Competencia digital docente y el uso de la realidad aumentada en la enseñanza de ciencias en Educación Secundaria Obligatoria


Universidad de Granada, España

Abstract

Hoy día la tecnología ocupa un lugar destacado en la sociedad, por lo que es fundamental para desenvolverse en ella con éxito tener adquirida la competencia digital. Los docentes deben desarrollarla de forma adecuada para que su labor educativa sea eficaz y para poder transmitirla a su alumnado. Un ejemplo del uso de la tecnología en educación que se encuentra en auge es la utilización didáctica de la Realidad Aumentada, que ofrece al área de las ciencias una gran cantidad de posibilidades para facilitar el proceso de enseñanza-aprendizaje. El objetivo que se plantea en el presente estudio es conocer la incidencia de la competencia digital en el empleo de la realidad aumentada como recurso didáctico en la impartición de clases relacionadas con las ciencias. El método utilizado es de tipo cuantitativo no experimental, de corte descriptivo, correlacional y con carácter predictivo. La recogida de datos se ha llevado a cabo mediante un cuestionario ad hoc sobre competencia digital docente y realidad aumentada, con diferentes niveles de respuesta. Los resultados muestran que la realidad aumentada es un recurso que ha sido usado por parte de los docentes que imparten ciencias, presentando estos un nivel de competencia digital medio. Se concluye afirmando que los docentes que utilizan la realidad aumentada presentan más competencia digital que aquellos que no lo usan.

Abstract

Today, technology is a major issue in society, so it is essential to have acquired digital competence in order to be successful in it. An example of the growing use of technology in education is the didactic use of Augmented Reality, which offers the area of science a wealth of possibilities to facilitate the teaching-learning process. The aim of this study is to understand the impact of digital competence on the use of augmented reality as a teaching resource in science-related classes. The method used is quantitative, non-experimental, descriptive, correlational and predictive. The data collection has been carried out through an ad hoc questionnaire on digital teaching competence and augmented reality with different levels of response. The results show that augmented reality is a resource that has been used by teachers teaching science, presenting them with an average level of digital competence. We conclude by stating that teachers who use augmented reality are more digitally competent than those who do not.

Palabras clave

Enseñanza secundaria, competencia profesional, formación de docentes, tecnología educativa, recursos educativos

Keywords

Secondary education, teacher qualifications, teacher training, educational technology, educational resources

Introducción

Hoy en día los conocimientos y las aptitudes hacia las tecnologías digitales son fundamentales para desenvolverse con éxito en la sociedad (Blayone, 2019). Utilizar las TIC de forma eficiente, independiente y responsable es un requisito clave para la integración social y económica, por lo que se conciben como un factor clave en los procesos de enseñanza-aprendizaje (Starkey, 2019). Por ello, cualquier sistema educativo que se precie debe saber adaptar la realidad tecnológica actual a los espacios de aprendizaje y a su normativa educativa (Asongu y Odhiambo, 2019; Avidov-Ungar y Hanin-Itzak, 2019), lo que precisa, a su vez, de un fuerte despliegue logístico, formativo y económico (Fuentes-Cabrera et al., 2019).

El uso de las TIC en la sociedad actual obliga al desarrollo de una serie de habilidades, entre las que se encuentra la competencia digital, la cual se define como la capacidad de usar de forma segura, crítica y creativa los recursos tecnológicos, con el objetivo de responder de la forma más eficaz a las exigencias laborales, de aprendizaje y de ocio (Canfarotta y Casado-Muñoz, 2019). Dicha necesidad social se ve reflejada en el ámbito educativo, siendo necesario formar a los alumnos en el desarrollo de esta competencia (Juhanak et al., 2019), por lo que se precisa de la competencia digital docente, la cual hace referencia al conjunto de saberes y destrezas necesarios para el buen uso de las TIC en el ámbito educativo (Prendes-Espinosa et al., 2018).

La enseñanza de la competencia digital es un proceso que debe ir en progresión y ser recurrente, para que se genere un conocimiento completo y actualizado (Hsu et al., 2019) en torno a cinco áreas (Olofsson et al., 2019; Rodríguez-García, 2019): 1) Alfabetización en información y datos; 2) Comunicación y colaboración; 3) Creación de contenido digital; 4) Seguridad; y 5) Resolución de problemas. El hecho de poseer diferentes dimensiones la hace compleja, surgiendo incluso la necesidad de organizar y sistematizar la formación de los docentes y su evaluación de forma estandarizada (Cuartero et al., 2019). Además, se compone de dos vertientes: la competencia digital necesaria para facilitar la labor de enseñanza-aprendizaje con el uso de las TIC, y la que tiene que ver con la transmisión al alumnado de los conocimientos fundamentales para que alcancen ellos mismos esta competencia digital (Fernández‐Batanero et al., 2019).

En este entramado de la competencia digital, el hecho de utilizar la tecnología de forma creativa se constata como una de las habilidades esenciales que conforman la competencia digital en su globalidad. En esta línea, encontramos en la realidad aumentada (en adelante RA) un potente recurso educativo que cada vez está generando mayor incidencia en los procesos de enseñanza-aprendizaje (Fuentes-Cabrera et al., 2019). La tecnología móvil, por tanto, se ha concebido en la actualidad como una herramienta muy eficaz que apoya el proceso didáctico (Ewais y Troyer, 2019; Tomara y Gouscos, 2019).

Esta tecnología permite combinar información digital y física en tiempo real, generando así una nueva realidad más completa (Bhagat et al., 2019). Estas dos realidades se superponen en distintas capas de información de formatos diversos: imágenes, vídeos, animaciones, etc. El resultado son unos recursos enriquecidos que suponen para el estudiante un aumento de la motivación y del rendimiento académico (Tzima et al., 2019), además de eliminar información innecesaria (Villalustre et al., 2019), aumentar la información de la realidad significativa (Hendajani et al., 2019), contextualizar los aprendizajes (García‐Bonete et al., 2019), y generar entornos activos de enseñanza (Barroso-Osuna et al., 2019).

Utilizar la RA en la enseñanza de las ciencias junto con metodologías didácticas activas, acercan el aprendizaje del alumnado a la experimentación (Ewais y Troyer, 2019), facilita la simulación (Safadel y White, 2019) y comprensión de conceptos científicos (Mustami et al., 2019; Tomara y Gouscos, 2019), creando entornos de aprendizaje estimulantes que incrementan la motivación (Kularbphettong y Puengpo, 2018) y la curiosidad por descubrir la ciencia (Chen, 2019; Erbas y Demirer, 2019), reduciendo así la ansiedad que la enseñanza de esta rama pueda generar (Bos et al., 2019; Chen, 2019; Fuchsova y Korenova, 2019).

A pesar de todo, la formación en competencia digital de los docentes supone un reto (Silva-Quiroz, 2017), debido al carácter multidisciplinar que posee en estos casos (Lázaro et al., 2019), así como a la falta de una formación adecuada al respecto, especialmente con los recursos tecnológicos más novedosos (Hilli, 2019). Por este motivo, se hacen necesarios programas de formación continua orientados a su mejora (Falcó-Boudet, 2017), puesto que el desarrollo de la misma se concibe como una clave para el correcto desempeño de la profesión y para la mejora de la calidad institucional de los centros educativos (Gisbert-Cervera y Lázaro-Cantabrana, 2015).

Metodología

Esta investigación tiene por objetivo conocer la incidencia de la competencia digital en el empleo de la realidad aumentada como recurso didáctico en la impartición de clases relacionadas con las ciencias. De igual modo, este trabajo pretende dar respuesta a las siguientes preguntas de investigación: ¿hacen uso los profesores de ciencias de la realidad aumentada?, ¿cuáles son los motivos –en el caso de que no la usen- de no utilizar la realidad aumentada?, ¿cuál es el nivel de competencia digital de los docentes?, ¿influye la frecuencia de utilización de la realidad aumentada en las diferentes dimensiones de la competencia digital?  

Para la consecución de todo ello se ha desarrollado un estudio cuantitativo, no experimental, de corte descriptivo, correlacional y con carácter predictivo (Hernández et al., 2014).

Participantes

La muestra participante en este estudio asciende a un total de n=2348 docentes de Educación Secundaria Obligatoria (ESO) de la comunidad autónoma de Andalucía (España) que imparten alguna asignatura relacionada con las Ciencias Experimentales. Para la consecución de esta cifra se ha seguido una técnica de muestreo no probabilística y por conveniencia, puesto que se ha tenido fácil acceso a los sujetos a través de reuniones y demás rutinas docentes (claustros, reuniones de departamento, consejo escolar, etc.). A su vez, se realizó un llamamiento a la participación a través de redes sociales (LinkedIn, Facebook, Twitter, WhatsApp y Telegram) y mediante correo electrónico. De igual modo, la participación se incrementó siguiendo la técnica bola de nieve, mediante la cual los sujetos iniciales participantes en el estudio recomiendan la participación en el mismo a otras personas afines a ellos.  

De la cifra anteriormente mencionada, el 47,19% son hombres (n=1108) y el 52, 81% son mujeres (n=1240). Respecto a la edad, el 36,5% oscila entre 21 y 30 años (n=857); el 26,8% entre 31 y 40 (n=617); el 25,47% entre 41 y 50 años (n=598) y, finalmente, un 25,74% estaría compuesto por profesionales de más de 50 años (n=276).  

Instrumento y variables de investigación

La recogida de datos se llevó a cabo mediante un cuestionario ad hoc sobre competencia digital docente y realidad aumentada con diferentes niveles de respuesta: algunas cuestiones son de naturaleza cerrada, dicotómicas y de opinión abierta; sin embargo, la gran mayoría de las preguntas se presentan con una opción de respuesta de escala Likert de 6 puntos, siendo los niveles: A1 (Básico-Bajo), A2 (Básico-Alto), B1 (Medio-Bajo), B2 (Medio-Alto), C1 (Avanzado-Bajo) y C2 (Avanzado-Alto).  El diseño del mismo ha surgido de otros instrumentos ya validados que han sido recogidos de la literatura científica (Agreda et al., 2016; INTEF, 2017; Instefjor y Munthe, 2017; Falcó-Bourdet, 2017; Rodríguez-García, 2019). El cuestionario consta de un total de 84 ítems dividido en seis dimensiones.

Table 1: Dimensiones y variables del cuestionario ad hoc

Siglas 

Dimensiones y variables

DSD

Dimensión sociodemográfica

REAU

Frecuencia de utilización de la realidad aumentada

FCRA

Falta de confianza hacia el enfoque de realidad aumentada

ENCA

Enfoque no compatible con el alumnado

DFCD

Déficit formativo en competencia digital

ART

Ausencia de recursos tecnológicos

NTIC

Negativa hacia el uso de las TIC en el proceso formativo

CD1

Dimensión Información y Alfabetización informacional

NBFI

Navegación, búsqueda, filtrado de información, datos y contenidos digitales

IDCD 

Información, datos y contenidos digitales

ARID 

Almacenamiento, recuperación de datos y contenidos digitales

CD2

Dimensión Comunicación y Colaboración

IMTD 

Interacción mediante las tecnologías digitales

CICD 

Compartir información y contenidos digitales

PCL 

Participación en línea

CMCD 

Colaboración mediante canales digitales

NETI 

Netiqueta

GIDI 

Gestión de la identidad digital

CD3

Dimensión Creación de Contenidos Digitales

DCDI 

Desarrollo de contenidos digitales

IRCD 

Integración y reelaboración de contenidos digitales

DALI 

Derechos de autor y licencias

PROG 

Programación

CD4

Dimensión de Seguridad

PRDI 

Protección de dispositivos

PDPE 

Protección de datos personales e identidad digital

PRSA 

Protección de salud

PREN 

Protección del entorno

CD5

Resolución de Problemas

REPT 

Resolución de problemas técnicos

INRT 

Identificación de necesidades y respuesta tecnológica

IUTD 

Innovación y uso de la tecnología digital de forma creativa

ILCD 

Identificación de lagunas en la competencia digital

La validación del cuestionario se produjo mediante validez de contenido y validez de constructo, siguiendo los preceptos de López-Gómez (2018), Salcines y González (2016) y Santos et al. (2017). La primera se efectuó a través del método Delphi, conformado por diez expertos, los cuales —tras analizar el instrumento— otorgaron una valoración media elevada de la herramienta (M=4.97, DT=.41, mín=1, máx=6), con un puntaje en la de validez de contenidos pertinente (IVCG =.91). Del mismo modo, los especialistas brindaron una serie de recomendaciones con el objetivo de mejorar el cuestionario. Estas estaban enfocadas a la estructura y el uso de determinados conceptos clave. Posteriormente, se realizaron los estadísticos Kappa de Fleiss y W de Kendall, para comprobar la conveniencia y concordancia de los juicios emitidos por los expertos, resultando ambas pruebas adecuadas (K=.79; W=.87). 

Para la validez de constructo, se efectuó un análisis factorial exploratorio, por medio de la técnica de componentes principales con una rotación oblicua, siguiendo el método de Oblimin directo. La adecuación muestral se obtuvo con el test de Kaiser-Meyer-Olkin, hallando una puntuación adecuada (KMO=0.79). Así pues, la prueba de esfericidad de Bartlett resultó significativa (7.719.51; df = 617; p = < .001). 

Por último, se comprobó la fiabilidad del cuestionario a través de medidas de coherencia —en una muestra independiente de 234 participantes— obteniendo valores adecuados de consistencia interna en los estadísticos alfa de Cronbach (α=0.85), fiabilidad compuesta (FC=0.84) y varianza media extractada (VME=0.77), según Tavakol y Dennick (2011). 

Análisis

El análisis de los datos se ha realizado con SPSS 24.0 a través de estadísticos básicos como la media (M) y la desviación típica (DT). Además, se han llevado a cabo pruebas específicas para establecer la propensión de la distribución como el coeficiente de asimetría de Pearson (CAP) y el de apuntamiento de Fisher (CAF). La asociación de las variables se ha efectuado mediante el test Chi-cuadrado de Pearson (χ2), junto con las pruebas V de Cramer (V) y coeficiente de contingencia (Cont), para encontrar la fuerza de relación entre las variables estudiadas. Asimismo, también se ha realizado un modelo de regresión lineal múltiple con el objetivo de pronosticar el efecto que a nivel individual cada dimensión de cada una de las áreas de la competencia digital docente (variables independientes) tienen sobre la frecuencia de uso del flipped learning (variable dependiente). La significancia estadística ha sido tomada a partir de p < .05 

Resultados

A lo largo de este epígrafe se presentan los resultados obtenidos de los diversos análisis aplicados a las variables planteadas. Según se muestra en la Figura 1, el 60.35% de los participantes en el estudio han utilizado, en diversa medida, la realidad aumentada durante el proceso de enseñanza y aprendizaje, frente al 39.65% de los docentes que no han hecho uso de ella en sus planteamientos didácticos. Estas cifras muestran que la realidad aumentada es un recurso de interés para los docentes. 

https://s3-us-west-2.amazonaws.com/typeset-prod-media-server/da219f4f-5f5e-4e50-959c-00d3d84b26eeimage9.png
Figure 1: Utilización de la realidad aumentada por parte del profesorado. 

Centrando el análisis en aquellos docentes que no han utilizado la realidad aumentada en los procesos de enseñanza, se observa como principal causa la falta de recursos tecnológicos seguido del déficit que presentan con respecto a la competencia digital docente. En menor medida, la negativa ante el uso de las TIC, el no ser un enfoque compatible para el alumnado y la falta de confianza en el uso de la realidad aumentada en los procesos de enseñanza y aprendizaje son también motivos para su falta de uso. 

https://s3-us-west-2.amazonaws.com/typeset-prod-media-server/da219f4f-5f5e-4e50-959c-00d3d84b26eeimage10.png
Figure 2: Motivos por los que el profesorado no utiliza la realidad aumentada

Analizando la competencia digital de todos los docentes que han participado en el estudio, se observa que presentan un nivel competencial medio, habiendo déficits competenciales en la creación de contenidos digitales (CD3), principalmente, dado que todas sus variables de sitúan en un nivel medio-bajo. El resto de áreas competenciales presentan variables que se sitúan en niveles medio-bajo o medio-alto. No se observan ni niveles muy superiores ni muy inferiores en ninguno de los ítems analizados, situándose todos ellos en una horquilla media entre 2 y 4. El área competencial con mayor nivel se refiere a la colaboración mediante canales digitales y, al contrario, el más bajo es el referente a la programación (Tabla 2). 

Table 2: Descriptivo de las áreas competenciales

Escala Likert n / %

Parámetros

A1

A2

B1

B2

C1

C2

M

DT

CAP

CAF

CD1

NBFI

285

628

731

357

213

134

2.99

1.334

1.494

-.0333

12.14

26.75

31.13

15.2

9.07

5.71

IDCD

317

579

694

416

194

148

3.01

1.364

1.476

-0.419

13.5

24.66

29.56

17.72

8.26

6.3

ARID

150

671

792

376

266

93

3.09

1.225

1.706

-0.310

6.39

28.58

33.73

16.01

11.33

3.96

CD2

IMTD

114

511

836

489

194

204

3.31

1.276

1.816

-0.269

4.86

21.76

35.6

20.83

8.26

8.69

CICD

138

493

991

407

203

116

3.16

1.175

1.843

0.108

5.88

21

42.21

17.33

8.65

4.94

PCL

182

337

1057

483

181

108

3.19

1.158

1.898

0.241

7.75

14.35

45.02

20.57

7.71

4.6

CMCD

74

218

736

849

418

53

3.62

1.048

2.507

-0.056

3.15

9.28

31.35

36.16

17.8

2.26

NETI

416

729

573

386

197

47

2.72

1.274

1.355

-0.488

17.72

31.05

24.4

16.44

8.39

2

GIDI

322

698

497

493

208

130

2.98

1.381

1.434

-0.615

13.71

29.73

21.71

21

8.86

5.54

CD3

DCDI

571

778

539

294

117

49

2.46

1.239

1.186

0.028

24.32

33.13

22.96

12.52

4.98

2.09

IRCD

524

661

592

317

149

105

2.66

1.362

1.224

-0.211

22.32

28.15

25.21

13.5

6.35

4.47

DALI

861

408

396

354

216

113

2.57

1.552

1.012

-0.806

36.67

17.38

16.87

15.08

9.2

4.81

PROG

950

672

493

103

99

31

2.07

1.172

0.914

0.982

40.46

28.62

21

4.39

4.22

1.32

CD4

PRDI

502

682

551

449

118

46

2.63

1.256

1.299

-0.458

21.38

29.05

23.47

19.12

5.03

1.96

PDPE

439

613

593

441

194

68

2.81

1.322

1.364

-0.578

18.7

26.11

25.26

18.78

8.26

2.9

PRSA

319

529

665

329

242

264

3.18

1.515

1.442

-0.771

13.59

22.53

28.32

14.01

10.31

11.24

PREN

423

577

582

381

206

179

2.96

1.471

1.332

-0.633

18.02

24.57

24.79

16.23

8.77

7.62

CD5

REPT

708

683

691

98

81

87

2.32

1.248

1.063

1.043

30.15

29.09

29.43

4.17

3.45

3.71

INRT

641

728

413

218

244

104

2.57

1.459

1.081

-0.408

27.3

31.01

17.59

9.28

10.39

4.43

IUTD

204

337

596

547

355

309

3.61

1.462

1.787

-0.834

8.69

14.35

25.38

23.3

15.12

13.16

ILCD

518

422

483

396

388

141

3.05

1.558

1.320

-1.107

22.06

17.97

20.57

16.87

16.52

6.01

Si se analiza la Figura 3, se observa –en los docentes que imparten ciencias– como la media totalizada se encuentra en un nivel inferior a la media ideal, aunque la diferencia entre ambas es mínima. Tal y como se muestra, la dimensión en comunicación y colaboración presenta varios ítems por encima de la media, mientras que la dimensión de creación de contenidos digitales se encuentra por debajo de la media. 

https://s3-us-west-2.amazonaws.com/typeset-prod-media-server/da219f4f-5f5e-4e50-959c-00d3d84b26eeimage11.png
Figure 3: Motivos por los que el profesorado no usa la realidad aumentada.

Analizando la relación existente entre el uso de la realidad aumentada en los procesos de enseñanza y aprendizaje (Tabla 3) con respecto a la dimensión de información y alfabetización informacional, se muestran correlaciones significativas entre todos sus ítems. Es decir, en las variables navegación, búsqueda, filtrado de información, datos y contenidos digitales; información, datos y contenidos digitales; y almacenamiento, recuperación de datos y contenidos digitales. La fuerza de relación existente entre ellos es baja según el estadístico V de Cramer (<.02). 

Table 3: Correlación entre REAU y CD1 

DFCD 

Escala Likert n / % 

Parámetros 

A1 

A2 

B1 

B2 

C1 

C2 

χ 2 (gl) 

p -va. 

Con 

V 

NBFI 

162.89(15) 

<.000 

.255 

.152 

NUN 

86 

202 

334 

114 

102 

93 

3.66 

8.6 

14.22 

4.86 

4.34 

3.96 

ESP 

73 

231 

220 

133 

56 

15 

3.11 

9.84 

9.37 

5.66 

2.39 

0.64 

FRE 

57 

123 

103 

86 

33 

17 

2.43 

5.24 

4.39 

3.66 

1.41 

0.72 

SIE 

69 

72 

74 

24 

22 

2.94 

3.07 

3.15 

1.02 

0.94 

0.38 

IDCD 

119.39(15) 

<.000 

.220 

.130 

NUN 

94 

197 

318 

147 

89 

86 

8.39 

13.54 

6.26 

3.79 

3.66 

ESP 

86 

203 

215 

143 

54 

27 

3.66 

8.65 

9.16 

609 

2.3 

1.15 

FRE 

61 

117 

103 

85 

24 

29 

2.6 

4.98 

4.39 

3.62 

1.02 

1.24 

SIE 

76 

62 

58 

41 

27 

3.24 

2.64 

2.47 

1.75 

1.15 

0.26 

ARID 

58.98(15) 

<.000 

.157 

.092 

NUN 

62 

256 

328 

129 

109 

47 

2.64 

10.9 

13.97 

5.49 

4.64 

ESP 

43 

213 

268 

113 

64 

27 

1.83 

9.07 

11.41 

4.81 

2.73 

1.15 

FRE 

29 

137 

119 

83 

36 

15 

1.24 

5.83 

5.07 

3.53 

1.53 

0.64 

SIE 

16 

65 

77 

51 

57 

0.68 

2.77 

3.28 

2.17 

2.43 

0.17 

En la dimensión de comunicación y colaboración, las relaciones entre el uso de la realidad aumentada y los ítems de la competencia digital docente (Tabla 4), son significativas. Específicamente en las variables interacción mediante las tecnologías digitales; compartir información y contenidos digitales; participación en línea; colaboración mediante canales digitales; netiqueta; y gestión de la identidad digital. La fuerza de relación es baja (<.02), exceptuando la variable compartir información y contenidos digitales, donde la relación es media (.02<ES<.06). 

Table 4: Correlación entre REAU y CD2

DFCD 

Escala Likert n / % 

Parámetros 

A1 

A2 

B1 

B2 

C1 

C2 

χ 2 (gl) 

p -va. 

Con 

V 

IMTD 

54,01(15) 

<.000 

.150 

.088 

NUN 

51 

182 

368 

170 

74 

86 

2.17 

7.75 

15.67 

7.24 

3.15 

3.66 

ESP 

28 

171 

272 

164 

53 

40 

1.19 

7.28 

11.58 

6.98 

2.26 

1.7 

FRE 

23 

105 

109 

104 

38 

40 

0.98 

4.47 

4.64 

4.43 

1.62 

1.7 

SIE 

12 

53 

87 

51 

29 

38 

0.51 

2.26 

3.71 

2.17 

1.24 

1.62 

CICD 

292.02(15) 

<.000 

.333 

.204 

NUN 

26 

196 

281 

207 

129 

92 

1.11 

8.35 

11.97 

8.82 

5.49 

3.92 

ESP 

32 

144 

395 

106 

30 

21 

1.36 

6.13 

16.82 

4.51 

1.28 

0.89 

FRE 

38 

82 

198 

63 

36 

1.62 

3.49 

8.43 

2.68 

1.53 

0.09 

SIE 

42 

71 

117 

31 

1.79 

3.02 

4.98 

1.32 

0.34 

0.04 

PCL 

238.04(15) 

<.000 

.303 

.184 

NUN 

37 

144 

316 

263 

89 

82 

1.58 

6.13 

13.46 

11.2 

3.79 

3.49 

ESP 

54 

82 

380 

121 

72 

19 

2.3 

3.49 

16.18 

5.15 

3.07 

0.81 

FRE 

48 

71 

211 

71 

14 

2.08 

3.02 

8.99 

3.02 

0.6 

0.17 

SIE 

43 

40 

150 

28 

1.83 

1.7 

6.39 

1.19 

0.26 

0.13 

CMCD 

205.19(15) 

<.000 

.283 

.171 

NUN 

15 

96 

214 

383 

181 

42 

0.64 

4.09 

9.11 

16.31 

7.71 

1.79 

ESP 

24 

59 

275 

221 

145 

1.02 

2.51 

11.71 

9.41 

6.18 

0.17 

FRE 

24 

41 

199 

97 

54 

1.02 

1.75 

8.48 

4.13 

2.3 

0.17 

SIE 

11 

22 

48 

148 

38 

0.47 

0.94 

2.04 

6.3 

1.62 

0.13 

NETI 

116.23(15) 

<.000 

.217 

.128 

NUN 

115 

299 

214 

171 

103 

29 

4.9 

12.73 

9.11 

7.28 

4.39 

1.24 

ESP 

124 

261 

164 

120 

47 

12 

5.28 

11.12 

6.98 

5.11 

0.51 

FRE 

124 

114 

99 

53 

23 

5.28 

4.86 

4.22 

2.26 

0.98 

0.26 

SIE 

53 

55 

96 

42 

24 

2.26 

2.34 

4.09 

1.79 

1.02 

GIDI 

105.26(15) 

<.000 

.207 

.122 

NUN 

89 

285 

186 

217 

110 

44 

3.79 

12.14 

7.92 

9.24 

4.68 

1.87 

ESP 

95 

254 

124 

155 

49 

51 

4.05 

10.82 

5.28 

6.6 

2.09 

2.17 

FRE 

90 

107 

99 

78 

25 

20 

3.83 

4.56 

4.22 

3.32 

1.06 

0.85 

SIE 

48 

52 

88 

43 

24 

15 

2.04 

2.21 

3.75 

1.83 

1.02 

0.64 

En la dimensión de creación de contenidos digitales se alcanzan relaciones significativas a nivel estadístico en todos los ítems que lo componen. Estas variables son desarrollo de contenidos digitales; integración y reelaboración de contenidos digitales; derechos de autor y licencias; programación. La fuerza de relación existente es baja (Tabla 5). 

Table 5: Correlación entre REAU y CD3

DFCD 

Escala Likert n / % 

Parámetros 

A1 

A2 

B1 

B2 

C1 

C2 

χ 2 (gl) 

p -va. 

Con 

V 

DCDI 

100.51(15) 

<.000 

.203 

.119 

NUN 

264 

301 

214 

87 

43 

22 

11.24 

12.82 

9.11 

3.71 

1.83 

0.94 

ESP 

174 

207 

211 

83 

39 

14 

7.41 

8.82 

8.99 

3.53 

1.66 

0.6 

FRE 

85 

146 

92 

66 

21 

3.62 

6.22 

3.92 

2.81 

0.89 

0.38 

SIE 

48 

124 

22 

58 

14 

2.04 

5.28 

0.94 

2.47 

0.6 

0.17 

IRCD 

79.01(15) 

<.000 

.180 

.106 

NUN 

251 

234 

213 

129 

69 

35 

10.69 

9.97 

9.07 

5.49 

2.94 

1.49 

ESP 

155 

209 

215 

87 

37 

25 

6.6 

8.9 

9.16 

3.71 

1.58 

1.06 

FRE 

74 

117 

121 

57 

32 

18 

3.15 

4.98 

5.15 

2.43 

1.36 

0.77 

SIE 

44 

101 

43 

44 

11 

27 

1.87 

4.3 

1.83 

1.87 

0.47 

1.15 

DALI 

62.89(15) 

<.000 

.162 

.094 

NUN 

372 

131 

132 

144 

105 

47 

15.84 

5.58 

5.62 

6.13 

4.47 

ESP 

266 

124 

145 

104 

60 

29 

11.33 

5.28 

6.18 

4.43 

2.56 

1.24 

FRE 

112 

95 

83 

70 

41 

18 

4.77 

4.05 

3.53 

2.98 

1.75 

0.77 

SIE 

111 

58 

36 

36 

10 

19 

4.73 

2.47 

1.53 

1.53 

0.43 

0.81 

PROG 

43.43(15) 

<.000 

.135 

.079 

NUN 

405 

279 

153 

39 

43 

12 

17.25 

11.88 

6.52 

1.66 

1.83 

0.51 

ESP 

307 

186 

167 

32 

28 

13.07 

7.92 

7.11 

1.36 

1.19 

0.34 

FRE 

124 

138 

114 

19 

19 

5.28 

5.88 

4.86 

0.81 

0.81 

0.21 

SIE 

114 

69 

59 

13 

4.86 

2.94 

2.51 

0.55 

0.38 

0.26 

En la dimensión de seguridad, la relación entre el uso de la realidad aumentada y los ítems que componen esta dimensión son significativas. Específicamente en las variables protección de dispositivos; protección de datos personales e identidad digital; protección de salud; y protección del entorno. La fuerza de asociación en todos los casos es baja (Tabla 6). 

Table 6: Correlación entre REAU y CD4 

c

Escala Likert n / % 

Parámetros 

A1 

A2 

B1 

B2 

C1 

C2 

χ 2 (gl) 

p -va. 

Con 

V 

PRDI 

220.37(15) 

<.000 

.293 

.177 

NUN 

97 

279 

214 

251 

63 

27 

4.13 

11.88 

9.11 

10.69 

2.68 

1.15 

ESP 

189 

191 

159 

155 

24 

10 

8.05 

8.13 

6.77 

6.6 

1.02 

0.43 

FRE 

117 

138 

121 

21 

19 

4.98 

5.88 

5.15 

0.89 

0.81 

0.13 

SIE 

99 

74 

57 

22 

12 

4.22 

3.15 

2.43 

0.94 

0.51 

0.26 

PDPE 

99.42(15) 

<.000 

.202 

.119 

NUN 

184 

254 

179 

184 

106 

24 

7.84 

10.82 

7.62 

7.84 

4.51 

1.02 

ESP 

104 

184 

267 

123 

31 

19 

4.43 

7.84 

11.37 

5.24 

1.32 

0.81 

FRE 

90 

99 

93 

86 

35 

16 

3.83 

4.22 

3.96 

3.66 

1.49 

0.68 

SIE 

61 

76 

54 

48 

22 

2.6 

3.24 

2.3 

2.04 

0.94 

0.38 

PRSA 

161.83(15) 

<.000 

.254 

.152 

NUN 

126 

196 

206 

99 

144 

160 

5.37 

8.35 

8.77 

4.22 

6.13 

6.81 

ESP 

80 

161 

279 

104 

43 

61 

3.41 

6.86 

11.88 

4.43 

1.83 

2.6 

FRE 

65 

98 

115 

81 

31 

29 

2.77 

4.17 

4.9 

3.45 

1.32 

1.24 

SIE 

48 

74 

65 

45 

24 

14 

2.04 

3.15 

2.77 

1.92 

1.02 

0.6 

PREN 

71.61(15) 

<.000 

.172 

.101 

NUN 

188 

203 

204 

122 

119 

95 

8.01 

8.65 

8.69 

5.2 

5.07 

4.05 

ESP 

115 

196 

205 

129 

39 

44 

4.9 

8.35 

8.73 

5.49 

1.66 

1.87 

FRE 

74 

101 

111 

83 

27 

23 

3.15 

4.3 

4.73 

3.53 

1.15 

0.98 

SIE 

46 

77 

62 

47 

21 

17 

1.96 

3.28 

2.64 

0.89 

0.72 

Finalmente, en la dimensión de resolución de problemas, todas las variables muestran relación de significancia con respecto a la utilización de la realidad aumentada en los procesos formativos. Concretamente en las variables resolución de problemas técnicos; identificación de necesidades y respuesta tecnológica; innovación y uso de la tecnología digital de forma creativa; e identificación de lagunas en la competencia digital. La fuerza de relación es baja (tabla 7).

Table 7: Correlación entre REAU y CD5

DFCD 

Escala Likert n / % 

Parámetros 

A1 

A2 

B1 

B2 

C1 

C2 

χ 2 (gl) 

p -va. 

Con 

V 

85.52(15) 

<.000 

.187 

.110 

NUN 

286 

234 

290 

31 

38 

52 

12.18 

9.97 

12.35 

1.32 

1.62 

2.21 

ESP 

264 

188 

219 

25 

17 

15 

11.24 

8.01 

9.33 

1.06 

0.72 

0.64 

FRE 

96 

162 

116 

19 

15 

11 

4.09 

6.9 

4.94 

0.81 

0.64 

0.47 

SIE 

62 

99 

66 

23 

11 

2.64 

4.22 

2.81 

0.98 

0.47 

0.38 

INRT 

103.55(15) 

<.000 

.206 

.121 

NUN 

301 

331 

134 

72 

61 

32 

12.82 

14.1 

5.71 

3.07 

2.6 

1.36 

ESP 

175 

217 

149 

59 

93 

35 

7.45 

9.24 

6.35 

2.51 

3.96 

1.49 

FRE 

84 

98 

97 

56 

66 

18 

3.58 

4.17 

4.13 

2.39 

2.81 

0.77 

SIE 

81 

82 

33 

31 

24 

19 

3.45 

3.49 

1.41 

1.32 

1.02 

0.81 

IUTD 

201.84(15) 

<.000 

.281 

.169 

NUN 

55 

107 

228 

271 

111 

159 

2.34 

4.56 

9.71 

11.54 

4.73 

6.77 

ESP 

44 

105 

248 

150 

127 

54 

1.87 

4.47 

10.56 

6.39 

5.41 

2.3 

FRE 

52 

65 

95 

93 

65 

49 

2.21 

2.77 

4.05 

3.96 

2.77 

2.09 

SIE 

53 

60 

25 

33 

52 

47 

2.26 

2.56 

1.06 

1.41 

2.21 

ILCD 

89.49(15) 

<.000 

.192 

.133 

NUN 

227 

193 

202 

159 

113 

37 

9.67 

8.22 

8.6 

6.77 

5.66 

1.58 

ESP 

159 

110 

154 

123 

141 

41 

6.77 

4.68 

6.56 

5.24 

6.01 

1.75 

FRE 

64 

63 

97 

88 

73 

34 

2.73 

2.68 

4.13 

3.75 

3.11 

1.45 

SIE 

68 

56 

30 

26 

61 

29 

2.9 

2.39 

1.28 

1.11 

2.6 

1.24 

La relación que mantienen las variables que conforman la competencia digital docente, determinadas en este caso como variables independientes, sobre la frecuencia de uso de la realidad aumentada, establecida como variable dependiente (Tabla 8), alcanzan valores de significancia, según los estadísticos empleados en el modelo de regresión múltiple [F(260.579) = 79.025; p < 0.001], revelando el 70.7 % de la varianza. Todas las variables muestran relación de significancia excepto netiqueta, desarrollo de contenidos digitales y datos personales de la salud. El resto de variables muestran relación de significancia con tendencias distintas. Las variables que reflejan un efecto significativo y de forma directa son almacenamiento y recuperación de datos y contenidos digitales, interacción mediante las tecnologías digitales, colaboración mediante canales digitales, programación, protección de datos personales e identidad digital, protección del entorno, resolución de problemas técnicos, identificación de necesidades y respuesta tecnológica e identificación de lagunas en la competencia digital. En cambio, aquellas que mantienen una relación inversamente proporcional son navegación, búsqueda, filtrado de información, datos y contenidos digitales, información, datos y contenidos digitales, compartir información y contenidos digitales, participación en línea, gestión de la identidad digital, derechos de autor y licencias, protección de dispositivos e innovación y uso de la tecnología digital de forma creativa. 

Table 8: fecto de las variables independientes sobre REAU

Variables 

B(ET) 

t 

p -valor 

CD1 

NBFI 

-.373(.049) 

-7.598 

.000 

IDCD 

-.493(.051) 

-9.713 

.000 

ARID 

.122(.039) 

3.151 

.002 

CD2 

IMTD 

.514(.038) 

13.415 

.000 

CICD 

-.614(.039) 

-15.777 

.000 

PCL 

-.205(.036) 

-5.721 

.000 

CMCD 

.311(.032) 

9.694 

.000 

NETI 

-.050(.040) 

-1.261 

.207 

GIDI 

-.129(.041) 

-3.116 

.002 

CD3 

DCDI 

-.055(.044) 

-1.258 

.209 

IRCD 

.298(.041) 

7.290 

.000 

DALI 

-.084(.037) 

-2.260 

.024 

PROG 

.177(.037) 

4.740 

.000 

CD4 

PRDI 

-.727(.035) 

-20.759 

.000 

PDPE 

.157(.041) 

3.872 

.000 

PRSA 

.018(.038) 

.471 

.638 

PREN 

.372(.044) 

8.396 

.000 

CD5 

REPT 

.219(.037) 

5.938 

.000 

INRT 

.234(.036) 

6.595 

.000 

IUTD 

-.120(.034) 

-3.578 

.000 

ILCD 

.286(.032) 

8.846 

.000 

Discusión y conclusiones

Esta investigación ha tenido como objetivo conocer y analizar la incidencia del nivel de competencia digital docente en el empleo de la realidad aumentada como recurso didáctico para la impartición de materias relacionadas con las ciencias. Es incuestionable negar que las exigencias y características de la sociedad actual hacen ineludible la necesidad de hacer uso de la tecnología de forma creativa para innovar en los procesos de enseñanza aprendizaje (Asongu y Odhiambo, 2019; Avidov-Ungar y Hanin-Itzak, 2019; Fuentes-Cabrera et al., 2019; Rodríguez-García, Raso y Ruiz, 2019; Starkey, 2019). De hecho, se constata como una demanda propia de la sociedad del conocimiento donde nos encontramos, así como en un escenario actual donde la pandemia de la COVID-19 ha exigido que los docentes se tengan que poner al día sobre este tipo de recursos y pasando de una enseñanza mayormente presencial a un escenario virtual o semipresencial.

Esta situación ha puesto de manifiesto algunas carencias de los sistemas educativos actuales, así como de los propios docentes y personal de administración y servicios debido, por un lado, a la escasez de recursos y, por otro lado, a la baja capacitación en el manejo de las tecnologías digitales.

Es por ello que, para el uso eficaz de las TIC aplicadas a la educación se requiere el desarrollo de una mejor competencia digital docente (Hilli, 2019 y Rodríguez-García, 2019), dado que los niveles de destrezas actuales continúan siendo todavía deficitarios por parte de esta población, tal y como mencionan multitud de investigaciones relacionadas, tales como Cuartero, Espinosa y Porlán (2019), Ewais y Troyer (2019), Gisbert-Cervera y Lázaro-Cantabrana (2015), Lázaro et al. (2015), Rodríguez-García (2019) y Silva-Quiroz (2017). Además, tal y como hemos encontrado en este estudio, la competencia digital se sitúa en un nivel intermedio en los profesores de enseñanza secundaria de Andalucía, cifras que vienen confirmando lo que otros estudios, como los citados anteriormente, han mencionado hasta el momento.  

A pesar de todo, debemos ser conscientes de que la innovación educativa –en no pocas ocasiones– va unida de la mano de la tecnología y, a su vez, de un buen desarrollo de habilidades y destrezas digitales que nos permitan relacionarnos eficazmente con la sociedad actual, tal como indicaron Canfarotta y Casado-Muñoz (2019) y Juhanak et al. (2019). Este es el caso, pues, del empleo de la RA como recurso didáctico que apoya el proceso de enseñanza-aprendizaje, la cual está adquiriendo cada vez más protagonismo en las aulas y en las diferentes etapas educativas (Barroso-Osuna et al., 2019; Bhagat et al., 2019; García-Bonete et al., 2019; Hendajani et al., 2019; Tzima et al., 2019; Villalustre et al., 2019).  Este recurso, por un lado, sirve para acercar a los estudiantes a experiencias de aprendizaje más inmersivas y significativas (Hendajani et al., 2019). De igual modo, se consigue contextualizar más los aprendizajes y generar entornos activos de enseñanza donde el alumnado sea más protagonista y adquiera un papel más activo en lugar de ser receptor meramente pasivo de la enseñanza (Barroso-Osuna et al., 2019; García‐Bonete et al., 2019).

Más concretamente, en relación a la investigación que aquí hemos presentado, hemos podido observar una relación de significancia entre el uso de la realidad aumentada y las distintas áreas de la competencia digital, por lo que se hace necesaria un nivel intermedio-alto en todas sus dimensiones para promover el uso de recursos didácticos creativos y experiencias de aprendizaje significativas y más exitosas (Pozo-Sánchez, López-Belmonte, Rodríguez-García y López-Núñez, 2020).

En este sentido, las áreas competenciales donde los docentes de ciencias muestran un mayor nivel, en relación al uso de la RA, es la colaboración mediante canales digitales y la innovación y uso de la tecnología digital de forma creativa. En cambio, presentan niveles más bajos en programación, resolución de problemas técnicos y desarrollo de contenidos digitales. 

Por otro lado, el uso de la RA tiene una mayor incidencia y una relación directa con el almacenamiento y recuperación de datos y contenidos digitales, interacción mediante las tecnologías digitales, colaboración mediante canales digitales, programación, protección de datos personales e identidad digital, protección del entorno, resolución de problemas técnicos, identificación de necesidades y respuesta tecnológica e identificación de lagunas en la competencia digital. Sin embargo, aquellas que mantienen una relación inversamente proporcional son navegación, búsqueda, filtrado de información, datos y contenidos digitales, información, datos y contenidos digitales, compartir información y contenidos digitales, participación en línea, gestión de la identidad digital, derechos de autor y licencias, protección de dispositivos e innovación y uso de la tecnología digital de forma creativa. De todas ellas, donde hay una mayor fuerza de asociación es en la interacción mediante las tecnologías digitales, pudiendo ser considerada el área a desarrollar en los docentes que quieran hacer uso de la realidad aumentada. 

Por tanto, podemos concluir afirmando que los docentes que utilizan la realidad aumentada en su praxis docente tienden a mostrar un nivel de competencia digital superior en contraposición con aquellos que dicen no usarla. Sin embargo, debido al carácter innovador de esta investigación, se precisa de una extrapolación a otros contextos donde se estudie la influencia de la competencia digital y la RA en los procesos educativos relacionados con la enseñanza de las ciencias, ampliando así el conocimiento científico al respecto.  (1)