerzos que se siguen llevando a cabo por parte de los investigadores. Con base en el marco teórico del Modelo de Aceptación de Tecnología (TAM) son diversos los estudios que analizan por qué los estudiantes utilizan la tecnología y encuentran relaciones causales entre la utilidad, la facilidad de uso percibida y la futura intención de uso (Escobar-Rodríguez y Monge-Lozano, 2012). En esta investigación se emplea “uso de la tecnología” como variable independiente final. Sin embargo, en entornos educativos, el rendimiento académico entendido como aprendizaje efectivo es el objetivo final perseguido por los docentes, por lo que es importante medir los resultados obtenidos con la adopción y uso de una tecnología para poder evaluar su éxito (Islam, 2011).

Así, el objetivo del presente trabajo es aportar evidencia empírica sobre la percepción que tienen los alumnos respecto a la mejora en su aprendizaje al adoptar y utilizar entornos virtuales en la enseñanza presencial, a partir del Modelo de Aceptación de la Tecnología ampliado.

La población objeto del estudio son los 1,250 estudiantes de primer grado matriculados en la Facultat d’Economia de la Universitat de València durante el curso 2015-2016. Actualmente, en dicha facultad se imparten 5 grados, 2 dobles grados, 3 dobles titulaciones internacionales y 16 cursos de posgrado.

La encuesta se distribuyó entre los alumnos a través de sus aulas virtuales, siendo la cumplimentación de la misma voluntaria y anónima. Se recibieron 251 encuestas válidas, de los cuales 122 (48.91%) son de hombres y 129 (51.39%) de mujeres; además, se observa también que el 95% de los encuestados tiene una edad comprendida entre los 18 y los 24 años.

En cuanto a la forma voluntaria u obligatoria de uso del entorno virtual por parte del alumno, cabe resaltar que toda la comunicación a través del entorno virtual -tales como participación en chats, foros y tutorías- es totalmente voluntaria para los alumnos, mientras que en aspectos como la entrega de tareas o seguimiento de determinadas actividades es obligatorio el uso del entorno virtual.

El instrumento utilizado para la recogida de información fue un cuestionario estructurado (ver tabla I). La primera parte compuesta por datos personales y académicos de los estudiantes, seguida de 20 items: cuatro para cada una de las cinco variables del modelo propuesto: utilidad percibida (UP), facilidad de uso (FU), norma subjetiva (NS), intención de uso (IU) y aprendizaje percibido (AP).

Tabla I

Aspectos tratados	Objetivo	Fuente
Datos generales		Sexo, edad y nivel de estudios
Utilidad percibida (UP) (4 ítems)	El uso de una innovación mejorará el desempeño en el trabajo.	Arteaga y Duarte (2010); Davis (1989); Islam (2013) y Premkumar y Bhattacherjee (2008)
Facilidad de uso (FU) (4 ítems)	El uso de una innovación no supondrá un esfuerzo extra.	Arteaga y Duarte (2010); Davis (1989); Islam (2013) y Premkumar y Bhattacherjee (2008)
Norma subjetiva (NS) (4 ítems)	Presiones sociales por parte de las personas relevantes para realizar una acción o conducta.	Sánchez-Prieto, Olmos-Miguelañez, y García-Peñalvo (2016); Venkatesh y Davis (2000)
Intención de uso (IU) (4 ítems)	Percepción que tiene el usuario sobre el empleo que va a realizar de una innovación.	Arteaga y Duarte (2010); Davis (1989); Islam (2013); y Premkumar y Bhattacherjee (2008)
Aprendizaje percibido (AP) (4 ítems)	Relación entre el uso de una innovación y la mejora en el aprendizaje.	Islam (2013); Liaw (2008)

Se han utilizado diversos formatos de medición en función de las características de los conceptos o de las necesidades de información. Así pues, en el caso del género, edad y nivel de estudios, las preguntas estaban acotadas y para la medición de las variables que pueden influir en el uso de los EVA y el aprendizaje percibido que reportan, se ha utilizado una escala ordinal del tipo Likert de cinco opciones: (1) nada de acuerdo, (2) poco de acuerdo, (3) indiferente, (4) de acuerdo y (5) muy de acuerdo.

Una vez elaborado, el cuestionario, fue revisado por un grupo de profesores expertos en la materia de varias universidades. Los expertos evaluaron la relevancia que cada uno de los ítems tiene para el fenómeno que se pretende medir, así como la claridad y precisión de éstos, modificando aquellos que podían dar problemas a la hora de la medición o interpretación respecto al concepto teórico, así como los que podían considerarse confusos, redundantes o ambiguos.

En primer lugar, se realizó un análisis de la consistencia interna, la cual mide el grado en que los ítems que forman parte de una escala se correlacionan; esto es importante dado que si los ítems miden el mismo concepto teórico deben estar correlacionados, es decir, la escala debe poseer un alto grado de homogeneidad. Para medirla se utilizó el alfa de Cronbach, gracias al cual se eliminan aquellos ítems que reducen el valor de alfa o que no contribuyen positivamente a aumentarlo (Nunally y Bernstein, 1994). Posteriormente se realizó un análisis de la dimensionalidad, fiabilidad y validez de las escalas a través de un análisis factorial exploratorio y confirmatorio (Kaiser, 1958); por último, para contrastar las hipótesis teóricas se determinaron las relaciones causales a través de modelos de ecuaciones estructurales.

En cuanto a los programas estadísticos utilizados para la realización del alfa de Cronbach y del análisis factorial exploratorio se utilizó SPSS y AMOS para el análisis factorial confirmatorio y para determinar las relaciones causales entre las variables objeto de estudio. Con este último programa se obtienen modelos causales que se encuentran dentro de la familia de modelos estadísticos multivariantes que permiten estimar el efecto y las relaciones entre múltiples variables. Nacen de la necesidad de dotar de mayor flexibilidad a los modelos de regresión, siendo menos restrictivos, ya que permiten incluir errores de medida, tanto en las variables dependientes como en las independientes.

Los resultados obtenidos con el análisis factorial exploratorio se muestran en la tabla II, donde se observa que todos los ítems forman parte de la dimensión que les corresponde, ya que las cargas factoriales, al igual que el alfa de Cronbach, son superiores a 0.7, indicando que las variables latentes pueden ser explicadas por sus variables observadas.

Tabla II

		Media	Desviación estándar	Cargas factoriales	Alfa de Cronbach	Varianza explicada
Utilidad percibida (UP)					0.805	15.360
	UP 1	4.05	0.967	0.848
	UP 2	3.93	0.963	0.809
	UP 3	4.07	0.890	0.807
	UP 4	3.97	0.891	0.711
Facilidad de uso (FU)					0.929	5.675
	FU 1	4.44	0.512	0.722
	FU 2	4.32	0.497	0.718
	FU 3	3.29	0.774	0.689
	FU 4	3.17	0.610	0.720
Norma subjetiva (NS)					0.902	14.278
	NS 1	4.37	0.999	0.751
	NS 2	4.34	0.977	0.825
	NS 3	4.32	0.910	0.804
	NS 4	4.16	1.129	0.901
Intención de uso (IU)					0.806	12.442
	IU 1	4.46	0.538	0.895
	IU 2	4.42	0.581	0.826
	IU 3	4.49	0.502	0.787
	IU 4	4.43	0.606	0.823
Aprendizaje percibido (AP)					0.786	9.721
	AP 1	4.25	0.977	0.891
	AP 2	4.34	0.910	0.832
	AP 3	4.09	1.156	0.796
	AP 4	2.92	1.273	0.898

Una vez realizado el análisis factorial exploratorio, y previo a contrastar las hipótesis se realizó un análisis factorial confirmatorio en el que se obtuvieron los mismos resultados que en el primero.

Para evaluar la bondad del modelo la literatura recomienda utilizar múltiples indicadores (Hu y Bentler, 1998). Por ello se calcularon tres medidas diferentes de ajuste. En primer lugar las absolutas, que determinan el grado en que el modelo globalmente (modelo estructural y modelo de medida) predice la matriz de datos inicial. Posteriormente, las incrementales de ajuste o medidas descriptivas, donde se compara el modelo propuesto con el peor modelo posible; en este sentido, aunque el ajuste del modelo diseñado no sea perfecto, será una mejor aproximación a la realidad en tanto en cuanto mejore el ajuste del modelo nulo. Y por último el índice de ajuste de parsimonia, que relaciona la bondad del ajuste del modelo con el número de coeficientes estimados necesarios para conseguir dicho nivel de ajuste, desempeñando el mismo papel que la R² en la regresión múltiple. En la tabla III se recogen los resultados obtenidos en estos estadísticos y se observa que están cerca o son mejores que los recomendados en la literatura, mostrando que el modelo tiene un buen ajuste.

Tabla III

	Índices	Valor adecuado	Modelo
Absoluto	X2/df	<5	4.847
	RMSEA	<0.08	0.068
	GFI	Próximo a 1	0.940
	NFI	Próximo a 1	0.889
Incremental	CFI	Próximo a 1	0.941
	AGFI	>0.5	0.696
Parsimonia	PNFI	Próximo a 1	0.775

X²: Chi cuadrado; df: grados de libertad; RMSEA: Índice del radical del error de aproximación medio;

Queda, por tanto, determinar cuáles son los resultados del contraste de las hipótesis planteadas. La tabla IV contiene las estimaciones de los parámetros del modelo, el error estándar aproximado (SE) y el valor T, siendo este último el cociente entre la estimación del parámetro y la estimación del error estándar. Si se reúnen las suposiciones de distribución apropiadas, el estadístico T sigue una distribución normal estándar bajo la hipótesis nula de que el parámetro tiene un valor de cero, es decir, si a una estimación le corresponde un valor T mayor que 1.96 en valor absoluto, el parámetro es significativamente diferente de cero al nivel 0.05. A la vista de los resultados contenidos en la tabla IV, se comprueba que todos los valores estimados son significativos, menos el correspondiente a la Hipótesis 2.

Tabla IV

Hipótesis		Parámetro	SE	Valor T	p
	Confirmada	0.326	0.037	8.869	***
	Rechazada	0.127	0.054	1.132	0.113
	Confirmada	0.419	0.029	13.243	***
	Confirmada	0.495	0.0036	12.043	***
	Confirmada	0.458	0.0019	10.656	***
	Confirmada	0.540	0.028	11.515	***

*** p < 0.0

La utilidad percibida tiene un efecto positivo y significativo sobre la intención de uso de los entornos virtuales de aprendizaje (β=0.326; p < 0.01), aceptando por tanto la Hipótesis 1.

La facilidad de uso tiene un efecto positivo pero no significativo en la utilidad percibida, rechazando por tanto las Hipótesis 2. Aunque es una variable señalada en muchos trabajos de investigación como significativa, no obstante, la generación actual de estudiantes universitarios tiene entre 18 y 24 años, ello implica que la mayoría ha crecido en un universo mediático extremadamente diversificado, donde las tecnologías se suceden de manera vertiginosa, siendo éstas utilizadas frecuentemente, por lo que no encuentran ninguna dificultad en su uso.

Por otro lado, la facilidad de uso sí tiene un efecto positivo y significativo en la intención de uso (β=0.419; p < 0.01), soportando la Hipótesis 3.

La norma subjetiva tiene un efecto positivo y significativo sobre la utilidad percibida (β=0.495 p < 0.01) y sobre la intención de uso (β=0.458; p < 0.01) por lo que se confirman las Hipótesis 4 y 5.

Y por último la intención de uso está positivamente relacionada con el resultado académico (β=0.540; p < 0.01), aceptando por tanto la Hipótesis 6.

Los resultados que se presentan contribuyen al debate sobre el empleo de los adelantos tecnológicos de las últimas décadas, en los nuevos escenarios pedagógicos que se están generando en la Educación Superior, analizando específicamente los entornos virtuales de aprendizaje (EVA), los cuales son utilizados en cursos presenciales universitarios. Partiendo de una extensión del Modelo de Aceptación de la Tecnología se ha postulado un esquema estructural que investiga las relaciones entre cinco variables: utilidad percibida, facilidad de uso, norma subjetiva, intención de uso y aprendizaje percibido.

En este sentido los resultados de este trabajo permiten constatar que el aprendizaje percibido está determinado, sea de una manera directa o indirecta, por el resto de variables del estudio. Así pues, se puede establecer como conclusión principal que el alumno percibe que el uso de los EVA en entornos presenciales de aprendizaje contribuye en su proceso de aprendizaje de forma positiva, siempre que éstos perciban la utilidad, facilidad del sistema, así como la influencia sobre la intención conductual que ejercen sus referentes, ya que son las variables que les conducen a su uso.

Al analizar las variables que conforman el modelo, se comprueba que la utilidad percibida por el estudiante se ve influenciada por la intención de uso, lo que demuestra la importancia de que los estudiantes perciban la utilidad de una innovación y quieran emplearla (Arteaga y Duarte, 2010; Islam, 2011).

En cuanto a la relación entre facilidad de uso y utilidad percibida de una innovación tecnológica, no se aprecia una relación significativa entre las mismas. A pesar de que en un amplio número de estudios relacionan ambas variables (Davis, 1989; Fathema, Shannon y Ross, 2015; O’Cass y Fenech, 2003), también hay opiniones discordantes como la de Chen Hsieh, Huang y Wu (2017) o Lee y Lehto (2013), que concluyen en sus trabajos que la facilidad de uso percibida no es un antecedente de la utilidad percibida, u otros trabajos que condicionan sus resultados dependiendo de la forma de aprender, como la de Huang (2015) que concluye que aquellos estudiantes que muestran una manera de aprender secuencial prefieren que la tecnología sea útil, mientras que aquellos que muestran una manera de aprender global quieren que la tecnología sea fácil de usar.

Por otra parte, la variable intención tiene como antecedente la facilidad de uso, lo cual vendría justificado por el hecho de que la tecnología avanza rápidamente y se necesita tiempo para adaptarse a los cambios provocados por ésta. Pero hay que tener en cuenta que, ante una innovación, si el beneficio que espera obtener el estudiante no supera el esfuerzo que ha de realizar, se genera una resistencia al cambio y, por ello, no utilizará dicha tecnología (Arteaga y Duarte, 2010). Estos resultados son congruentes, por tanto, con las investigaciones previas (Davis, 1989; Taylor y Tood, 1995; Venkatesh et al., 2003) en las que la utilidad es un fuerte determinante de la intención de uso mientras que la facilidad de uso percibida fue un determinante secundario.

Los resultados también muestran que la norma subjetiva se percibe como una variable que ejerce un efecto sobre la utilidad percibida y la intención de uso del sistema. En este sentido, y como señalan Schepers y Wetzels (2007) o Venkatesh y Davis (2000), la influencia social para introducir nuevos sistemas es más efectiva que cualquier enfoque imperativo y, por ello, la norma subjetiva ejerce un efecto directo sobre la intención de uso, más allá de la utilidad percibida y la percepción de la facilidad de uso.

Por último, la utilidad del proceso enseñanza aprendizaje percibida por los estudios es un antecedente de la intención de uso, estando de acuerdo estos resultados con los obtenidos por Islam (2011; 2013), donde los alumnos perciben que el uso de los sistemas de educación a distancia está contribuyendo en su proceso de aprendizaje de forma positiva y ello se reflejará en la efectividad del mismo.

Cabe resaltar que hay implicaciones prácticas en los resultados obtenidos en este trabajo, las cuales se pueden plantear como recomendaciones para los docentes universitarios ante el uso de entornos virtuales en ambientes presenciales.

En primer lugar, la utilidad percibida por los usuarios es una variable relevante, dado que si los estudiantes no perciben la utilidad de una herramienta tecnológica, es poco probable que la empleen. Por ello es importante que los docentes no sólo suban contenidos de la asignatura a la plataforma, sino que tienen que hacer un mayor esfuerzo por utilizar todas las opciones que los EVA les permiten, como son las discusiones, los debates o los foros, fomentando la elaboración de proyectos grupales a través de wikis o redes sociales, entre otras, con la finalidad de que el estudiante perciba la utilidad de la herramienta y la utilice.

En segundo lugar, los enfoques obligatorios y basados en el cumplimiento para introducir nuevas herramientas tecnológicas son menos efectivos a lo largo del tiempo que el uso de la influencia social, para orientar los cambios positivos en la percepción del usuario. Es por ello, que deben desarrollarse y probarse alternativas prácticas basadas en información, tales como el diseño de campañas de comunicación, que eleven el prestigio social asociado al uso del sistema, tanto para profesores como para alumnos.

Como tercer punto, se debe resaltar que una correcta implementación de estas herramientas en el aula universitaria exige que los estudiantes adviertan previamente la eficiencia que se alcanza tras la adopción tecnológica, tratando que la misma no se percibida como una imposición, sino como una atractiva oportunidad para incrementar la efectividad en su aprendizaje.

En futuras investigaciones se sugiere ampliar los Modelos de Aceptación de la Tecnología con nuevas variables, como diferencias individuales, expectativas, aversión al riesgo, socialización, experiencia previa, nivel de educación o diferencias por países, entre otras.