Embed Size (px)
Citation preview
UNIVERSIDAD TÉCNICA PARTICULAR DE LOJALa Universidad Católica de Loja
ÁREA TÉCNICA
TÍTULO DE INGENIERO EN INFORMÁTICA
La Educación Virtual en el Ecuador“Análisis de los usos de la tecnología en los estudiantes de los Colegios de la
ciudad de Loja”
TRABAJO DE TITULACIÓN.
AUTOR: Alvarado Robles, Milton Iván
DIRECTOR: Torres Díaz, Juan Carlos
CENTRO UNIVERSITARIO LOJA
2016
ii
APROBACIÓN DEL DIRECTOR DEL TRABAJO DE TITULACIÓN
Mgs.
Juan Carlos Torres Díaz.
DIRECTOR DEL TRABAJO DE TITULACIÓN
De mi consideración:
El presente trabajo de titulación: Análisis de los usos de la tecnología en los estudiantes de
los Colegios de la ciudad de Loja realizado por Milton Iván Alvarado Robles, ha sido
orientado y revisado durante su ejecución, por cuanto se aprueba la presentación del
mismo.
Loja, Junio del 2016.
f)........................................
iii
DECLARACIÓN DE AUTORIA Y CESIÓN DE DERECHOS
“Yo Alvarado Robles Milton Iván declaro ser autor del presente trabajo de titulación: Análisis
de los usos de la tecnología en los estudiantes de los Colegios de la ciudad de Loja, de la
Titulación de Informática siendo Juan Carlos Torres director del presente trabajo; y eximo
expresamente a la Universidad Técnica Particular de Loja y a sus representantes legales de
posibles reclamos o acciones legales. Además certifico que las ideas, conceptos,
procedimientos y resultados vertidos en el presente trabajo investigativo, son de mi
exclusiva responsabilidad.
Adicionalmente declaro conocer y aceptar la disposición del Art. 88 del Estatuto Orgánico de
la Universidad Técnica particular de Loja que en su parte pertinente textualmente dice:
“Forman parte del patrimonio de la Universidad la propiedad intelectual de investigaciones,
trabajos científicos o técnicas y tesis de grado que se realicen a través, o con el apoyo
financiero, académico o institucional (operativo) de la Universidad”
f. ............................................
Milton Iván Alvarado Robles
1900454677
iv
DEDICATORIA
Dedico el presente proyecto primeramente a Dios quien me da salud y fortaleza paraseguir avanzando en este caminar de la vida.
A mis Amados padres Anita y Eugenio quienes me han entregado su amor y apoyodesde los primeros días de mi vida.
A mis Queridas hermanas Natalia y Andrea quienes están brindándome su apoyo yme motivan a seguir adelante en todo momento.
A mis tres Adorados sobrinos Patricio, Alejandro, Nicolás, quienes me inspiran aseguir avanzando.
v
AGRADECIMIENTO.
Agradecer primeramente a mi Dios todo poderoso por darme la vida y acompañarmeen cada momento del camino.
A mi familia que es el mayor tesoro que Dios me ha dado, por todo el apoyo y pormotivarme a seguir avanzando.
Al director del proyecto por brindar y compartir sus conocimientos para el desarrollode este tema.
A mis amigos que de una u otra forma estuvieron colaborándome y apoyando paracumplir el objetivo.
Gracias.
vi
ÍNDICE DE CONTENIDOS.
APROBACIÓN DEL DIRECTOR DEL TRABAJO DE TITULACIÓN....................................... ii
DECLARACIÓN DE AUTORIA Y CESIÓN DE DERECHOS..................................................iii
DEDICATORIA ..................................................................................................................... iv
AGRADECIMIENTO. ............................................................................................................. v
ÍNDICE DE CONTENIDOS. .................................................................................................. vi
ÍNDICE DE FIGURAS........................................................................................................... ix
ÍNDICE DE TABLAS. ............................................................................................................. x
ÍNDICE DE ANEXOS............................................................................................................ xi
TERMINOLOGÍA. .................................................................................................................xii
RESUMEN............................................................................................................................. 1
ABSTRACT ........................................................................................................................... 2
1. INTRODUCCIÓN. .............................................................................................................. 3
1.1. Introducción................................................................................................................. 4
1.2. Objetivos. .................................................................................................................... 51.2.1. Objetivo general.................................................................................................... 51.2.2. Objetivos específicos. ........................................................................................... 5
1.3. Preguntas de investigación.......................................................................................... 6
1.4. Hipótesis. .................................................................................................................... 6
2. MARCO TEÓRICO. ........................................................................................................... 7
2.1. La educación en Ecuador............................................................................................ 82.1.1. Estructura del sistema nacional de educación..................................................... 112.1.2. El uso de las nuevas tecnologías. ....................................................................... 142.1.3. La economía con relación a la educación en Ecuador. ....................................... 16
2.2. La Brecha digital........................................................................................................ 192.2.1. Primera brecha digital. ........................................................................................ 202.2.2. Segunda brecha digital. ...................................................................................... 21
2.3. Determinantes de la Brecha Digital ........................................................................... 22
2.4. Minería de datos........................................................................................................ 292.4.1. Tipos de datos. ................................................................................................... 292.4.2. Tipos de Modelo. ................................................................................................ 302.4.3. El proceso de descubrimiento de conocimiento en base de datos. ..................... 30
2.4.3.1. Fase de Integración y Recopilación. ............................................................. 31
vii
2.4.3.2. Fase de Selección, limpieza y trasformación. ............................................... 322.4.3.3. Fase de minería de datos. ............................................................................ 322.4.3.4. Fase de Evaluación e Interpretación............................................................. 34
3. METODOLOGÍA. ............................................................................................................. 36
3.1. Población y muestreo ................................................................................................ 37
3.2. Metodología de minería de datos KDD...................................................................... 383.2.1. Fase de integración y recopilación. ..................................................................... 383.2.2. Fase de Selección, Limpieza y Trasformación. ................................................... 443.2.3. Fase de Minería de datos. .................................................................................. 45
3.2.3.1. Identificar el modelo adecuado. .................................................................... 453.2.3.2. Seleccionar la tarea de minería de datos...................................................... 45
3.2.4. Fase de Evaluación e Interpretación. .................................................................. 473.2.4.1. Regresión Logística Binomial. ...................................................................... 47
4. RESULTADOS. ............................................................................................................... 49
4.1. Datos generales. ....................................................................................................... 50
4.2. Usos de Internet. ....................................................................................................... 52
4.3. Usos de Internet en actividades académico. ............................................................. 54
4.4. Usos de Internet para actividades de entretenimiento. .............................................. 57
4.5. Perfiles del estudiante. .............................................................................................. 604.5.1. Perfiles para actividades académicas. ................................................................ 604.5.2. Perfiles para actividades de entretenimiento....................................................... 62
5. ANÁLISIS DE RESULTADOS.......................................................................................... 65
5.1. Relaciones de la variable edad y las variables destacadas. ...................................... 665.1.1. Relación entre edad y horas de conexión. .......................................................... 665.1.2. Relación entre edad y años de conexión............................................................. 675.1.3. Relación entre edad y perfiles de uso de Internet para actividades académicas yde entretenimiento. ....................................................................................................... 68
5.2. Relaciones de las variables género y las variables destacadas................................. 695.2.1. Relación de la variables género y nivel de conocimiento .................................... 695.2.2. Relación de las variables género y perfiles de uso de Internet para actividadesacadémicas y de entretenimiento. ................................................................................ 70
5.3. Relaciones de las variables nivel de ingresos y las variables destacadas. ................ 705.3.1. Relación de las variables nivel de ingresos y lugar de conexión. ........................ 705.3.2. Relación de las variables nivel de ingresos y días de conexión. ........................ 725.3.3. Relación de las variables nivel de ingresos y nivel de conocimiento. .................. 735.3.4. Relación de las variables nivel de ingresos y perfiles de uso de internet paraactividades académicas y de entretenimiento............................................................... 74
5.4. Verificación de las hipótesis. ..................................................................................... 785.4.1. Verificación de la hipótesis 1: El nivel de ingresos incide en el uso de Internetpara actividades académicas de los estudiantes. ......................................................... 785.4.2. Verificación de la hipótesis 2: El nivel de ingresos incide en el uso de Internetpara actividades de entretenimiento de los estudiantes. ............................................... 80
viii
CONCLUSIONES. ............................................................................................................... 82
ANEXOS.............................................................................................................................. 84
BIBLIOGRAFÍA.................................................................................................................... 97
ix
ÍNDICE DE FIGURAS.
Figura 1. Analfabetismo en el Ecuador. ................................................................................. 8Figura 2. Analfabetismo por autoidentificación en el Ecuador. ............................................. 10Figura 3. Estructura del sistema de educación en el Ecuador.............................................. 11Figura 4. Estructura del sistema de educación en el Ecuador.............................................. 12Figura 5. Estructura del sistema de educación en el Ecuador.............................................. 13Figura 6. Estructura del sistema de educación en el Ecuador.............................................. 13Figura 7. Acceso a Internet en Ecuador. .............................................................................. 14Figura 8. Utilización de computadora por edad en Ecuador. ................................................ 15Figura 9. Utilización de Smartphone por nivel de instrucción en Ecuador. ........................... 16Figura 10. Línea de pobreza por consumo en Ecuador........................................................ 17Figura 11 Utilización de Internet por edad............................................................................ 25Figura 12. Acceso a Internet en el hogar por sexo en América Latina. ................................ 27Figura 13. Proceso de Knowledge Discovery in databases.................................................. 31Figura 14 Integración de un Almacén de Datos. .................................................................. 32Figura 15. Género Estudiantes ............................................................................................ 50Figura 16. Edad Estudiantes................................................................................................ 50Figura 17. Ingresos Estudiantes .......................................................................................... 51Figura 18. Lugar de conexión de Estudiantes ...................................................................... 52Figura 19. Días de conexión de Estudiantes........................................................................ 52Figura 20. Horas de conexión de Estudiantes...................................................................... 53Figura 21. Años de conexión de los estudiantes. ................................................................. 53Figura 22. Videos para materias en la semana. ................................................................... 55Figura 23. Post y Tweets académicos en la semana. .......................................................... 55Figura 24. Chat académicos por semana............................................................................. 56Figura 25. Información académicos por semana.................................................................. 56Figura 26 Grupos de Apoyo para materias. ......................................................................... 57Figura 27. Horas de Chat por diversión ............................................................................... 58Figura 28. Horas de Redes Sociales por diversión. ............................................................. 58Figura 29. Horas de Juegos en línea por diversión. ............................................................. 59Figura 30. Horas de Descarga por diversión........................................................................ 59Figura 31. Horas de Videos por diversión. ........................................................................... 60Figura 32. Perfil Académico del uso de Internet................................................................... 62Figura 33. Perfil de Entretenimiento del uso de Internet....................................................... 64
x
ÍNDICE DE TABLAS.
Tabla 1. Tasa de analfabetismo por provincias del Ecuador .................................................. 9Tabla 2. Distribución de la población que asiste por tipo de establecimiento del Ecuador. .. 10Tabla 3. Línea de pobreza por consumo del Ecuador. ......................................................... 17Tabla 4. Tasa de variación de pobreza por consumo del Ecuador. ...................................... 18Tabla 5. Tasa neta de matrícula del Ecuador....................................................................... 18Tabla 6. Utilización de computador en el Ecuador. .............................................................. 28Tabla 7. Variables sociodemográfica. .................................................................................. 38Tabla 8. Variables de conocimientos. .................................................................................. 39Tabla 9. Variables referentes al uso de Internet a lo Académico.......................................... 40Tabla 10. Variables con respecto al uso de Internet entretenimiento. .................................. 41Tabla 11. Variables de utilización de dispositivos. ............................................................... 42Tabla 12. Encuestas realizadas. .......................................................................................... 43Tabla 13. Variables seleccionadas....................................................................................... 44Tabla 14. Discriminante clúster 2 perfiles actividades académicas. ..................................... 47Tabla 15. Discriminante clúster 2 perfil actividades entretenimiento. ................................... 47Tabla 16. Prueba de Chi cuadrado hipótesis 1 y 2............................................................... 48Tabla 17. Tipo de colegio..................................................................................................... 51Tabla 18. Nivel de conocimiento de Estudiantes.................................................................. 54Tabla 19. R de Pearson para tabulación cruzada entre edad y horas de conexión. ............. 66Tabla 20. R de Pearson para tabulación cruzada entre edad y años de conexión. .............. 67Tabla 21. R de Pearson para tabulación cruzada entre edad y horas de chat académico. .. 68Tabla 22. R de Pearson para tabulación cruzada entre edad y horas de informaciónacadémica. .......................................................................................................................... 68Tabla 23. Tabulación cruzada entre género y nivel de conocimiento. .................................. 69Tabla 24. Tau c de Kendall para tabulación cruzada entre género y nivel de conocimento. 69Tabla 25. Tau b de Kendall para tabulación cruzada entre ingresos y lugar de conexión. ... 71Tabla 26.Tabulación cruzada entre ingresos y días de conexión. ........................................ 72Tabla 27. Tau c de Kendall para tabulación cruzada entre ingresos y días de conexión...... 72Tabla 28. Tabulación cruzada entre ingresos y nivel de conocimientos. .............................. 73Tabla 29. Tau c de Kendall para tabulación cruzada entre ingresos y nivel de conocimientos............................................................................................................................................. 74Tabla 30. Tau c de Kendall para ingresos y horas de chat para actividades académicas. ... 75Tabla 31. Tau c de Kendall para ingresos y buscar información para actividadesacadémicas. ........................................................................................................................ 75Tabla 32. Tau c de Kendall para ingresos y horas de chat por diversión.............................. 76Tabla 33. Tau c de Kendall para ingresos y horas de redes sociales................................... 76Tabla 34. Tau c de Kendall para ingresos y horas de juegos en línea. ................................ 77Tabla 35. Tau c de Kendall para ingresos y horas de descarga de música y videos............ 77Tabla 36. Tau c de Kendall para ingresos y cuantos videos de youtube. ............................. 78Tabla 37. Modelo de Regresión Logística Binomial de perfiles de uso de Internet enactividades académicas e Ingresos. .................................................................................... 79Tabla 38. Modelo de Regresión Logística Binomial de perfiles de uso de Internet para elentretenimiento e Ingresos................................................................................................... 81
xi
ÍNDICE DE ANEXOS
ANEXO 1. Encuestas aplicadas a los estudiantes. .............................................................. 84ANEXO 2. Entrevista a directivo de la institución ................................................................. 86ANEXO 3. Clúster de 2 para actividades académicas.......................................................... 88ANEXO 4. Clúster de 3 para actividades académicas.......................................................... 89ANEXO 5. Clúster de 4 para actividades académicas.......................................................... 90ANEXO 6. Discriminante de Clúster 2 para actividades académicas. .................................. 91ANEXO 7. Discriminante de Clúster de 3 para actividades académicas. ............................. 91ANEXO 8. Discriminante del Clúster de 4 para actividades académicas.............................. 92ANEXO 9. Clúster de 2 Grupos para el perfil entretenimiento.............................................. 93ANEXO 10. Clúster de 3 Grupos para el perfil entretenimiento............................................ 94ANEXO 11. Clúster de 4 Grupos para el perfil entretenimiento............................................ 95ANEXO 12. Discriminante para Clúster de 2 Grupos para el perfil entretenimiento. ............ 96ANEXO 13. Discriminante para Clúster de 3 Grupos para el perfil entretenimiento. ............ 96ANEXO 14. Discriminante para Clúster de 4 Grupos para el perfil entretenimiento. ............ 96
xii
TERMINOLOGÍA.
INEC.- Instituto Nacional de Estadística y Censo.
SNE.- Sistema Nacional de Educación.
LOEI.- Ley Orgánica de Educación Intercultural.
EGB.- Educación General Básica.
NTIA.- (National Telecomunications and Information Administration) Administración Nacionalde Telecomunicaciones e Información.
ICT.- (Information and Communications Technology) Tecnologías de Información yComunicación.
TIC.- Tecnologías de Información y Comunicación.
KDD.- (Knowledge Discovery in Data) Descubrimiento de Conocimiento en Datos.
OLTP.- (On-Line Transaction Processing) Procesamiento Transaccional en Línea.
OLAP.- (On-Line Analytical Processing) Procesamiento Analítico en Línea.
OR.- (odds ratio) es una medida estadística.
SPSS.- (Statistical Product and Service Solutions) Producto Estadístico y Soluciones deServicio.
1
RESUMEN.
El presente trabajo de investigación se lo realizo a los estudiantes de los colegios de la
ciudad de Loja para determinar cómo inciden los ingresos económicos de sus familias en el
uso de internet para actividades académicas y para actividades de entretenimiento.
Se plantea dos hipótesis para verificar la incidencia del nivel de ingresos económicos y el
uso de internet en el ámbito académico y en ámbito de entretenimiento de los estudiantes,
para lo cual se utilizó el proceso de descubrimiento de conocimiento de bases de datos KDD
y se aplicaron técnicas de minería de datos como: análisis clúster, análisis discriminante
para obtener grupos homogéneos de estudiantes con características similares en el uso de
internet y luego se utilizó regresión logística binomial para obtener modelos de minería de
datos predictivos y posteriormente se hace una interpretación de todos los resultados que se
obtuvo
PALABRAS CLAVES: brecha digital, ingresos económicos, usos de internet, análisis
clúster, análisis discriminante, regresión logística binomial, proceso KDD.
2
ABSTRACT
This research was conducted as students from schools in the city of Loja to determine how
they affect the income of their families in the use of Internet for academic activities and
entertainment.
To two possibilities to verify the incidence of income level and Internet use in academia and
scope of entertainment for students, for which the discovery process knowledge base of KDD
data was used and applied mining techniques data such as cluster analysis , discriminant
analysis to obtain homogeneous groups of students with similar characteristics in the use of
internet and then regression was used binomial logistic for mining models predictive data and
subsequently an interpretation is made all results obtained
KEYWORDS: digital divide, income, internet applications, cluster analysis, discriminant
analysis, binomial logistic regression, KDD process.
CAPÍTULO I.
1. INTRODUCCIÓN.
4
1.1. IntroducciónEl proyecto educación virtual en el Ecuador enfoca su investigación en buscar y analizar el
uso de Internet y de las nuevas tecnologías que los estudiantes de los colegios de las
ciudad de LOJA utilizan hoy en día.
Para obtener los resultados de la presente investigación se llevara a cabo diversos procesos
los cuales siguen el presente orden; capítulo I descripción de objetivos, preguntas de
investigación e hipótesis, en el capítulo II se abordara un análisis teórico en lo referente a la
educación en el Ecuador, brecha digital y el proceso de minería de datos, en el capítulo III
se describe la metodología empleada para el desarrollo de la investigación, en capitulo IV se
presentan los resultados y el en capítulo V se analizan los resultados más relevantes que se
obtuvieron.
La metodología a utilizar será la KDD (Knowledge Discovery in Data) que es una
metodología utilizada en minería de datos y que consta de cinco fases, integración y
recopilación de los datos, selección limpieza y trasformación de los datos, la fase de minería
de datos, la evaluación e interpretación de los datos obtenidos, y la difusión y uso de los
resultados. En la fase de minería de datos se busca una técnica y una tarea que mejor se
ajuste a los datos que se tienen para luego poder obtener un modelo que resuelva de una
manera eficiente el problema planteado.
La presente investigación nos ha permitido obtener y conocer información significante en el
entorno de desarrollo de los estudiantes de los colegios como son, edad, género, ingresos
económicos y los diversos usos de internet y tecnología que se utilizan en la actualidad.
Todos los datos relevantes encontrados en esta investigación servirán como un aporte de
conocimiento a la sociedad ecuatoriana, pudiendo a quien corresponda buscar soluciones y
alternativas viables para disminuir las marcadas diferencias que existieran en el entorno.
5
1.2. Objetivos.
1.2.1. Objetivo general.
Determinar la incidencia del uso de Internet en actividades académicas y de entretenimiento
y su relación con los ingresos económicos de las familias de los estudiantes de los colegios
de la ciudad de Loja.
1.2.2. Objetivos específicos.
Los objetivos específicos para la presente investigación son:
Levantar información sobre el uso del Internet de los estudiantes para actividadesacadémicas y de entretenimiento.
Identificar patrones en cuanto al uso de tecnología para clasificarlos en grupos.
Identificar patrones en cuanto al uso de tecnología para clasificarlos en grupos.
Buscar la existencia de relaciones significativas entre los usos del Internet y lasactividades académicas y de entretenimiento de los estudiantes.
6
1.3. Preguntas de investigación.
La investigación busca dar respuesta a la siguiente interrogante:
¿Cómo se relacionan los niveles de ingreso de las familias de los estudiantes con los usosde Internet en actividades académicas y en actividades de entretenimiento?
1.4. Hipótesis.
Las hipótesis planteadas para la presente investigación son:
Hipótesis 1: El nivel de ingresos determina como se utiliza Internet para elaprendizaje.
Hipótesis 2: El nivel de ingresos determina como se utiliza Internet paraentretenimiento
CAPÍTULO II
2. MARCO TEÓRICO.
8
2.1. La educación en Ecuador.
La educación en el Ecuador desde el año 1990 ha evolucionado y mejorado constantemente, esto sepuede apreciar en base a la reducción de la tasa de analfabetismo ya que en 1990 era de 11.7% y en2001 fue de 9.0%, y más tarde en el año 2010 fue de 6.8%. (fig. 1)
Figura 1. Analfabetismo en el Ecuador.Fuente: Inec censo 2010Elaboración: Inec censo 2010
A nivel nacional este tasa de analfabetismo es muy significativa ya que se presenta una
reducción de 2,2% en un periodo de 9 años, Inec también nos muestra lo que sucede con la
tasa de analfabetismo a nivel de provincias del Ecuador en la que se puede situar a la
provincia de Galápagos con 1,3% y la provincia de Pichincha en 3,5% que son las
provincias con la menor tasa de analfabetismo, mientras que la provincia de Loja está en el
séptimo lugar con un 5,8% (Tabla 1).
En lo referente a las provincias con mayor tasa de analfabetismo se puede ubicar a cuatro
de ellas que son Cañar 12,2%, Chimborazo 13,5%, Cotopaxi 13,6%, y Bolívar con 13,9% y
esto tiene una gran relación con la tasa de analfabetismo por auto identificación donde la
etnia indígena obtuvo un 20,4% (fig. 2) que son las provincias donde habitan la mayoría de
ellos.
9
Tabla 1. Tasa de analfabetismo por provincias del Ecuador
Nº PROVINCIA Tasa de Analfabetismopor Provincias
1 Galápagos 1,3%
2 Pichincha 3,5%
3 El Oro 4,1%
4 Guayas 5,0%
5 Santa Elena 5,2%
6 Zamora Chinchipe 5,5%
7 Loja 5,8%
8 Carchi 6,2%
9 Napo 6,3%
10 Santo Domingo 6,3%
11 Orellana 6,5%
12 Morona Santiago 6,6%
13 Azuay 6,7%
14 Sucumbíos 6,8%
15 Pastaza 6,9%
16 Tungurahua 7,5%
17 Los Ríos 9,3%
18 Esmeraldas 9,8%
19 Manabí 10,2%
20 Imbabura 10,6%
21 Zonas no delimitadas 12,0%
22 Cañar 12,2%
23 Chimborazo 13,5%
24 Cotopaxi 13,6%
25 Bolívar 13,9%Fuente: INEC Censo 2010 de población y vivienda.Elaboración: INEC Censo 2010 de población y vivienda.
10
Figura 2. Analfabetismo por autoidentificación en el Ecuador.Fuente: INEC censo 2010.Elaboración: INEC censo 2010.
También se puede apreciar en cifras que la única gran diferencia de las personas que
ingresaron a educación superior en establecimientos públicos fue de 12,1% mientras que en
establecimientos privados fue de 23,9% con una diferencia de 11,8% (Tabla 2).
Tabla 2. Distribución de la población que asiste por tipo de establecimiento del Ecuador.
NIVELES ESTABLECIMIENTOPUBLICO
ESTABLECIMIENTOPRIVADO
TOTAL
PREESCOLAR 2,3% 2,2% 2,3%
EDUCACIONBASICA
69,9% 55,0% 66,1%
BACHILLERATO 15,6% 18,9% 16,4%
EDUCACIONSUPERIOR
12,1% 23,9% 15,2%
TOTAL 100% 100% 100%Fuente: INEC Censo 2010 de población y vivienda.Elaboración: INEC Censo 2010 de población y vivienda.
Pero este cambio se debe a factores que intervinieron directamente en el tema de la
educación, como son la reestructuración del sistema de educación, el uso y las mejoras de
las nuevas tecnologías como el internet, los celulares, los computadores portátiles y de
escritorio, y el más importante la economía del país.
11
2.1.1. Estructura del sistema nacional de educación.
El sistema nacional de educación (SNE) está regida por el Ministerio de educación, el cual
dirige, organiza y planifica su funcionalidad en todo lo referente a la educación en el
ecuador.
El sistema nacional de educación clasifica en dos niveles el tipo de educación, los cuales
son: Escolarizado y No escolarizado (fig.3)
Figura 3. Estructura del sistema de educación en el EcuadorFuente: Reglamento General de la LOEI, 2012: art. 23Elaboración: Elaboración propia.
La educación escolarizada es acumulativa, progresiva y conlleva la obtención de un título o
certificado, esta puede ser catalogada en ordinaria o extraordinaria (Reglamento General a
la LOEI, 2011: Art. 23)
La educación escolarizada conduce a la obtención del certificado de asistencia a Educación
Inicial, del certificado de terminación de la EGB y del título de Bachillerato (Reglamento
General a la LOEI, 2012: Art 23).
En cambio la educación no escolarizada provee a todos los infantes, niños, jóvenes y
adultos, espacios educativos donde desarrollen nuevas destrezas en determinados campos
de educación, su currículo se adapta a las necesidades o particularidades del sector de la
población que atiende.
12
La educación no escolarizada se caracteriza por ser una oferta educativa esporádica en la
cual su duración es menor a un año escolar. Este tipo de educación implica cursos
temporales que no conducen a la obtención de un título o certificado como la escolarizada.
En la oferta ordinaria se toma en cuenta un rango específico de edad de los estudiantes,
que empieza desde los 3 años de edad con la educación inicial hasta los 17 años que es la
culminación del tercer año de bachillerato (fig.4).
Figura 4. Estructura del sistema de educación en el Ecuador.Fuente: Reglamento General de la LOEI, 2012: art. 23Elaboración: Elaboración propia.
En el tipo de educación escolarizada extraordinaria se oferta a personas que han
sobrepasado la edad para cada nivel de educación y tienen una escolaridad inconclusa de
15 años o más (fig. 5)
13
Figura 5. Estructura del sistema de educación en el EcuadorFuente: Reglamento General de la LOEI, 2012: art. 23.Elaboración: Elaboración propia.
Las instituciones educativas también se clasifican según la fuente principal de
financiamiento el cual permite su sostenimiento (fig. 6)
Figura 6. Estructura del sistema de educación en el Ecuador.Fuente: Constitución 2008: art. 345, LOEI, 2012: art. 53, 54, 55, 56Elaboración: Elaboración propia.
14
2.1.2. El uso de las nuevas tecnologías.
El segundo factor que da un cambio significativo a la educación es el uso de las nuevas
tecnologías, donde el principal componente es el internet, ya que es el recurso que en la
actualidad más se utiliza.
También se involucra el avance tecnológico en los dispositivos electrónicos como son los
computadores portátiles y de escritorio, así también la continua mejora de teléfonos
celulares, Smartphone, Tablet.
Con estas nuevas tecnologías de información y comunicación que año tras año van
mejorando y evolucionando a nivel mundial y que de cierta forma tienen un impacto directo
sobre la educación de cada país y en el Ecuador también hay un gran cambio.
En las últimas encuestas realizadas por el instituto nacional de encuestas y censos del
ecuador podemos apreciar que los hogares que tienen acceso a internet se incrementó
desde el año 2009 al 2012 (fig.7)
Podemos apreciar que los hogares que tienen acceso a internet por medio de
módem/teléfono se incrementó en un 12,5%, mientras que el internet por medio de
cable/banda ancha decayó en un 25,9%. El internet inalámbrico desde el 2009 hasta el 2012
registro un incremento del 13,8%, y en estos tres últimos años es la tecnología más
empleada en los hogares.
Figura 7. Acceso a Internet en Ecuador.Fuente: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.Elaboración: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.
15
Otro recurso que actúa de manera directa en la educación de los niños, jóvenes y personas
en general es la computadora, en el ecuador se puede ver que las personas que más
utilizan este recurso se encuentran entre los 5 años de edad a los 24 años, con lo cual
podemos decir que los niños en edad escolar inicial hasta los jóvenes en edad escolar
bachillerato y superior son los que más utilizan este recurso (fig.8)
Figura 8. Utilización de computadora por edad en Ecuador.Fuente: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.Elaboración: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.
Otro recurso que se utiliza hoy en día y que es de gran ayuda, ya sea para la comunicación
como para obtener información del internet son los teléfonos inteligentes o Smartphone.
En las últimas encuestas realizas en el 2012 por el Inec se puede apreciar que las personas
que se encuentran en un nivel de instrucción de post grado son las que más utilizan este
recurso (fig.9). Pero también podemos apreciar un incremento significativo en lo que
respecta al nivel de educación media y superior.
16
Figura 9. Utilización de Smartphone por nivel de instrucción en Ecuador.Fuente: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.Elaboración: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.
2.1.3. La economía con relación a la educación en Ecuador.
La economía del país es el tercer y al parecer el más importante factor que influye en la
educación de un país.
La economía del Ecuador a través del tiempo ha evolucionado y ha sufrido cambios
continuamente debido a varios factores que afectan la estabilidad del país.
Una manera de medir el nivel de pobreza en el país es a través de la medición de la línea de
pobreza de consumo por año, esto se puede llevar a cabo mediante encuestas de
condiciones de vida que se realizan en el país.
En el Ecuador la institución encargada de realizar los estudios de condiciones de vida es el
INEC, que presento sus datos en abril del 2015, donde se puede apreciar cambios muy
significativos.
En el año de 1995 la línea de pobreza por consumo era de $1,61 diarios por persona,
mientras que en 2014 se obtuvo un crecimiento de $2,81 (tabla.3)
17
Tabla 3. Línea de pobreza por consumo del Ecuador.
AÑO 1995 1999 2006 2014
LINEA DE POBREZA 1,61 1,43 1,89 2,81
LINEA POBREZAEXTREMA
0,92 0,77 1,06 1,58
Fuente: INEC: ECV 2013-2014Elaboración: elaborado por: INEC: ECV 2013-2014
Igualmente se puede apreciar que la pobreza por consumo se redujo desde el año 1999 en
donde el ecuador sufrió una gran crisis económica que fue el cambio de su moneda (sucres
a dólares) y que para ese año tuvo un índice de pobreza por consumo de 52,2%. (fig.10).
Desde el año 2006 al año 2014 la pobreza por consumo se redujo a nivel nacional en un
32,6% permitiendo así que aproximadamente 1.3 millones de ecuatorianos dejen de ser
pobres. (fig.10).
Figura 10. Línea de pobreza por consumo en Ecuador.Fuente: INEC: ECV 2013-2014Elaboración: Elaboración propia.
18
Entre las provincias del ecuador que tuvieron un alto índice de tasa de variación desde año
2006 al 2014 en lo que se refiere a pobreza por consumo, se puede señalar a cinco
provincias que tuvieron un alto índice de tasa de variación, entre ellas está la provincia de
Loja (tabla 4)
Tabla 4. Tasa de variación de pobreza por consumo del Ecuador.POSICION DOMINIOS 2006 2014 TASA
VARIACION
1 GUAYAS 34,8% 19,1% -45,1
2 MANABI 53,2% 31,4% -41,1
3 CARCHI 54,6% 32,7% -40,2
4 PICHINCHA 22,4% 13,8% -38,6
5 LOJA 47,2% 31,3% -33,6
6 LOS RIOS 49,1% 33,3% -32,2
7 BOLIVAR 60,6% 43,3% -28,5
8 EL ORO 28,1% 20,2% -28,1,
9 TUNGURAHUA 36,2% 26,8% -26,1
10 IMBABURA 43,7% 32,4% -25,9Fuente: INEC: ECV 2013-2014.Elaboración: INEC: ECV 2013-2014.
También cambio el sistema de educación en el país, lo que permitió que las personas sin
distinción de edad o de raza, tenga más oportunidades de acceder a la educación
independientemente del tipo de institución educativa que accedieran.
El INEC presento datos de tasa de matrícula a nivel nacional del año 2014, donde se
compara con la tasa de matrícula del año 2006 donde se puede apreciar un crecimiento de
4,3 en la tasa neta de matrícula en nivel básico y un 16,4 en la tasa neta de matrícula a nivel
medio (tabla 5)
Tabla 5. Tasa neta de matrícula del Ecuador.
TASA NETA DE MATRICULA 2006 2014 DIFERENCIA
BASICA DE 5 A 14 AÑOS 90,9% 95,2% 4,3
MEDIA DE 14 A 17 AÑOS 48,3% 64,7% 16,4Fuente: INEC: ECV 2013-2014Elaborado por: INEC: ECV 2013-2014
19
2.2. La Brecha digital.
Desde la creación y evolución del ser humana, ha existido toda clase de desigualdad social
y esto se debe a muchos factores y condiciones de vida de las personas, es así que en los
años 90 desde el lanzamiento del browser (Word Wide Web), también aparece la brecha
digital, que no es más que otra desigual social que se crea con el cambiar y con la
transformación de las nuevas tecnologías que evolucionan constantemente.
Se conoce como ¨brecha digital¨ o ¨digital divide¨ al término utilizado para diferenciar
quienes tienen y no tienen acceso a internet y fue la National Telecommunications and
Information Administration (NTIA) quien adopto este término y quien a base de estudios e
investigaciones desde el año 1995 amplio las variables de medición y de diferenciación del
mismo.
A partir de ese entonces muchos estudios e investigaciones se hicieron para poder definir lo
que realmente es la brecha digital, dando como resultado algunos conceptos que tienen
relevancia hasta nuestros días.
El termino Digital Inequality o desigualdad social fue dado por DiMaggio y Hargittai (2001)
quienes adoptaron este término para diferencial la desigualdad social que existe con la
aparición del Internet.
Pippa Norris (2001) considera que brecha digital está enmarcada a tres aspectos, la división
global, la división social y la división democrática.
La misma Hargittai (2002) considera que la primera brecha digital se distingue por acceso
formal y acceso real.
Serrano y Martínez (2003) ¨La brecha digital es la separación que existe entre las personas
que utilizan las Tecnologías de Información y Comunicación (TIC) de las que no tienen
acceso a las TIC o que a pesar de tenerlas no saben cómo utilizarlas¨
En cambio DiMaggio, Hargittai, Celeste y Shafer (2004) Definen como Digital Inequality o
Desigualdad Digital basados en 5 dimensiones que la distinguen.
(Maggio, 2007) ¨Es una expresión que hace referencia a las diferencias socioeconómicas
entre aquellas comunidades que tienen accesibilidad a Internet y las que no, aunque tales
desigualdades también se pueden referir a todas las nuevas tecnologías de información y la
comunicación (TIC), como el computador personal, la telefonía móvil, la banda ancha y otros
dispositivos ¨
20
2.2.1. Primera brecha digital.
Desde el año 1995 que se presentaron los primeros estudios sobre el uso de Internet se
nombró como brecha digital a división que existía entre las personas que tenían o no tenían
acceso a Internet, este nivel fue nombrado como ¨primera brecha digital¨ Hargittai (2002).
En este primer nivel de brecha digital se hace referencia al acceso formal a Internet y el
acceso real a Internet, donde el acceso formal se define como la disponibilidad de las
infraestructuras necesarias para conectarse a la red (van Dijk & Hacker, 2003).
El acceso real en cambio se define como el uso en si del Internet, si teniendo la
infraestructura necesaria, la disponibilidad, se presentan otros factores que hace que los
personas no utilicen este servicio.
En el acceso real se puede distinguir dos barreras importantes:
1. La barrera psicológica. Que es causada por la falta de interés, miedos,
desmotivación por las nuevas tecnologías (van Dijk, 2005, 2006; Van Dijk & Hacker,
2003)
2. La barrera de habilidades. Que es causada por la falta de habilidades para manejar,
operar, y entender el uso de aparatos tecnológicos (van Dijk & Hacker, 2003).
Lo primero en resaltar cuando aparece la Brecha Digital son barreras a nivel general de
toda una población o nivel mundial por que se enfoca en que si las personas tiene o no
tiene las facilidades para acceder al recurso de Internet, ya que al ser un servicio que
apenas aparece en esa época, no todos tienen acceso ni conocimiento del mismo.
21
2.2.2. Segunda brecha digital.
La segunda brecha digital se da una vez superada la primera, cuando se empiezan a
relacionar los diferentes ámbitos donde incursiona el Internet, la tecnología y el uso que le
dan los diferentes grupos de individuos (Hargittai, 2002).
Algunos autores diferenciaron la segunda brecha digital en base a dimensiones que se
tomaban muy en cuenta a la hora de definir la desigualdad digital, a continuación tenemos
algunos de ellos.
¨La estratificación social derivada del desigual acceso, adaptación y creación de
conocimiento vía el uso de las tecnologías de la información y la comunicación¨
(Warschauer, 2003) este autor aclara que lo más importante es como las personas usan las
nuevas tecnologías, teniendo en cuenta tres dimensiones:
El desigual acceso a Internet.
La desigual habilidad para usar Internet.
Las diferentes finalidades de uso de Internet.
En cambio DiMaggio, Hargittai, Celeste y Shafer, (2004) determinan 5 dimensiones para
distinguir la desigualdad digital, estas son:
Los medios técnicos o infraestructura de conexión. Se encuentran diferencias
entre la capacidad de conexión y los distintos dispositivos que se utilizan para
navegar por la red.
La autonomía de uso. La libertad para navegar por la red, no todos los usuarios
tienen la misma libertad.
Los patrones de uso de internet. Existen usos y patrones relacionados con la
intensidad y finalidad de uso de Internet.
Las redes de soporte social. Se hace referencia al apoyo social informal que de
una u otra manera incentiva al uso de Internet.
Las habilidades de uso. Los usuarios de internet tienen habilidades diferentes a
la hora de utilizarlo, por lo que esto determina el nivel de sofisticación del uso
de la misma.
22
Jan Van Dijck, (2005) dimensiona a la brecha digital en términos de accesos, lo cual define
en 4 fases de acceso que son secuenciales.
Acceso motivacional (Motivational Access).
Materiales de Acceso (Material Access).
Habilidades de Acceso (Skills Access).
Usos de Acceso (Usage Access).
Para definir la Brecha digital Selwyn, (2010) divide en 6 etapas primordiales que son:
Acceso formal y teórico a ICT y contenido.
Acceso efectivo a ICT y contenido.
Uso de ICT.
Responsabilidad con ICT y su contenido.
Resultados, actuales y percibidos.
Consecuencias, actuales y percibidas.
2.3. Determinantes de la Brecha Digital
Basados en los estudios realizados por los diversos autores podemos decir que los factores
que más influyen para determinan la brecha digital son los siguientes.
Ingresos.- Es el factor principal que determina esta gran separación digital que
existe en el mundo, como ya lo explica Serrano y Martínez, (2003) las TIC han sido parte
esencial de los recientes cambios dramáticos en la economía y la sociedad, donde se ve la
separación de los sectores sociales de bajos ingresos con respecto a los que tienen
mayores ingresos y con posibilidad y opción de acceso a la información.
Esto se da por que aquellos países que tienen una mejor económica históricamente
hablando, tienen control sobre el mundo de las telecomunicaciones y de las nuevas
tecnologías, lo que es aprovechado solo por unos pocos.
Pero los grandes cambios y actualizaciones que se van dando a nivel tecnológico y de
telecomunicaciones, hacen que la brecha digital sea cada vez mayor.
23
También se toma en cuenta a Warschauer (2003) en la primera dimensión, “el desigual
acceso a Internet” y a DiMaggio, Hargittai, Celeste y Shafer (2004) donde se analiza “Los
medios técnicos o infraestructura de conexión.” se enfocan claramente al nivel de ingresos,
tanto de un país como los niveles de ingreso personales, ya que si se tiene mejores
ingresos, se podrá adquirir mejor tecnología y mejor infraestructura para hacer uso del
Internet y de los nuevos aparatos electrónicos.
Rodríguez (2006) referencia que muchos países que carecen de los avances técnicos, de
infraestructura y de capacidad institucional, se han visto rezagados del resto del mundo, el
problema no radica en que la tecnología beneficia a los ricos, si no que impone más límites y
penurias a los pobres.
En la investigación de Ayala (2007) donde realizó encuestas con una muestra de 1017
casos con personas de 12 a 60 años en la ciudad de Santiago de Chile se obtuvo que las
personas que tienen un nivel de ingresos bajo utiliza más el Internet como fuente de
entretenimiento, mientras que los que tienen un nivel de ingresos más alto utilizan el internet
para servicios e información.
También Livingstone y Helsper (2007) en su investigación de uso de Internet en usuarios de
entre 9 y 19 años donde se encontró que los que no tienen acceso o tienen acceso
esporádico pertenecen a la clase social con menos ingresos, y los usuarios que utilizan con
más frecuencia están distribuidos en todos las clases sociales y cuentan con uno o más
lugares de acceso (casa, colegio) y finalmente los usuarios permanentes pertenecen a las
clases media y alta, y cuentan con conexión desde su habitación.
En la investigación realizada por Torres (2012) a cinco universidades del Ecuador, se
encontró que el nivel de ingresos de los estudiantes incide en los usos académicos de
Internet, dando una varianza que explica el nivel de ingresos del 9%.
Así mismo en investigaciones realizadas en universidades de la ciudad de Loja se encontró,
que para una universidad particular (Veintimilla, 2015) de una muestra de 500 estudiantes el
nivel de ingresos económicos (en un rango de 1000 a 1500 dólares mensuales) incide en la
forma como se utiliza Internet para el aprendizaje y no incide en la forma como se utiliza
para las actividades de entretenimiento, mientras que para una universidad pública
(Jaramillo, 2015) de una muestra de 504 estudiantes en cambio se obtuvo que el nivel de
ingresos económicos (en un rango de 350 a 600 dólares mensuales) incide como se utiliza
24
Internet para las actividades académicas, y el nivel de ingresos no incide en las actividades
de entretenimiento.
Edad.-Es otro de los factores que determina en gran medida la brecha digital, al
pasar de los años se puede observar que más personas tienen acceso a internet y por esa
razón personas de todas las edades tienen acceso a todo tipo de contenido, en Jones y Fox
(2009) se realiza una investigación con personas de diferentes edades, encontrando que los
usuarios de Internet que están dentro de un rango de edad entre 18-32 años son aquellos
que más utilizan Internet, tanto para la comunicación como para el entretenimiento, los
usuarios comprendidos entre edades de 12-32 años son más propensos para utilizar redes
sociales, blogs, crear perfiles en los diversos sitios de comunicación personal.
Los usuarios que están en edades entre 12-17 años se relacionan más con actividades de
entretenimiento como juegos en línea, chats, y los diversos correos electrónicos que existen
en la web.
En cambio los usuarios comprendidos entre las edades de 33-44 años se relacionan más
con las compras en línea, y los usuarios de 33-72 años se dedican a buscar información
relevante de acuerdo a sus perspectivas y educación.
Para Castaño, Martin, Vásquez y Martínez (2009) es una correlación lineal y directamente
proporcional con la brecha de género respecto a la última vez que se utilizó Internet. (fig.11)
Para la relación de edad y genero se puede ver que tanto para mujeres y hombres en los
diversos rangos de edad los que más utilizaron Internet fueron los más jóvenes las edades
comprendidas entre 16-34 años y van disminuyendo conforme las edades.
Mientras que la diferencia entre mujeres y hombres de diferente edades es más notable con
edades de mayor rango, así se tiene que la diferencia entre mujeres y hombres para las
edades comprendidas de 65-74 años es de -23,0% una notable diferencia que ubica al
género masculino como los que más utilizan Internet.
En cambio para las edades comprendidas entre 16-34 años la diferencia es mínima de -
2,2% de los hombres sobre las mujeres.
25
Figura 11 Utilización de Internet por edad.Fuente: Castaño, Martin, Vásquez y Martínez, 2009.Elaboración: Castaño, Martin, Vásquez y Martínez, 2009.
En los estudios realizados por Hargittai (2002) hay claras diferencias en lo que se refiere a
las edades por la capacidad de utilizar la web, porque los usuarios comprendidos entre las
edades de 18-19 años tuvieron más éxito en realizar las tareas planteadas mientras que los
usuarios comprendidos entre las edades de 70-80 años solo tuvieron un 3.3% de culminar
las 5 tareas propuestas.
Hargittai concluye que la gente en la adolescencia y la gente en sus 20 años son más
rápidas que las personas de entre 30 y 40 años.
También en las investigaciones de Livingston (2007) se demuestra que la edad es un factor
determinante dentro de la brecha digital, en la cual se obtuvo que los niños comprendidos
entre las edades de 9-11 años utilizan internet para jugar, para la escuela y para usos
creativos como un dibujo o una historia, mientras que los usuarios comprendidos en edades
de 12-17 años utilizan el Internet para trabajos de la escuela así como los sitios para
revisión de exámenes y también utilizan internet para jugar y descargar música.
También se determinó que ambos grupos de edades solo la mitad de ellos tiene acceso a
Internet en la escuela y muy pocos tienen acceso a Internet en sus casas.
26
Genero.- Los autores Castaño, Martin, Vásquez y Martínez (2009) nos dicen que
analizar la situación de las TIC desde una perspectiva de género conlleva la necesidad de
diferenciar la existencia de varias brechas digitales, de carácter y alcance diferente:
1.- La primera brecha digital de género aparece en el acceso a la tecnología siendo
esto de carácter cuantitativo.
2.- La segunda en la utilización que se hace de ella y marca el grado de
incorporación efectiva a la misma (mayor alcance y de carácter cualitativo)
3.- La tercera es el uso de los servicios de las TIC más avanzados (de carácter
cualitativo y de gran importancia para la evolución de las dos anteriores)
Hargittai (2002) en los estudios realizados encuentra que en promedio, las mujeres
completaron 4.19 % tareas en comparación con 4.26% en los hombres, estos datos no son
muy significativos para diferenciar si el género tiene relevancia a la hora de utilizar el
Internet.
Más tarde Hargittai y Shafer (2006) en su nueva investigación para probar si existe
diferencias en las habilidades en línea entre hombres y mujeres, demuestra que utilizando
regresión OLS (Ordinaly least squares) se encuentra que no hay estadísticamente
diferencias significativas entre hombres y mujeres a la hora de realizar diversas tareas con
respecto a la utilización de Internet.
Lo que si puede diferenciar es que las mujeres son más propensas a cuestionar su
competencia en línea mientras que los hombres navegan sin ningún límite y sin
cuestionarse.
En América latina no se ve una marcada diferencia en lo que es utilización y uso de las TIC
con referencia en el género.
Pues las mujeres igualan a los hombres en el acceso a computadores y a la conexión de
Internet en el hogar (fig 12).
27
Figura 12. Acceso a Internet en el hogar por sexo en América Latina.Fuente: CEPAL.Elaboración: CEPAL.
Educación.- El tipo de educación de los usuarios esta diferenciado a dos niveles, el
primero sería con respecto a cursos, talleres, a un título en general, como ya lo demostró
(Van Dijk 2006) “los usuarios de mayor nivel educativo hacen mejor uso del tiempo de
conexión, de las herramientas, tienen mejores habilidades”.
El segundo nivel sería una educación con respecto a sus habilidades para conocer más
sobre el manejo en sí de las nuevas tecnologías, en el estudio realizado en Holanda por Van
Dijk (2005) nos muestra que “las principales fuentes de adquisición de habilidades de uso de
internet provienen de aprendizaje por uso propio”
Factores Étnicos.-Este factor incide en gran medida en lo que es desigualdad
digital, en el Ecuador el nivel de analfabetismos de las etnias Indígena de 20,4%, la
Montubia 12,9 %, y la Afro ecuatoriana 7,6 % donde si se hace una relación con las
provincias donde las personas utilizan computadora se puede ver que Manabí 28.30%,
Bolívar 26,60 % y Esmeraldas 24,80%, (Tabla 6) están en los niveles más bajas en lo que
es utilización de computador y que estas provincias son donde se asientan las clases etnias
indígena, afro ecuatoriana y montubia.
Entonces podemos establecer una relación directa en lo que es utilización de las tecnologías
con el nivel de educación, dando así que el factor étnico es un punto importante en la
desigualdad digital. A nivel mundial también se reflejan estas diferencias, el reporte de Pew
Research center (2010) presenta como usuarios de internet al 80% de Europeo-Americanos,
al 69% de Afro-Americanos y a 66% de Latinos.
28
En el Ecuador se encontró que las personas que más utilizan un computador hasta el año
2013 fueron las que encuentran en las provincias de Pichincha y Azuay. (Tabla 6).
Tabla 6. Utilización de computador en el Ecuador.
Fuente: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.Elaborado por: Encuesta Nacional de Empleo y Subempleo, ENEMDUR, Nacional Total.
29
2.4. Minería de datos
Todas las empresas, gobiernos e instituciones hoy en día manejan grandes cantidades de
información, y necesitan de un proceso o metodología para almacenarla y luego ser
reutilizada, para estas operaciones es necesario integrar algunas ciencias como son, las
estadísticas, las matemáticas, el cálculo, etc. y es ahí que en base a las nuevas
necesidades de manejar estas grandes cantidades de información que se crea la Minería de
datos.
Se puede definir a la minería de datos como “El proceso de extraer conocimiento útil y
comprensible, previamente desconocido, desde grandes cantidades de datos almacenados
en distintos formatos” (Written & Frank 2000).en donde el principal objetivo de la minería es
encontrar modelos intelegibles que ayuden con esta tarea.
La minería de datos es “el proceso que tienen como propósito descubrir, extraer y
almacenar información relevante de amplias bases de datos, a través de programas de
búsqueda e identificación de patrones” (Angeles & Santillan 1998)
2.4.1. Tipos de datos.
Dependiendo del tipo de dato se podrá aplicar la técnica de minería de datos, Hernández
(2007) propone tres tipos de datos, estos son.
Base de datos relacionales: Es una colección de relaciones (tablas), donde cada una deellas tienen un conjunto de atributos (columnas o campos) y puede contener un gran númerode duplas (registros y filas).
Otros tipos de base de datos: Las empresas, organizaciones e instituciones trabajan con
datos complejos que pueden ser:
Bases de datos espaciales: que tienen información relacionada con el
espacio, ubicación e información geográfica.
Bases de datos temporales: que contienen atributos relacionados con el
tiempo donde este es muy relevante.
Bases de datos documentales: que contienen descripciones para los objetos;
documentos estructurados, semi estructurados, o estructurados.
Bases de datos multimedia: que almacenan imágenes, videos y audio su
almacenamiento es de gran capacidad.
30
La World Wide Web: Que es el mayor repositorio de información donde existe gran
cantidad de datos de diferente tipo y debido a su complejidad tienen su propia metodología
llamada Minería Web y está conformada por tres categorías:
Minería de contenidos: que encuentra patrones de datos de las páginas web.
Minería estructurada: que entiendo por estructura los hipervínculos y URL´s.
Minería del uso: que descubre información cuando el usuario navega.
2.4.2. Tipos de Modelo.
Una vez analizado los datos y extraer conocimiento de los mismos en forma de relaciones,
patrones o reglas estos de representan en modelos, los cuales se diferencias en modelos
predictivos y modelos descriptivos.
Los modelos Predictivos procuran estimar valores futuros o desconocidos (variables
independientes o predictivas) de variables de interés (variables dependientes u objeto).
Los modelos Descriptivos exploran e identifican patrones de las propiedades de los datos
que explican y resumen el comportamiento de cierta actividad.
2.4.3. El proceso de descubrimiento de conocimiento en base de datos.
Se utiliza KDD (Knowledge Discovery in Data bases) para describir todo un proceso que
consta de fases y asi llegar a resolver problemas y conflictos.
En (Fayyad y col 1996) describe a KDD como “El descubrimiento de conocimiento en bases
como proceso no trivial de identificar patrones válidos, novedosos, potencialmente útiles, y
en última instancia, comprensibles a partir de los datos”.
Hernández (2007) propone un proceso para KDD, donde se empieza con un sistema de
información y el mismo pasa por una serie de fases que llegan a su instancia final de
obtener conocimiento. (fig.13)
31
Figura 13. Proceso de Knowledge Discovery in databases.Fuente: Hernández et al., 2007.Elaboración: Hernández et al., 2007.
A partir de los datos iniciales, la primera face de KDD es la integración y recopilación que es
donde se determina las fuentes de información que pueden ser útiles (Hernández et, al
2008)
La fase de selección, limpieza y transformación que es donde se elimina y corrigen datos
incorrectos, la siguiente fase es la de minería de datos que es donde se decide cual es la
tarea a realizar ya sea por agrupación o clasificación, a continuación esta la fase de
evaluación e interpretación que al parecer es la fase más importante dentro del proceso de
KDD porque en esta fase se evalúan los patrones y los expertos analizan los resultados
obtenidos.
2.4.3.1. Fase de Integración y Recopilación.
En esta fase se integran información coleccionada de distintas fuentes, que a su vez está
tratada y unificada, dando como resultado un almacén de datos que más tarde servirá para
agregar y cruzar efectivamente la información interpretada. (fig. 14)
En esta fase se pasa del proceso transaccional en línea OLTP al proceso analítico en línea
OLAP que nos permite un análisis multidimensional de datos.
32
Figura 14 Integración de un Almacén de Datos.Elaboración: Elaboración propia.
2.4.3.2. Fase de Selección, limpieza y trasformación.En esta fase se mejora la calidad y se elige los datos y variables adecuadas para resolver el
problema planteado.
Se tratan problemas como:
Valores que no se ajustan al comportamiento general de los datos.
Valores irrelevantes e inconsistentes.
Datos y valores faltantes y perdidos.
En base a modelos y herramientas se pueden tratar estos problemas y resolverlos de la
manera más adecuada para obtener los resultados requeridos.
2.4.3.3. Fase de minería de datos.En esta fase se produce nuevo conocimiento en base a la información ya obtenida hasta el
momento , para construir un modelo donde se describe patrones y relaciones de datos para
poder predecir, entender mejor los datos y explicar situaciones pasadas.
Se toman en cuenta tres puntos importantes para la construcción el modelo:
1. Determinar el tipo de tarea de minería.
2. Elegir el tipo de modelo apropiado.
3. Elegir correctamente el algoritmo de minería en base a la tarea y obtener el
tipo de modelo que se necesita.
Tareas de minería de datos: Son consideradas como un tipo de problema a ser resuelto
por un determinado algoritmo de minería.
33
Estos algoritmos pueden ser de tarea predictiva o descriptiva.
Las predictivas son:
Clasificación: Cada registro de la base de datos pertenece a una clase y el
objetivo es predecir la clase de las nuevas instancias o registros.
Regresión: Aprende una función real que asigna a cada instancia un valor real
(valores numéricos) y el objetivo es minimizar el error entre el valor predicho y
el valor real.
Las descriptivas son:
Clustering: Es la mejor tarea dentro de las descriptivas, ya que consiste en
obtener grupos a partir de los datos, los mismos que están agrupados de tal
manera que tengan similitudes entre si y que se diferencien de otros grupos.
Está relacionado con la sumarizacion porque cada grupo que se forma es u n
resumen de los elementos que lo forman para describir de una manera más
precisa los datos obtenidos.
Correlaciones: Se utiliza para examinar el grado de similitud de los valores de
las variables numéricas, se utiliza el coeficiente de correlación r para medir la
correlación lineal.
Reglas de asociación: este algoritmo identifican relaciones no explicitas entre
atributos categóricos. Las reglas de asociación secuenciales se utilizan para
determinar patrones secuenciales en los datos.
Técnicas de minería de datos: Entre las principales técnicas de la minería de datos
tenemos:
De inferencia estadística: Que consiste en explicar el comportamiento de una
variable a partir del conocimiento de otras, se diferencian respecto al tipo de
variable de respuesta, esta pueden ser numéricas, binarias o categóricas y al
tipo de variable explicativa que puede ser numérica o categórica.
Reglas de Asociación: Son algoritmos de aprendizaje que trabajan en la
búsqueda de reglas que cumplan unos requisitos mínimos en estas medidas.
Métodos Bayesianos: Son técnicas que se basan en la teoría de la
probabilidad para cuantificar la incertidumbre y se los utiliza más en
34
problemas de inteligencia artificial y aprendizaje automático en minería de
datos.
Arboles de decisión: Que son técnicas donde el árbol de decisión es un
conjunto de condiciones organizadas en una estructura jerárquica y siguiendo
las condiciones que se cumplan desde la raíz hasta las hojas se tomara una
solución o acción final.
Métodos relacionales y estructurales: Utilizan un lenguaje de presentación
relaciona, permitiendo descubrir patrones más complejos utilizando
estructuras de sus propios datos y relaciones.
Redes neuronales: Son técnicas de aprendizaje automático cuya finalidad es
emular los procesos biológicos de la capacidad humana para procesar
información.
2.4.3.4. Fase de Evaluación e Interpretación.
En esta fase se mide la calidad de los patrones descubiertos por los algoritmos de minería
de datos, se debe tener en cuenta tres cualidades específicas de estos patrones que deben
ser precisos, comprensibles e interesantes, además se divide en 2 procesos, el primero es
para el aprendizaje (entrenamiento) y el segundo es la evaluación (test), según las
aplicaciones utilizadas podremos obtener diversos criterios de medidas de estos patrones.
Las técnicas más conocidas para la evaluación son:
Evaluación de clasificación: Donde el algoritmo de aprendizaje emplea
normalmente una evidencia o muestra S formada por ejemplos de la función
objetiva f de acuerdo a su distribución.
Evaluación mediante validación cruzada: Este método divide el conjunto de la
evidencia en k subconjuntos disjuntos de tamaña similares se calcula un error
de muestra parcial y se repite este procedimiento K veces, el resultado recoge
la media de los experimentos con K subconjuntos de prueba independiente.
Evaluación por bootstrap: Se aplica en casos donde hay nuevos ejemplos y e
tiene N ejemplos de donde se toma una muestra aleatoria que será el
conjunto de entrenamiento y los no elegidos serán el conjunto test, luego se
promedian estos valores.
Evaluación de modelo de regresión: Se comprueba la calidad del modelo
calculando la diferencia entre las predicciones del modelo y las de las
35
funciones objetivas, utiliza el error cuadrático medio, la raíz cuadrática y los
errores relativos.
Evaluación de modelos de agrupamiento: Se utiliza la verosimilitud (like
lihood) que significa quedarse con la hipótesis donde los datos sean más
verosímiles.
CAPÍTULO III.
3. METODOLOGÍA.
37
3.1. Población y muestreo
La población objetivo son los estudiantes de los colegios de la ciudad de Loja, desde el 9
año de educación básica hasta el tercer año de Bachillerato.
La muestra es de tipo probabilístico, por ser una población finita se aplicara la fórmula:
Dónde:
n = tamaño de la muestra.
N = valor de la población.
Z = valor critico de coeficiente de confianza 95% = 1,96
d = Margen de error aceptado 5% = 0,05
p = proporción de ocurrencia del evento.
q = proporción de no ocurrencia de un evento.
Remplazando valores:
Dando como resultado n = 346
La muestra inicial estuvo conformado de 532 estudiantes, luego de ser tabuladas y filtradas
se quedó con una muestra de 518 encuestas que es mayor al tamaño solicitado.
38
3.2. Metodología de minería de datos KDD.
Para el desarrollo de esta investigación se utilizara la metodología de minería de datos KDD
(Knowledge Discovery in Data) la cual consta de cinco fases pero solo se trabajara hasta la
fase cuatro.
3.2.1. Fase de integración y recopilación.
Esta fase se realizó mediante la aplicación de encuestas a cada uno de los estudiantes de
las instituciones educativos (Anexo 1) y también una entrevista a un docente de las
instituciones educativas (Anexo 2).
La encuesta realizada a los estudiantes fue proporcionada por el director del proyecto ¨La
educación virtual en el Ecuador“(Torres 2012) donde se aplican 16 ítems dirigidos a evaluar
las variables sociodemográficas y las características más fundamentales sobre el uso de
internet tanto en el ámbito académico como en el entretenimiento.
Las variables utilizadas para la investigación están divididas en cinco bloques las cuales se
han clasificado de la siguiente forma:
Primer bloque: Variables sociodemográficas.
Tabla 7. Variables sociodemográfica.
CAMPO VARIABLE TIPO DE DATO DESCRIPCION VALORES
Colegio Nominal Cadena Colegio delestudiante
Ninguno
Tipo Nominal Numérico Tipo de colegio 1=Fiscal2=Privado3= Fiscomisional
Edad Real Numérico Edad delestudiante
Ninguno
Genero Dicotómica Numérico Genero delestudiante.
1=Hombre2=Mujer
Ingresos Nominal Numérico Ingresosmensuales delnúcleo familiar.
1= Hasta 350 $2=Hasta 600$3=Hasta 1000$4=Hasta 15005=Mas de 1500
Elaboración: Elaboración propia.
39
Segundo bloque: Variables de conocimiento y preferencia del estudiante.
Tabla 8. Variables de conocimientos.
CAMPO VARIABLE TIPODE
DATO
DESCRIPCION VALORES
Lugar deconexión
Nominal Numérico Lugar desde dondese conecta más alinternet
1= Desde la casa2=Desde el cybercafé.3=Desde el trabajo.4=Desde el colegio5=Desde una redmóvil
Días deconexión
Ordinal Numérico Cuantos días a lasemana se conectaal internet
1=7
Nivel deconocimiento
Ordinal Numérico Nivel deconocimiento en elmanejo de internet.
1=10
Horas al día Nominal Numérico Horas de conexión aldía.
Ninguno
Elaboración: Elaboración propia.
40
Tercer Bloque: Variables referentes al uso de Internet en lo Académico
Tabla 9. Variables referentes al uso de Internet a lo Académico.
CAMPO VARIABLE TIPODE
DATO
DESCRIPCION VALORES
Grupo deFacebook
Escala Numérico Tienes grupo de Facebookpara apoyarte en temas declase
1= SI2=.NO
GrupoWhatsapp
Escala Numérico Tienes grupo de Whatsapppara apoyarte en temas declase
1= SI2=.NO
Usas twiter Escala Numérico Usas Twiter para apoyarte entemas de clase
1= SI2=.NO
Usas mensajeríacelular
Escala Numérico Usas mensajería celular paraapoyarte en temas de clase.
1= SI2=.NO
Mensajes porFacebook.
Nominal Cadena Cuantos mensajes envías porsemana.
Ninguno
mensajesWhatsapp
Nominal Cadena Cuantos mensajes envías porsemana.
Ninguno
Mensajes twiter Nominal Cadena Cuantos mensajes envías porsemana.
Ninguno
Mensajescelular
Nominal Cadena Cuantos mensajes envías porsemana.
Ninguno
Cuantos videos Nominal Numérico Para entender las materiascuantos videos miras a lasemana
Ninguno
Cuantos post Nominal Numérico Cuanto post o tweets sobretemas académicos realizas a lasemana
Ninguno
Horas chat Nominal Numérico Aproximadamente cuantashoras chateas sobre temasacadémicos a la semana
Ninguno
Horas deinformación.
Nominal Numérico Aproximadamente cuantashoras buscas informaciónacadémica a la semana
Ninguno
Elaboración: Elaboración propia.
41
Cuarto bloque: Variables referentes a la uso de internet con respecto al entretenimiento.
Tabla 10. Variables con respecto al uso de Internet entretenimiento.
CAMPO VARIABLE TIPODE
DATO
DESCRIPCION VALORES
Horas_chat_diver Nominal Numérico Aproximadamente cuantashoras a la semana chateaspor diversión.
Ninguno
Horas_redes Nominal Numérico Aproximadamente cuántashoras a la semana utilizasredes sociales por diversión
Ninguno
Horas_juegos Nominal Numérico Aproximadamente cuántashoras a la semana utilizasjuegos en línea?
Ninguno
Horas_descargas Nominal Numérico Aproximadamente cuántashoras a la semana descargasmúsica, videos y programas
Ninguno
Videos_entrete Nominal Numérico Aproximadamente cuántosvideos para entretenimientomiras en youtube cadasemana
Ninguno
Seguidores_twitter Nominal Cadena Aproximadamente cuántosseguidores tienes en twitter?
Ninguno
Amigos_facebook Nominal Cadena Cuántos amigos tienes enFacebook
Ninguno
Contactos_linkedln Nominal Cadena Cuántos contactos tienes enLinkedIn
Ninguno
Otra_red Nominal Cadena Otra red social: ¿Cuál? Ninguno
Blog Escala Numérico Tienes un blog 1= SI2=.NO
Cuenta_youtube Escala Numérico Tienes cuenta en youtube 1= SI2=.NO
Instagram Escala Numérico Tienes cuenta en instagram 1= SI2=.NO
whatsap Escala Numérico Tienes Whatsapp 1= SI2=.NO
Elaboración: Elaboración propia.
42
El quinto Bloque: Variables referentes a la utilización de dispositivos electrónicos,valoración del internet y la comunicación con los profesores a través de las redes decomunicación.
Tabla 11. Variables de utilización de dispositivos.CAMPO VARIABLE TIPO DE
DATODESCRIPCION VALORES
manejo_smartphone Escala Numérico Nivel de uso de Smartphone concámara fotográfica y acceso a internet
1=10
manejo_teléfonoint Escala Numérico Nivel de uso de Teléfono móvil conacceso a internet
1=10
menejo_teléfonosin Escala Numérico Nivel de uso de Teléfono móvil sinacceso a internet
1=10
computador_portátil Escala Numérico Nivel de uso de Computador portátil 1=10
manejo_tablet Escala Numérico Nivel de uso de Tablet (iPad; GalaxyTab, Kindle, etc)
1=10
manejo_camaradig Escala Numérico Nivel de uso de Cámara digital 1=10
manejo_ipod Escala Numérico Nivel de uso de iPod / MP3 Player 1=10
internet_trabajos Escala Numérico Internet te permite elaborar los trabajosmás rápido y con menos esfuerzo
1=10
internet_confianza Escala Numérico Tu confías en la información de internetpara realizar sus tareas
1=10
internet_biblioteca Escala Numérico Internet te permite prescindir de laBiblioteca
1=10
internet_aprendizaje Escala Numérico Internet facilita el proceso deaprendizaje
1=10
internet_calificaciones
Escala Numérico Internet te permite mejorar suscalificaciones
1=10
internet_academico Escala Numérico Tu presentas trabajos académicoscopiados desde Internet
1=10
profesor_consultas Escala Numérico Tu profesor contesta sus consultas porcorreo electrónico
1=SI,2=NO3= AVECES
profesor_chat Escala Numérico Chatea contigo sobre aspectosacadémicos
1=SI,2=NO3=AVECES
profesor_redes Escala Numérico Tu profesor comenta en redes socialessobre temas académicos
1=SI,2=NO3=AVECES
profesor_material Escala Numérico Te envía materiales digitales para queestudies
1=SI,2=NO3=AVECES
profesor_videos Escala Numérico Te recomienda videos sobre temasacadémicos
1=SI,2=NO3=AVECES
profesor_paginas Escala Numérico Tu profesor tiene una página web, blog operfil de Facebook
1=SI,2=NO3=AVECES
profesor_twitter Escala Numérico Tu profesor tiene cuenta de twitter 1=SI,2=NO3=AVECES
Elaboración: Elaboración propia.
43
En número de encuestas realizadas en los planteles educativos se detallan así Tabla 12.
Tabla 12. Encuestas realizadas.
COLEGIOSMUESTRA
DEESTUDIANTES
ADOLFO VALAREZO 53
BERNARDO VALDIVIEZO 64
CALAZANS 60
DANIEL ALVAREZ BURNEO 49
HERNAN GALLARDO MOSCOSO 43
LA DOLOROSA 52
LA SALLE 43
PIO JARAMILLO ALVARADO 52
SAN FRANCISCO DE ASIS 54
27 DE FEBRERO 48
TOTAL 518
Elaboración: Elaboración propia.
Toda la información recogida de las encuestas físicas se procedió a ingresarlas en la
plataforma web SurveyMonkey, en el link: https://es.surveymonkey.com/s/alvarado1 la
misma administra la información las encuestas en línea y nos da una base de datos más
eficiente a la hora de procesar la información.
44
3.2.2. Fase de Selección, Limpieza y Trasformación.
En esta fase se realiza un control de calidad de los datos obtenidos en la recolección y su
objetivo principal es obtener datos validos con el menor error posible para luego obtener
resultados más acordes con la realidad y poder hacer una mejor interpretación de los
mismos.
Para el inicio de la investigación se obtuvo una base de datos con un total de 532
encuestas, las mismas que luego de ser tratadas y tabuladas a mano fueron separas
aquellas encuestas que tuvieron datos atípicos, quedando así 518 encuestas.
Luego se procedió a seleccionar a las variables más relevantes que serán utilizadas para la
comprobación de las hipótesis planteadas en el proyecto, en lo que respecta a las variables
del grupo académico quedaron como 4 variables relevantes las mismas son: cuantos-
videos, cuantos-post, horas de chat, horas de información.
Para el de grupo de entretenimiento se procedió a obtener la media de cada una de ellas y
se eligió a las que tienen el valor más alto, quedando así: horas chat, horas redes y videos
entretenimiento.
Tabla 13. Variables seleccionadas.
Elaboración: Elaboración propia.
GRUPOSDE
VARIABLES
VARIABLES VARIABLESSELECCIONADAS
VARIABLESDESTINO
INGRESOS INGRESOS 1INGRESOS 2INGRESOS 3INGRESOS 4INGRESOS 5
NivelIngresos
ACADEMICO CUANTOS VIDEOS
CUANTOS POST.
HORAS CHAT.
HORAS INFORMACION
CUANTOS VIDEOS
CUANTOS POST.
HORAS CHAT.
HORAS INFORMACION
PerfilAcadémico
ENTRETENIMIENTO HORAS CHAT DIVERSION.
HORAS REDES.
HORAS JUEGOS.
HORAS DESCARGA
VIDEOSENTRETENIMIENTO
HORAS CHAT DIVERSION.
HORAS REDES.
VIDEOSENTRETENIMIENTO
PerfilEntretenimiento
45
3.2.3. Fase de Minería de datos.
Es la fase donde se extrae conocimiento en base a los datos obtenidos en paso anterior,
esta información será comprensible para ser utilizado por el usuario, se construye un modelo
que es conformado por relaciones y patrones de los datos almacenados, para llegar a
obtener predicciones que interpreten de mejor manera los datos obtenidos. Para esto se
define el modelo, tarea y el algoritmo de minería de datos se va a utilizar.
3.2.3.1. Identificar el modelo adecuado.Para identificar el modelo a seguir, se toma en cuenta los objetivos que se pretende obtener
y también las hipótesis que hay que resolver, para la presente investigación se utilizaran dos
tipos de modelo los cuales son: el modelo descriptivo que permite agrupar a los estudiantes
en grupos homogéneos y también se utilizara el modelo predictivo el cual nos permite
comprobar las hipótesis planteadas.
3.2.3.2. Seleccionar la tarea de minería de datos.La tarea seleccionada en base a los modelos ya definidos anterior mente es:
Clusterizacion: Que es una tarea descriptiva la cual nos permite obtener grupos a partir de
características similares descritos en la base de datos.
Para la presente investigación se empleara la clasificación no jerárquica en base a la
investigación realizada por Días de Rada (2002) que recomienda trabajar con clusterizacion
no jerárquica en muestras altas aplicando al algoritmo K-means.
K-means: Es un análisis clúster que utiliza la distancia euclídea que es la distancia más
corta entre objetos, donde se define K centroides en cada uno de los grupos para luego
colocarlos en la clase centroide más próximo.
46
Los pasos propuestos por Xu, R. y Wunsch (2009) para ejecutar el algoritmo K-means son:
1. Inicializar cada partición K de forma randómica o en base a centroides preexistente.
Calcular la matriz prototipo de clúster M=[m1,...,mK]
2. Asignar cada sujeto al clúster más cercano.
3. Recalcular la matriz prototipo del clúster en base a la partición actual.
4. Repetir los pasos 2 y 3 hasta que no hayan cambios en el centroide de los clúster.
Para la ejecución del algoritmo K-means se escogió para las variables en lo referente a las
actividades académicas:
1. ¿Para entender las materias cuantos videos miras en youtube a la semana?
2. ¿Cuantos post o tweets sobre temas académicos realizas por semana?
3. ¿Aproximadamente cuantas horas chateas sobre temas académicos por semana?
4. ¿Aproximadamente cuantas horas buscas información académica en internet por
semana?
Las cuales fueron agrupadas en el perfil para actividades académicas y se realizaron grupos
de 2, 3 y 4, seleccionado el grupo de 2 con dos categorías: normal (clúster 1) y moderno
(clúster 2) para mejor interpretación de los resultados.
Las variables seleccionadas para utilizar en el algoritmo K-means para el perfil actividades
de entretenimiento fueron:
Aproximadamente cuantas horas a la semana chateas por diversión.
Aproximadamente cuántas horas a la semana utilizas redes sociales por diversión.
Aproximadamente cuántos videos para entretenimiento miras en youtube cada
semana
De las cuales se obtuvo grupos de 2, 3 y 4 y se escogió al grupo de 2 con dos categorías
nombradas normal (clúster 1) y moderno (clúster 2) para mejor interpretación de los
resultados.
Discriminación: Se utilizó para evaluar y verificar los resultados obtenidos en el algoritmo
K-means, recomendada en (Torres 2012) y así escoger la mejor clasificación en base al
porcentaje de exactitud.
En la prueba de discriminación para el grupo de 2 clúster en el perfil actividades académicas
se obtuvo un porcentaje de 100% de exactitud de clasificación correcta Tabla 14.
47
Tabla 14. Discriminante clúster 2 perfiles actividades académicas.
Número de caso de clúster
Pertenencia a grupospronosticada
Total1 21 514 0 5142 0 4 41 100,0 ,0 100,02 ,0 100,0 100,0
a. 100,0% de casos agrupados originales clasificados correctamente.Elaboración: Elaboración propia.
En la prueba de discriminación para el grupo de 2 clúster en el perfil actividades de
entretenimiento se obtuvo un porcentaje de 99,6% de exactitud de clasificación correcta
Tabla 15.
Tabla 15. Discriminante clúster 2 perfil actividades entretenimiento.
Número de caso de clúster
Pertenencia a grupospronosticada
Total1 2Original Recuento 1 15 0 15
2 2 501 503
% 1 100,0 ,0 100,0
2 ,4 99,6 100,0
a. 99,6% de casos agrupados originales clasificados correctamente.Elaboración: Elaboración propia.
3.2.4. Fase de Evaluación e Interpretación.
En esta fase se verifican las hipótesis planteadas en base a los patrones obtenidos en la
fase anterior, se utilizan algunas medidas y técnicas de minería de datos para conocer si las
hipótesis se cumplen o no.
3.2.4.1. Regresión Logística Binomial.Es una técnica supervisada o predictiva que predice la probabilidad de que un evento ocurra
o no, la variable dependiente está conformado por dos categorías (dicotómica) y la variable
independiente es categórica.
En el presente trabajo se obtuvo que para dar respuesta a las hipótesis 1 (H1) y para la
hipótesis 2 (H2) con variables dependientes cada hipótesis constan de dos valores
categóricos (clúster de 2 grupos) y para la variable independiente se tiene la variable
48
ingresos con 5 niveles (categórico nominal), tanto para el perfil actividades académicas
como para el perfil actividades de entretenimiento Tabla 16.
Tabla 16. Prueba de Chi cuadrado hipótesis 1 y 2.Hipótesis Valor Chi cuadrado Grados de libertad Nivel de significancia
H 1 634,050 4 ,000
H 2 572,796 4 ,000Elaboración: Elaboración propia.
Para la regresión logística binomial también hay que considerar otras medias para verificar
si el modelo se ajusta a los datos para ello se tiene las siguientes medidas:
Test de Wald: Es una prueba de ajuste de modelo o coeficiente de determinación que
permite evaluar la hipótesis nula (ßi=0), la significación estadística asociada y el valor de la
(exp(B)) con sus intervalos de confianza Aguayo (2007).
Bondad de ajuste: Se verifica si el modelo se ajusta a los datos y para ello se obtiene un
valor que debe ser menor a 0,005 (p<0,005) en las pruebas de razón de verosimilitud y
Pearson y Deviance.
R² Nagelkerke: Es el porcentaje de exactitud de un modelo, describe la varianza explicada
por el modelo, esta debe representar al menos el 70% de los datos.
Test Odds Ratio(OR): Presenta la probabilidad de pertenecer a un grupo, probabilidad de
que la variable dependiente pertenezca a una de las categorías de la variable
independiente, para lo cual se toman los valores de significancia que se expresan en la tabla
de estimación de parámetros.
Hosmer y Lemeshow: Esta prueba calcula para cada observación del conjunto de datos las
probabilidades de la variable dependiente que predice el modelo y lo más importante de la
prueba es que no tiene que mostrar valores significantes (p>0,005).
CAPÍTULO IV.
4. RESULTADOS.
50
4.1. Datos generales.
Entre los datos relevantes que se consiguió al procesar los datos una vez realizadas las
encuestas tenemos:
Para la variable género se obtuvo para los hombres un 56.2% y para mujeres 43.8%,siendo
los hombres lo más encuestados. (fig. 15)
Figura 15. Género EstudiantesElaboración: Elaboración propia.
En lo que respecta a la variable edad se obtuvo que los jóvenes de cursan el Bachillera y
que están en un rango de edad desde 15 años en adelante fueron los más encuestados con
un promedio de 54,6% y los estudiantes con Educación General Básica Superior se obtuvo
un 45,3%. (fig.16)
0,0
20,0
40,0
60,0
Hombre MujerPorcentaje 56,2 43,8
GENERO
0
10
20
30
40
13 14 15 16 17 18 19 20Porcentaje 32,2 13,1 19,5 14,3 12,7 5,8 1,9 0,4
EDAD
Figura 16. Edad EstudiantesElaboración: Elaboración propia.
51
También se obtuvo que el 39.2% de los estudiantes tienen hasta 350 dólares de nivel de
ingresos, el 31.1% de los estudiantes tienen hasta 600 dólares de nivel de ingresos, el 17 %
de los estudiantes tienen hasta 1000 dólares de nivel de ingresos, el 6.9% de los
estudiantes tienen hasta 1500 dólares de nivel de ingresos y por último el 5.8% de los
estudiantes están en un nivel de ingresos de más de 1500 dólares. (fig. 17)
Figura 17. Ingresos EstudiantesElaboración: Elaboración propia.
Además se encontró que los colegios con mayor número de encuestas fueron los de tipo
Fiscal con un porcentaje de 50,8%, esto se da porque en el Ecuador hay 21.339
instituciones educativas de tipo fiscal y son las que reciben más apoyo del Gobierno, por lo
que las familias han optado que sus hijos ingresen a este tipo de colegios, luego les sigue
los fiscomisionales con 40,9% y en ultimo los privados con 8,3%. Tabla 17.
Tabla 17. Tipo de colegio.Tipo de colegio Frecuencias Porcentaje
Fiscal263 50,8
Fiscomisional212 40,9
Privado43 8,3
Elaboración: Elaboración propia.
0
10
20
30
40
Hasta350
dólares
Hasta600
dólares
Hasta1000
dólares
Hasta1.500
dólares
Más de1.500
dólaresPorcentaje 39,2 31,1 17 6,9 5,8
INGRESOS
52
4.2. Usos de Internet.
En lo que respecta al lugar de conexión se pudo obtener que la mayor posibilidad de
conectarse a internet de los estudiantes es desde sus casas con un promedio de 70,7%,
luego esta desde un cyber café con un promedio de 15,4% seguido de desde una red móvil
con 12,7% y luego tenemos un mínimo de 0,2% desde su lugar de trabajo. (fig. 18)
Figura 18. Lugar de conexión de EstudiantesElaboración: Elaboración propia.
También se obtuvo que la mayor parte de estudias se conectan los 7 días de semana con
un promedio de 35,7%, seguido de un 14,7% que se conectan 3 días a la semana, 13.7 %
los que se conectan 5 dias,12.2% los que se conectan 4 días.(fig.19).
Figura 19. Días de conexión de EstudiantesElaboración: Elaboración propia.
0,010,020,030,040,050,060,070,080,0
Desde lacasa
Desde uncybercafé
Desde eltrabajo
Desde elcolegio
Desdeuna redmóvil
(movistar, claro,
cnt)Porcentaje 70,7 15,4 ,2 1,0 12,7
LUGAR DE CONEXIÓN
0,0
10,0
20,0
30,0
40,0
1 2 3 4 5 6 7Porcentaje 5,4 9,3 14,7 12,2 13,7 9,1 35,7
Dias de conexión
53
Mientras que para las horas de conexión el mayor porcentaje se registra en un rango de 1 a
8 horas diarios con un promedio de 92,1% (fig. 20)
Figura 20. Horas de conexión de EstudiantesElaboración: Elaboración propia.
Para los años desde que se conectan a internet se obtuvo que el 34,9% se conectan desde
hace 3 años, el 21,2% desde hace 2 años y 19,9% desde hace 4 años atrás que son los
mayores porcentajes, mientras que el 0,6% se conectaron desde hace 7 años atrás (fig. 21).
Figura 21. Años de conexión de los estudiantes.Elaboración: Elaboración propia.
0,020,040,060,080,0
100,0
0 1 a 8 9 a 16 17 a 24Porcentaje 0,2 92,1 4,1 0,8
Horas de conexión
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
1 2 3 4 5 6 7PORCENTAJES 8,9 21,2 34,9 19,9 12,7 1,7 ,6
Años de conexión
54
En lo referente a nivel de conocimiento se obtuvo que los estudiantes poseen un nivel 8 de
conocimiento con un porcentaje de 25,9% Tabla 18.
Tabla 18. Nivel de conocimiento de Estudiantes.Nivel de
Conocimiento FrecuenciaPorcentaje
válido1 7 1,42 13 2,53 15 2,94 24 4,65 52 10,06 50 9,77 80 15,48 134 25,99 89 17,210 54 10,4
Elaboración: Elaboración propia.
4.3. Usos de Internet en actividades académico.
Para determinar los usos de internet en actividades académicas que toma en cuenta las
cuatro variables más relevantes que se pudo conseguir de las preguntas realización en las
encuestas, estas variables son:
¿Para entender las materias cuantos videos miras en youtube a la semana?
¿Cuantos post o tweets sobre temas académicos realizas por semana?
¿Aproximadamente cuantas horas chateas sobre temas académicos por semana?
¿Aproximadamente cuantas horas buscas información académica en internet por
semana?
Para la pregunta ¿Para entender las materias cuantos videos miras en youtube a la
semana?, se obtuvo que los estudiantes logran ver de 1 a 10 videos en youtube en un
porcentaje de 75; 5%, seguido de un 21,6% que no ve ningún video para entender las
materias y apenas un 2,9% los estudiantes que miran de 11 a 100 videos. (fig. 22)
55
Figura 22. Videos para materias en la semana.Elaboración: Elaboración propia.
En la pregunta ¿Cuantos post o tweets sobre temas académicos realizas por semana?, se
obtuvo que un 58, 7% que es la mayor parte de estudiantes, no realiza ningún tipo de post o
tweets para apoyarse en temas académicos, seguido de un 40,3% que si realiza de 1 a 10
post por semana y con apenas 1% realiza de 11 a 20 post o tweets. (fig. 23)
Figura 23. Post y Tweets académicos en la semana.Elaboración: Elaboración propia.
Con respecto a la pregunta ¿Aproximadamente cuantas horas chateas sobre temas
académicos por semana?, se obtuvo que la gran mayoría utiliza el chat para temas
netamente académicos, así fue que se obtuvo un 79, 2% de estudias que chatean de 1 a 10
horas semanales para temas académicos, seguido de un 0,8% que utilizan de 11 a 35 horas
y también en un 20,1 % los estudiantes que no utilizan el chat para temas académicos.
(fig. 24)
0
20
40
60
80
0 1 a 10 11 a 100Porcentaje 21,6 75,5 2,9
Videos Materias
0102030405060
0 1 a 10 11 a 20Porcentaje 58,7 40,3 1,0
Post y Tweets
56
Figura 24. Chat académicos por semana.Elaboración: Elaboración propia.
En cambio para la pregunta ¿Aproximadamente cuantas horas buscas información
académica en internet por semana?, se obtuvo que un 6,8% de los estudiantes no realiza
búsqueda de información con respecto a temas académicos, mientras que un 90,2% que es
un porcentaje alto de estudiantes que si realizan búsquedas de información de temas
académicos en un rango de 1 a 10 horas, seguido de un 3,1% que buscan información de
11 a más horas. (fig. 25)
Figura 25. Información académicos por semana.Elaboración: Elaboración propia.
En lo que concierne a nivel académico también nos podemos referir a los grupos que los
estudiantes y profesores crean para intercambiar ideas y tratar temas académicos, para lo
cual se utilizar herramientas y tecnologías de comunicación avanzadas.
0
20
40
60
80
0 1 a 10 11 a 35Porcentaje 20,1 79,2 0,8
Chat Academico
0
20
40
60
80
100
0 1 a 10 11 a 56Porcentaje 6,8 90,2 3,1
Informacion Academica
57
Para ello se obtuvo que la mayoría de estudiantes en un 59,7% respondieron que si tienen
grupos de Facebook para apoyarse con temas académicos, mientras que para whatsapp
87,8 %, twitter 91,9%, y mensajes por celular 65,4% no tienen grupos ni utilizan estos tipos
de comunicación para temas académicos. (fig. 26)
Figura 26 Grupos de Apoyo para materias.Elaboración: Elaboración propia.
4.4. Usos de Internet para actividades de entretenimiento.
En lo que se refiere a usos de internet para actividades de entretenimiento se tomó en
cuenta las resultados que se obtuvieron de la pregunta 11 que son valores más relevantes a
la hora de definir como utilizan el internet los estudiantes para actividades de
entretenimiento, estas preguntas son:
Aproximadamente cuantas horas a la semana chateas por diversión.
Aproximadamente cuántas horas a la semana utilizas redes sociales por
diversión.
Aproximadamente cuántas horas a la semana utilizas juegos en línea.
Aproximadamente cuántas horas a la semana descargas música, videos y
programas.
Aproximadamente cuántos videos para entretenimiento miras en youtube
cada semana
020406080
100
GrupoFacebook
GrupoWhatsapp
Usos Twitter UsosMensajes
CelularNO 40,3 87,8 91,9 65,4SI 59,7 12,2 8,1 34,6
Comunicacion Materias
58
En lo que respecta a las horas de la semana que los estudiantes utilizan para chatear por
diversión se obtuvo que la mayor parte de estudiantes utilizan de 1 a 6 horas a la semana
para chatear con un porcentaje de 68,7% y un porcentaje muy bajo de 4,2% estudiantes no
utiliza el chat. (fig. 27)
Figura 27. Horas de Chat por diversiónElaboración: Elaboración propia.
También se obtuvo un porcentaje de 83,8 % para los estudiantes que utilizan redes social en
un rango de 1 a 20 horas semanales, mientras que para los estudiantes que no utilizan
redes sociales para el entretenimiento se obtuvo un 11,2%. (fig. 28)
Figura 28. Horas de Redes Sociales por diversión.Elaboración: Elaboración propia.
0,010,020,030,040,050,060,070,0
1 a 6 7 a 13 14 a 30 31 a + 0Porcentajes 68,7 15 8,3 4,2 4,2
Horas Chat
0,0
20,0
40,0
60,0
80,0
100,0
O 1 a 20 21 a 40 41 a 100Porcentaje 11,2 83,8 3,3 1,7
Horas Redes Sociales
59
Otra variable importante dentro de lo que es entretenimiento son las horas de juego en línea
a la semana, donde se obtuvo un porcentaje de 62,4% de estudiantes que utilizan de 1 a 20
horas a la semana de juegos en línea y los que se abstienen de jugar en línea se obtuvo un
35,3%. (fig. 29)
Figura 29. Horas de Juegos en línea por diversión.Elaboración: Elaboración propia.
En lo que se refiere a las horas de descarga de música, programas y videos se obtuvo que
los estudiantes descargan de 1 a 20 horas semanales en un porcentaje de 79% mientras
que los estudiantes que no descargan ningún tipo de contenido se obtuvo un 17,8%. (fig. 30)
Figura 30. Horas de Descarga por diversión.Elaboración: Elaboración propia.
0,0
20,0
40,0
60,0
80,0
O 1 a 20 21 a 40 41 a 80Porcentaje 35,3 62,4 1,4 1,0
Horas de Juegos
0,0
20,0
40,0
60,0
80,0
O 1 a 20 21 a 40 41 a 90Porcentaje 17,8 79,0 1,9 1,4
Horas Descargas
60
En cambio en lo que se refiera a mirar videos por entretenimiento se obtuvo un 79, 7% en un
rango de 1 a 20 videos semanales que comparado con el porcentaje que se obtuvo del total
de estudiantes que miran videos en lo académico que fue 75,5% por lo que se puede decir
que los estudiantes utilizan el recurso de mirar videos en lo académico y mirar videos por
entretenimiento a un porcentaje alto. (fig. 31)
Figura 31. Horas de Videos por diversión.Elaboración: Elaboración propia.
4.5. Perfiles del estudiante.
Los perfiles del estudiante están clasificados de acuerdo a las características que presentan
en áreas de conocimiento definidas.
Estos perfiles son: usos de Internet en actividades académicos (perfil académico), usos de
Internet para el entretenimiento (perfil entretenimiento), que son los perfiles que nos interesa
para el estudio.
4.5.1. Perfiles para actividades académicas.
Este perfil se clasifico en base al uso que se le da al internet para realizar actividades
relacionadas con el aprendizaje del estudiante, para lo cual se toma en cuenta las variables
más relevantes, las cuales se obtuvo de la pregunta 10 de la encuesta que son:
0,0
20,0
40,0
60,0
80,0
O 1 a 20 21 a 40 41 a 200Porcentaje 9,8 79,7 6,6 3,9
Títu
lo d
el e
je
Videos Entretenimiento
61
¿Para entender las materias, cuantos videos miras en youtube cada semana?
¿Cuántos post o tweets sobre temas académicos realizas en redes sociales
por semana?
¿Aproximadamente cuantas horas chateas sobre temas académicos por
semana?
¿Aproximadamente cuantas horas buscas información académica en internet
por semana?
Clasificación y Verificación.
Luego se realizó la clasificación en grupos en base a características similares de los datos,
se utilizó el algoritmos de clusterizacion K medias para obtener grupos de 2, 3 y 4 (Anexo 3,
4, 5).
Se aplicó el analices Clúster con el programa SPSS (versión 22) y se verifico la creación de
los grupos con análisis discriminante, donde las variables dependientes son los grupos
creados en el análisis clúster y las variables independientes son aquellas variables
relevantes del perfil académico.
En el análisis discriminante (Anexo 6, 7, 8) se obtuvo como resultado que los grupos de 2, 3
y 4 dan un porcentaje de 100%.
Al obtener en los grupos un porcentaje de exactitud de 100%, para realizar una mejor
interpretación de los datos se toma en cuenta el grupo de 2.
Descripción de los grupos.
Para el Perfil Académico se consiguió 2 grupos (fig.32) el primero se lo nombro ¨normal¨ el
cual está conformado por 99% de estudiantes los cuales realizan 1 post por semana, pasan
2 horas a la semana chateando sobre temas académicos, buscan información 3 horas a la
semana y miran 3 videos a la semana para entender las materias.
El segundo grupo se lo denomina ¨moderno¨ está conformado por apenas el 0,77% de
estudiantes y se diferencia del primer grupo porque ellos miran 70 videos a la semana para
entender las materias, también realizan 9 post a la semana para temas académicos.
62
Figura 32. Perfil Académico del uso de InternetElaboración: Elaboración propia.
4.5.2. Perfiles para actividades de entretenimiento.
Este perfil se clasifico en base al uso que se le da al internet para realizar actividades
relacionadas con el entretenimiento del estudiante, para lo cual se toma en cuenta las
variables más relevantes, las cuales se obtuvo de la pregunta 11 de la encuesta.
Luego de obtener la media de cada variable se consideró que las variables más relevantes
son 3 estas son:
Aproximadamente cuantas horas a la semana chateas por diversión.
Aproximadamente cuántas horas a la semana utilizas redes sociales por
diversión.
Aproximadamente cuántos videos para entretenimiento miras en youtube
cada semana.
¿Cuántos post otweets sobre
temas académicosrealizas en las
redes sociales porsemana?
¿Aproximadamente cuántas horaschateas sobre
temas académicospor semana?
¿Aproximadamente cuántas horas
buscasinformación
académica eninternet por
semana?
¿Para entender lasmaterias, cuántosvideos miras enyoutube cada
semana?
NORMAL 1,14 1,85 3,46 2,85MODERNO 8,75 ,75 1,50 70,00
0,0010,0020,0030,0040,0050,0060,0070,0080,00
Perfil Académico
63
Clasificación y Verificación.
Luego se realizó la clasificación en grupos en base a características similares de los datos,
se utilizó el algoritmos de clusterizacion K medias para obtener grupos de 2, 3 y 4 (Anexo 9,
10, 11).
Se aplicó el analices Clúster con el programa SPSS (versión 22) y se verifico la creación de
los grupos con análisis discriminante, donde las variables dependientes son los grupos
creados en el análisis clúster y las variables independientes son aquellas variables
relevantes del perfil de entretenimiento.
En el análisis discriminante (Anexo 12, 13, 14) se obtuvo como resultado que los grupos de
2, 3 y 4 dan un porcentaje de 99,6%.
Al obtener en los grupos un porcentaje de exactitud de 99,6%, para realizar una mejor
interpretación de los datos se toma en cuenta el grupo de 2.
Descripción de los grupos.
Para el Perfil de Entretenimiento se consiguió dos grupos (fig. 33) el primer grupo que se lo
nombro ¨moderno¨ el cual está conformado por el 2,89% de estudiantes, y se caracteriza por
que ellos miran 109 videos para su entretenimiento, utilizan redes social 30 horas a la
semana y chatean 31 horas a la semana.
Mientras que el grupo 2 nombrado como ¨normal¨ que está conformado por el 97% de
estudiantes, en el cual se encontró que chatean por diversión 6 horas a la semana, 5 horas
a la semana utilizan redes sociales y apenas miran 7 videos a la semana para el
entretenimiento.
64
Figura 33. Perfil de Entretenimiento del uso de InternetElaboración: Elaboración propia.
¿ Aproximadamentecuántas horas a la
semana chatea pordiversión?
¿Aproximadamentecuántas horas a la
semana utiliza redessociales?
¿Aproximadamentecuántos videos para
entretenimiento miraen youtube cada
semana?MODERNO 30,93 29,60 108,80NORMAL 5,97 5,35 7,37
0,0020,0040,0060,0080,00
100,00120,00
Títu
lo d
el e
jePerfil Entretenimiento
CAPÍTULO V
5. ANÁLISIS DE RESULTADOS.
66
En este capítulo se analizaran las relaciones existentes entre las variables
sociodemográficas las variables destacadas y los perfiles de los estudiantes que sirven para
la comprobación de las hipótesis planteadas en el presente proyecto.
Para lo cual tenemos:
Variables Sociodemográficas: Edad, Género, Ingresos.
Variables Destacadas: Lugar de conexión, días de conexión, horas de conexión, años de
conexión, nivel de conocimiento.
Perfiles: Perfiles de uso de internet para actividades académicas y perfiles de uso de
internet para actividades de entretenimiento.
Para las relaciones de variables numéricas se utilizara R de Pearson, para variables
categóricas utilizaremos Chi cuadrado, y para variables de tipo ordinales utilizaremos Tau b
y Tau c de Kendall
5.1. Relaciones de la variable edad y las variables destacadas.
Realizando el cruce de variables entre la variable edad y las variables destacadas
encontramos como significativas las siguientes relaciones.
5.1.1. Relación entre edad y horas de conexión.Al ser variables numéricas se utilizó R de Pearson para encontrar los valores de la relación,
en la cual se obtuvo. Tabla 19.
Tabla 19. R de Pearson para tabulación cruzada entre edad y horas de conexión.
¿Cuál es suedad?
¿Aproximadamente cuántas horas seconecta cada día?
¿Cuál es su edad? Correlación dePearson 1 ,147**
Sig. (bilateral) ,001N 518 518
¿Aproximadamente cuántas horas seconecta cada día?
Correlación dePearson ,147** 1
Sig. (bilateral) ,001N 518 518
**. La correlación es significativa en el nivel 0,01 (2 colas).Elaboración: Elaboración propia.
67
Se obtuvo un valor de significancia de 0,001 lo que implica que la variable edad y la variable
horas de conexión tienen una relación por lo tanto son dependientes con índice de
correlación de 0,147** podemos decir que a mayor edad mayor serán las horas de conexión
de los estudiantes y esto se puede dar por que la mayoría de estudiantes tienen acceso a
internet desde sus casas 71% por lo que tienen la facilidad de acceder cuando ellos lo
requieran.
En comparación con los estudios realizados por Livingstone & Helsper (2007) donde se
encontró que los niños y jóvenes de 9 a 19 años del Reino Unido se conectan a la red a
diario y semanalmente con porcentajes de 41% y 42% los más altos respectivamente,
teniendo en cuenta que la gran mayoría de estudiantes tienen acceso a internet desde sus
colegios 92% y desde sus casas 74%, considerando la diferencia de años entre estos
estudio podemos decir que la diferencia es que en el Reino Unido los estudiantes tienen
más tiempo de conexión desde sus instituciones educativas.
5.1.2. Relación entre edad y años de conexión.
Al ser variables numéricas se utilizó R de Pearson (Tabla 20) para encontrar los valores de
la relación, en la cual se obtuvo un valor significativo lo que nos indica que a mayor edad
mayor será la cantidad de años de experiencia que se adquieran en la utilización de internet,
esto se puede dar por varios factores ya sea por el fácil acceso a internet, por el nivel de
estudios, por el tipo de trabajo, por el tipo de uso, etc.
Tabla 20. R de Pearson para tabulación cruzada entre edad y años de conexión.
¿Cuál es suedad?
¿Hace cuántos años se conecta aInternet?
¿Cuál es su edad? Correlación dePearson 1 ,186**
Sig. (bilateral) ,000N 518 518
¿Hace cuántos años se conecta aInternet?
Correlación dePearson ,186** 1
Sig. (bilateral) ,000N 518 518
**. La correlación es significativa en el nivel 0,01 (2 colas).Elaboración: Elaboración propia.
68
5.1.3. Relación entre edad y perfiles de uso de Internet para actividadesacadémicas y de entretenimiento.
En nuestra investigación al tratarse de estudiantes de colegio con edades desde 13 a 20
años y con estudios solo hasta bachillerato nos podemos referir solo a los usos que los
estudiantes hacen a la hora de la utilizar internet para temas académicos y en el aspecto de
entretenimiento.
En lo referente al aspecto académico se encontró valores significativos con la variable de
horas de chat sobre temas académicos con un valor de 0,019 de significancia y una
correlación de Pearson de 0,103*, (Tabla 21) también con la variable de horas de búsqueda
información académica con una significancia de 0,002 y una correlación de Pearson de
0,103* (Tabla 22) por lo que se puede decir que a mayor edad mayor será la cantidad de
horas que se utiliza internet para chat y para buscar información sobre temas académicos.
Tabla 21. R de Pearson para tabulación cruzada entre edad y horas de chat académico.
¿Cuál essu edad?
¿Aproximadamente cuántas horaschateas sobre temas académicos por
semana?¿Cuál es su edad? Correlación de
Pearson 1 ,103*
Sig. (bilateral) ,019N 518 518
¿Aproximadamente cuántas horaschateas sobre temas académicos porsemana?
Correlación dePearson ,103* 1
Sig. (bilateral) ,019N 518 518
*. La correlación es significativa en el nivel 0,05 (2 colas).Elaboración: Elaboración propia.
Tabla 22. R de Pearson para tabulación cruzada entre edad y horas de información académica.
¿Cuál essu edad?
¿Aproximadamente cuántas horasbuscas información académica en
internet por semana?¿Cuál es su edad? Correlación de
Pearson 1 ,134**
Sig. (bilateral) ,002N 518 518
¿Aproximadamente cuántas horasbuscas información académica eninternet por semana?
Correlación dePearson ,134** 1
Sig. (bilateral) ,002N 518 518
**. La correlación es significativa en el nivel 0,01 (2 colas).Elaboración: Elaboración propia.
En el aspecto del perfil de usos de internet para el entretenimiento no se encontró relacionessignificativas con respecto a la edad.
69
5.2. Relaciones de las variables género y las variables destacadas.
Entre las relaciones más significativas que existieron entre la variable género y las variablesdestacadas tenemos.
5.2.1. Relación de la variables género y nivel de conocimiento
Al ser la variable genero de tipo categórica se tomara los valores de Chi cuadrado para
relacionar con otra variable categórica y para relacionar con variables numéricas se tomaran
los valores de Tau c y Tau b de Kendall respectivamente.
Para la relación entre la variable género y la variable nivel de conocimiento (Tabla 23) se
obtuvo un valor de significancia de 0,001 que implica que la variable género y la variable
nivel de conocimiento tienen asociación por lo tanto son dependientes, con un valor Tau c
de Kendall de -0,162 (Tabla 24) es decir las mujeres aumentan progresivamente su nivel de
conocimiento más que los hombres, esto se puede dar por diversos factores uno de ellos
puede ser que los estudiantes siguen cursos extra clases que les ayuda a mejorar su
capacidades de utilización de internet.
Tabla 23. Tabulación cruzada entre género y nivel de conocimiento.
Cuál es su género
De 1 a 10 su nivel de conocimientos en el manejo de Internet es:
Total1 2 3 4 5 6 7 8 9 10
Hombre Recuento 1 5 6 9 28 28 43 84 46 41 291
% del total 0,2% 1,0% 1,2% 1,7% 5,4% 5,4% 8,3% 16,2% 8,9% 7,9% 56,2%
Mujer Recuento 6 8 9 15 24 22 37 50 43 13 227
% del total 1,2% 1,5% 1,7% 2,9% 4,6% 4,2% 7,1% 9,7% 8,3% 2,5% 43,8%
Total Recuento 7 13 15 24 52 50 80 134 89 54 518
% del total 1,4% 2,5% 2,9% 4,6% 10,0% 9,7% 15,4% 25,9% 17,2% 10,4% 100,0%Elaboración: Elaboración propia.
Tabla 24. Tau c de Kendall para tabulación cruzada entre género y nivel de conocimento.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall -,125 ,038 -3,302 ,001
Tau-c de Kendall -,162 ,049 -3,302 ,001
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.Elaboración: Elaboración propia.
70
5.2.2. Relación de las variables género y perfiles de uso de Internet paraactividades académicas y de entretenimiento.
Al relacionar género con la variable horas chat en el aspecto académico se obtuvo un valor
de significancia de 0,002 con una medida de correlación de Tau c de Kendall igual a 0,146
donde los hombres pasan más tiempo chateando para temas académicos. También se
encontró un valor significativo de 0,000 con la relación de la variable juegos en línea con una
medida de correlación de Tau c de Kendall igual a 0,267 donde los hombres pasan más
horas utilizando internet para juegos en línea en relación con las mujeres.
En comparación con los estudios realizados por Castaño y otros (2009) en Europa se
encontró que los hombres superar en gran porcentaje en los aspectos de uso de internet a
nivel de la comunicación y a nivel de ocio, pues se obtuvo resultados similares en esta
investigación.
5.3. Relaciones de las variables nivel de ingresos y las variables destacadas.
Para las relaciones de la variable nivel de ingresos y las variables destacadas se tomara
como variable categórica a nivel de ingresos y se utilizara los coeficiente se correlación de
Tau c y Tau b de Kendall para medir la relaciones.
5.3.1. Relación de las variables nivel de ingresos y lugar de conexión.
Se obtuvo una significancia de 0,000 que implica que la variable ingresos y la variable lugar
de conexión tienen asociación por lo tanto son dependientes, con un valor de coeficiente
Tau b de Kendall de -0,153 (Tabla 25) en donde a mayor nivel de ingresos mensuales
menor es el porcentaje de conexión a los diferentes lugares de conexión.
71
Tabla 25. Tau b de Kendall para tabulación cruzada entre ingresos y lugar de conexión.Los ingresos
mensuales de sufamilia son de:
¿Desde dónde se conectahabitualmente a Internet?(escoja solo una opción)
tau_b deKendall
Los ingresos mensuales desu familia son de:
Coeficiente decorrelación 1,000 -,153**
Sig. (bilateral) . ,000N 518 518
¿Desde dónde se conectahabitualmente a Internet?(escoja solo una opción)
Coeficiente decorrelación -,153** 1,000
Sig. (bilateral) ,000 .N 518 518
**. La correlación es significativa en el nivel 0,01 (2 colas).Elaboración: Elaboración propia.
Esto se puede dar por que la mayor parte de estudiantes tienen acceso a internet desde sus
casas 71% y porque su nivel de estudios es de bachillerato no tienen la necesidad de
conectarse desde otros lugares solamente se conectan desde sus hogares.
En comparación con los estudios realizados por Livingstone & Helsper (2007) donde los
estudiantes que tienen mejores ingresos pues tienen también conexión a internet en varios
lugares, por lo que mejoran sus conocimientos en todo los usos que ellos de dan a internet,
en nuestro caso de estudio es muy diferente ya que no tiene mucha relevancia el tener un
nivel de ingresos superior para poder acceder a internet en todo lugar.
72
5.3.2. Relación de las variables nivel de ingresos y días de conexión.
Para la relación entre la variable nivel de ingresos y días de conexión se obtuvo la siguientetabla cruzada Tabla 26.
Tabla 26.Tabulación cruzada entre ingresos y días de conexión.De 1 a 7, ¿cuántos días a la semana se conecta
Internet?Total1 2 3 4 5 6 7
Los ingresos
mensuales de su
familia son de:
Hasta 350dólares
Recuento 13 28 39 28 27 16 52 203Recuentoesperado 11,0 18,8 29,8 24,7 27,8 18,4 72,5 203,0
% del total 2,5% 5,4% 7,5% 5,4% 5,2% 3,1% 10,0% 39,2%Hasta 600dólares
Recuento 12 14 21 19 23 17 55 161Recuentoesperado 8,7 14,9 23,6 19,6 22,1 14,6 57,5 161,0
% del total 2,3% 2,7% 4,1% 3,7% 4,4% 3,3% 10,6% 31,1%Hasta1000dólares
Recuento 0 4 11 12 9 9 43 88Recuentoesperado 4,8 8,2 12,9 10,7 12,1 8,0 31,4 88,0
% del total 0,0% 0,8% 2,1% 2,3% 1,7% 1,7% 8,3% 17,0%Hasta1.500dólares
Recuento 2 2 1 0 7 4 20 36Recuentoesperado 1,9 3,3 5,3 4,4 4,9 3,3 12,9 36,0
% del total 0,4% 0,4% 0,2% 0,0% 1,4% 0,8% 3,9% 6,9%Más de1.500dólares
Recuento 1 0 4 4 5 1 15 30Recuentoesperado 1,6 2,8 4,4 3,6 4,1 2,7 10,7 30,0
% del total 0,2% 0,0% 0,8% 0,8% 1,0% 0,2% 2,9% 5,8%Total Recuento 28 48 76 63 71 47 185 518
Recuentoesperado 28,0 48,0 76,0 63,0 71,0 47,0 185,0 518,0
% del total 5,4% 9,3% 14,7% 12,2% 13,7% 9,1% 35,7% 100,0%Elaboración: Elaboración propia.
Tabla 27. Tau c de Kendall para tabulación cruzada entre ingresos y días de conexión
ValorError estándar
asintóticoa Aprox. Sb Aprox. Sig.Nominal por Nominal Coeficiente de contingencia ,292 ,002Ordinal por ordinal Tau-c de Kendall ,191 ,032 5,946 ,000N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.Elaboración: Elaboración propia.
Se obtuvo un valor de significancia de 0,000 (Tabla 27) lo que indica que la variable ingresos
y la variable días de conexión tienen una asociación, por lo tanto son dependientes, con un
valor de coeficiente de Tau c de Kendall 0,191 por lo que podemos decir que a mayores
ingresos mensuales mayores serán los días de conexión.
73
Esto se puede dar por que las personas que tienen mayores ingresos tienen la posibilidad
de conseguir mejor infraestructura, mejor tecnología y mejores planes de internet por lo que
pueden acceder a internet todos los días de la semana.
5.3.3. Relación de las variables nivel de ingresos y nivel de conocimiento.
Para la relación de las variables nivel de ingresos y nivel de conocimiento se obtuvo lasiguiente tabla cruzada Tabla 28.
Tabla 28. Tabulación cruzada entre ingresos y nivel de conocimientos.
Ingresos mensuales
De 1 a 10 su nivel de conocimientos en el manejo de Internet es:
Total1 2 3 4 5 6 7 8 9 10
Hasta 350
dólares
Recuento 4 7 6 18 31 23 28 41 27 18 203
% del
total0,8% 1,4% 1,2% 3,5% 6,0% 4,4% 5,4% 7,9% 5,2% 3,5% 39,2%
Hasta 600
dólares
Recuento 1 2 7 3 14 20 30 45 24 15 161
% del
total0,2% 0,4% 1,4% 0,6% 2,7% 3,9% 5,8% 8,7% 4,6% 2,9% 31,1%
Hasta 1000
dólares
Recuento 0 1 1 1 5 5 13 27 24 11 88
% del
total0,0% 0,2% 0,2% 0,2% 1,0% 1,0% 2,5% 5,2% 4,6% 2,1% 17,0%
Hasta 1.500
dólares
Recuento 2 0 1 1 2 1 5 11 10 3 36
% del
total0,4% 0,0% 0,2% 0,2% 0,4% 0,2% 1,0% 2,1% 1,9% 0,6% 6,9%
Más de 1.500
dólares
Recuento 0 3 0 1 0 1 4 10 4 7 30
% del
total0,0% 0,6% 0,0% 0,2% 0,0% 0,2% 0,8% 1,9% 0,8% 1,4% 5,8%
Total Recuento 7 13 15 24 52 50 80 134 89 54 518
% del
total1,4% 2,5% 2,9% 4,6% 10,0% 9,7% 15,4% 25,9% 17,2% 10,4% 100,0%
Elaboración: Elaboración propia.
74
Tabla 29. Tau c de Kendall para tabulación cruzada entre ingresos y nivel de conocimientos.
ValorError estándar
asintóticoaAprox.
SbAprox.
Sig.Nominal porNominal
Coeficiente decontingencia ,352 ,000
Ordinal por ordinal Tau-c de Kendall ,181 ,035 5,223 ,000N de casos válidos 518a. No se supone la hipótesis nula.b. Utilización del error estándar asintótico que asume la hipótesis nula.
Elaboración: Elaboración propia.
Se obtuvo un valor de significancia de 0,000 (Tabla 29) lo que implica que la variable
ingresos y la variable nivel de conocimientos si tienen asociación por lo tanto son
dependientes con una medida de coeficiente de Tau c de Kendall de 0,181 donde a mayor
ingresos mensual mayor será el nivel de conocimiento.
Esto se da por que los estudiantes que pertenecen a familias de nivel de ingreso altos tienen
la facilidad de adquirir tanto la tecnología como la infraestructura necesaria para acceder a
internet todo el tiempo que sea posible con lo cual adquieren nuevos conocimientos en
todos los ámbitos, ya sea para manejo de un Smartphone, una laptop así como también
adquieren habilidades para realizar búsquedas de información de una manera más eficiente.
5.3.4. Relación de las variables nivel de ingresos y perfiles de uso de internetpara actividades académicas y de entretenimiento.
Entre el Nivel de ingresos y horas de chat para actividades académicas se encontró una
significancia de 0,022 por lo que la variable ingresos y la variable horas de chat para
actividades académicas tienen asociación y un coeficiente de Tau c de Kendall de 0,077
(Tabla 30) donde a mayor ingresos mensuales mayor será la cantidad de horas que los
estudiantes utilicen el internet para chatear sobre actividades académicas.
75
Tabla 30. Tau c de Kendall para ingresos y horas de chat para actividades académicas.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,084 ,036 2,291 ,022
Tau-c de Kendall ,077 ,034 2,291 ,022
Correlación de Spearman ,100 ,044 2,283 ,023c
Intervalo por intervalo R de persona ,090 ,057 2,061 ,040c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y buscar información para actividades académicas se encontró
una significancia de 0,030 (Tabla 31) donde la variable ingresos y la variable búsqueda de
información para actividades académicas tienen asociación y un coeficiente de Tau c de
Kendall de 0,075 donde a mayor ingresos mensuales mayor será la cantidad de horas que
los estudiantes utilicen el internet para buscar información sobre actividades académicas.
Tabla 31. Tau c de Kendall para ingresos y buscar información para actividades académicas.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,078 ,036 2,172 ,030
Tau-c de Kendall ,075 ,035 2,172 ,030
Correlación de Spearman ,095 ,044 2,178 ,030c
Intervalo por intervalo R de persona ,069 ,050 1,569 ,117c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y horas de chat por diversión se encontró una significancia de
0,000 donde la variable ingresos y la variable horas de chat por diversión tienen asociación y
un coeficiente de Tau c de Kendall de 0,168 (Tabla 32) donde a mayor ingresos mensuales
mayor será las horas que los estudiantes utilicen el internet para chatear por diversión.
76
Tabla 32. Tau c de Kendall para ingresos y horas de chat por diversión.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,169 ,033 5,071 ,000
Tau-c de Kendall ,168 ,033 5,071 ,000
Correlación de Spearman ,214 ,042 4,977 ,000c
Intervalo por intervalo R de persona ,179 ,051 4,138 ,000c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y horas de redes sociales se encontró una significancia de 0,000
lo que implica que las variables tienen asociación y un coeficiente de Tau c de Kendall de
0,173 (Tabla 33) donde a mayor ingresos mensuales mayor será las horas que los
estudiantes utilicen el internet para de redes sociales.
Tabla 33. Tau c de Kendall para ingresos y horas de redes sociales.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,173 ,033 5,221 ,000
Tau-c de Kendall ,173 ,033 5,221 ,000
Correlación de Spearman ,220 ,042 5,134 ,000c
Intervalo por intervalo R de persona ,173 ,052 3,986 ,000c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y horas de juegos en línea se encontró una significancia de 0,028
lo que nos demuestra que las variables tienen asociación y presentaron un coeficiente de
Tau c de Kendall de 0,075 (Tabla 34) donde a mayor ingresos mensuales mayor será las
horas que los estudiantes utilicen el internet para juegos en línea.
77
Tabla 34. Tau c de Kendall para ingresos y horas de juegos en línea.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,080 ,036 2,195 ,028
Tau-c de Kendall ,075 ,034 2,195 ,028
Correlación de Spearman ,098 ,044 2,240 ,026c
Intervalo por intervalo R de persona ,085 ,033 1,931 ,054c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y horas de descarga de música y videos se encontró una
significancia de 0,002 por lo que las variables tienen asociación y un coeficiente de Tau c de
Kendall de 0,107 (Tabla 35) donde a mayor ingresos mensuales mayor será las horas que
los estudiantes utilicen el internet para descarga música y videos.
Tabla 35. Tau c de Kendall para ingresos y horas de descarga de música y videos.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,110 ,035 3,133 ,002
Tau-c de Kendall ,107 ,034 3,133 ,002
Correlación de Spearman ,137 ,043 3,132 ,002c
Intervalo por intervalo R de persona ,121 ,049 2,768 ,006c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Entre el nivel de ingresos y cuantos videos de youtube se encontró una significancia de
0,000 demostrando que las variables tienen asociación y un coeficiente de Tau c de Kendall
de 0,156 (Tabla 36) donde a mayor ingreso mensual mayor será la cantidad de videos que
los estudiantes miren en youtube.
78
Tabla 36. Tau c de Kendall para ingresos y cuantos videos de youtube.
Valor
Error estándar
asintóticoa Aprox. Sb Aprox. Sig.
Ordinal por ordinal Tau-b de Kendall ,155 ,034 4,537 ,000
Tau-c de Kendall ,156 ,034 4,537 ,000
Correlación de Spearman ,197 ,043 4,573 ,000c
Intervalo por intervalo R de persona ,151 ,059 3,463 ,001c
N de casos válidos 518
a. No se supone la hipótesis nula.
b. Utilización del error estándar asintótico que asume la hipótesis nula.
c. Se basa en aproximación normal.Elaboración: Elaboración propia.
Los resultados encontrados en lo que respecta a nivel de ingresos y los perfiles de usos de
internet en actividades académicas se obtuvo solamente dos variables significantes, horas
de chat para actividades académicas y buscar información para actividades académicas ya
que los estudiantes en su gran mayoría pertenecen al nivel de ingresos de 350 dólares
mensuales y solo tienen acceso desde sus casas utilizan internet solo en estos dos
aspectos académicos, mientras que para el perfil de entretenimiento todas las variables son
significantes.
5.4. Verificación de las hipótesis.
En esta fase utilizaremos la técnica de minería de datos llamada regresión logística binomial
para la verificación de las hipótesis, por lo que se podrá aceptar o rechazar las hipótesis en
base a los distintos valores que obtengamos del proceso.
5.4.1. Verificación de la hipótesis 1: El nivel de ingresos incide en el uso deInternet para actividades académicas de los estudiantes.
Primero plantearemos Ho Hipótesis Nula y H1 Hipótesis Alternativa las cuales son:
Ho. El nivel de ingresos no determina como se utiliza internet en lo académico.
H1. El nivel de ingresos determina como se utiliza internet en lo académico.
Para el proceso utilizaremos el conglomerado del perfil académico que se obtuvo en el
clúster de 2 grupos (Anexo 3), los cuales son el grupo normal y el grupo moderno que
79
serán las variables dependientes, mientras que para la variable independiente se utilizara
los ingresos de las familias que están en 5 categorías.
En la utilización del modelo de Regresión Logística Binomial (Tabla 37) se comprobó que el
modelo se ajusta a los datos al obtener un valor de Nagelkerke=0,941, equivalente a un
porcentaje de 94,1%, en la verificación de los coeficientes de las variables independientes
se utilizó la prueba de Wald (Tabla 19) en la cual se obtuvo 2 valores significativos para la
variable ingresos 1 e ingresos 2 (p=0,000; p<0,005), por lo que podemos decir que no se
rechaza la hipótesis nula donde los niveles de ingresos no determinan como se utiliza el
internet para actividades académicas.
De igual forma se puede apreciar que para el modelo de OR (probabilidad) de pertenecer al
perfil académico normal con respecto a pertenecer al perfil académico moderno es de
0,005 veces menor cuando el estudiante pertenece al nivel de ingresos 1 respecto a ingreso
5 (OR=0,005, (IC 95% 0,001 – 0,035) p= 0,005) y también el valor de OR de pertenecer al
perfil académico normal con respecto a pertenecer al perfil académico moderno es de
0,019 veces menor cuando el estudiante pertenece al nivel de ingresos 2 respecto al ingreso
5 (OR=0,019, (IC 95% 0,006 – 0,060) p= 0,019).
Tabla 37. Modelo de Regresión Logística Binomial de perfiles de uso de Internet en actividadesacadémicas e Ingresos.
B Error estándar Wald gl Sig. Exp(B)
95% C.I. para
EXP(B)
Inferior Superior
Paso 1a INGRESOS 74,300 4 ,000
INGRESOS(1) -5,308 1,002 28,039 1 ,000 ,005 ,001 ,035
INGRESOS(2) -3,964 ,583 46,261 1 ,000 ,019 ,006 ,060
INGRESOS(3) -21,203 4284,585 ,000 1 ,996 ,000 ,000 .
INGRESOS(4) -21,203 6698,828 ,000 1 ,997 ,000 ,000 .
a. Variables especificadas en el paso 1: INGRESOS.Elaboración: Elaboración propia.
80
5.4.2. Verificación de la hipótesis 2: El nivel de ingresos incide en el uso deInternet para actividades de entretenimiento de los estudiantes.
Para Ho Hipótesis Nula y H1 Hipótesis Alternativa se tiene
Ho. El nivel de ingresos no determina como se utiliza internet en el entretenimiento.
H1. El nivel de ingresos determina como se utiliza internet en el entretenimiento.
Para el proceso utilizaremos el conglomerado del perfil entretenimiento que se obtuvo en el
clúster de 2 grupos (Anexo 9), los cuales son el grupo moderno y el grupo normal que
serán las variables dependientes, mientras que para la variable independiente se utilizara
los ingresos mensuales que están en 5 categorías, por lo cual se tomara la categoría que
obtuvo mayor porcentaje que es el nivel de ingresos 1 como referencia para la
comprobación de la hipótesis.
Utilizando el modelo de Regresión Logística Binomial (Tabla 38) en la cual se obtuvo un
valor de Nagelkerke=0,892 equivalente 89,2%, pudiendo decir que el modelo se ajusta a los
datos, en la verificación de los coeficientes de las variables independientes se utilizó la
prueba de Wald (Tabla 20) en la que todos las variables alcanzaron valores significativos
(p=0,000; p<0,005), por lo que podemos decir que se rechaza la hipótesis nula y se acepta
la hipótesis alternativa donde los niveles de ingresos si determinan como se utiliza el internet
para actividades de entretenimiento.
De igual manera se puede apreciar que para el modelo de OR (probabilidad) de pertenecer
al perfil entretenimiento normal con respecto a pertenecer al perfil entretenimiento modernoes de 49,7 veces mayor cuando el estudiante pertenece al nivel de ingresos 1 respecto a
ingreso 5 (OR=49,7; (IC 95% 18,49 – 133,8) p= 0,000) es 52,6 veces mayor cuando el
estudiante pertenece al nivel de ingresos 2 con respecto al nivel 5 (OR=52,6; (IC 95% 16,8 –
165,0) p= 0,000) es 43,0 veces mayor cuando el estudiante pertenece al nivel de ingresos 3
con respecto al nivel 5 (OR=43,0; (IC 95% 10,5 – 174,7) p= 0,000) es 17 veces mayor
cuando el estudiante pertenece al nivel de ingresos 4 con respecto al nivel 5 (OR=17,0; (IC
95% 4,08 – 70,7).
Se puede apreciar que en los dos primeros niveles a mayor nivel de ingresos mayor es la
probabilidad de pertenecer al perfil moderno, mientras que en los niveles de ingresos 3 y 4
esa tendencia es menos influyente e inversa, por lo que podemos decir que existe una
incidencia de los ingresos en los niveles más bajas de ingresos familiares y esta desaparece
en los niveles de ingresos medio y altos.
81
Tabla 38. Modelo de Regresión Logística Binomial de perfiles de uso de Internet para elentretenimiento e Ingresos.
B
Error
estándar Wald gl Sig. Exp(B)
95% C.I. para
EXP(B)
Inferior Superior
Paso1a INGRESOS 148,929 4 ,000
INGRESOS(1) 3,907 ,505 59,856 1 ,000 49,750 18,490 133,860
INGRESOS(2) 3,964 ,583 46,261 1 ,000 52,667 16,805 165,052
INGRESOS(3) 3,761 ,715 27,650 1 ,000 43,000 10,583 174,710
INGRESOS(4) 2,833 ,728 15,162 1 ,000 17,000 4,084 70,760a. Variables especificadas en el paso 1: INGRESOS.Fuente: Milton Alvarado.
En base a los resultados se puede decir que los estudiantes utilizan internet más para
aspectos de entretenimiento que para el aspecto académico, en comparación con los
estudios realizados en Chile por Ayala (2007) encontró que las personas que están en los
niveles de ingresos bajos son los que utilizan internet para el entretenimiento más que para
usos de servicios, usos sociales y usos de información, que es similar a lo que hemos
obtenido en nuestros resultados.
82
CONCLUSIONES.
En base a los resultados obtenidos en los diferentes procesos que se implementó en cada
una de las fases podemos decir que:
Se encontró que la mayor parte de estudiantes están en el nivel de ingresos
económico de 350 dólares y en su mayoría se conecta desde sus casas y a
pesar de haber encontrado relaciones significativas entre la variable ingresos y
las variables destacadas en el modelo utilizando regresión logística binomial se
encontró solo dos coeficientes con valores significativos, se determina que los
ingresos no inciden en el uso de internet para actividades académicas. En base
a los resultados obtenidos se puede decir que los estudiantes de los colegios de
la ciudad de Loja a pesar de tener un bajo nivel de ingresos económicos tienen
acceso al internet todo el tiempo y desde la comodidad de sus hogares.
En lo que respecta al perfil académico se pudo notar una gran diferencia en la
variable ¿cuantos videos miras en youtube para entender las materias? En
relación del perfil Normal con el perfil Moderno, concluyendo que los estudiantes
que pertenecen al perfil Moderno utilizan en gran medida este portal (Youtube)
para ayudarse en temas académicos.
Podemos concluir que el nivel de ingresos no afecta como los estudiantes
utilizan el internet a nivel académico, lo que sí es relevante es que en las
instituciones educativas el uso de internet es muy bajo y la mayoría de
estudiantes no utiliza las diversas redes sociales y formas de comunicación
como son Whatsapp, Twitter, mensajes por celular no los usas para temas
académicos.
Se puede concluir que los estudiantes de la ciudad de Loja utilizan en gran
medida el internet para actividades de entretenimiento porque se encontró que la
mayor parte de estudiantes utilizan el internet para chatear por diversión,
descargar videos y música, para juegos en línea y para redes sociales. Por lo
que se debería adoptar en los planteles educativos algunos métodos o maneras
de inculcar a los estudiantes el uso adecuado del internet y aprovecharlo en el
ambiente de aprendizaje para obtener mejores resultados a nivel académico.
83
En lo que respecta al perfil de entretenimiento se pudo obtener una gran
diferencia en la variable ¿cuantos videos miras en youtube para el
entretenimiento? en relación del perfil Moderno con el perfil Normal, por lo que
se concluye que los estudiantes que pertenecen al perfil Moderno utilizan en
gran medida el portal Youtube para el entretenimiento.
En la utilización de dispositivos tecnologías se obtuve que los estudiantes en su
gran mayoría no utilizan el Smartphone ni computadores portales al máximo, por
lo que se puede concluir que los estudiantes de los colegios de la ciudad de Loja
no usan los dispositivos tecnológicos de la nueva era y esto puede ser porque en
su gran mayoría el nivel de ingresos de sus familias es muy bajo y no tienen el
suficiente recurso para adquirir dichos dispositivos tecnológicos.
84
ANEXOS
ANEXO 1. Encuestas aplicadas a los estudiantes.
Estimado estudiante, solicitamos su colaboración contestando esta encuesta que permitirádesarrollar una investigación para conocer el uso de internet en los colegios del Ecuador.
1. Responde la siguiente pregunta¿En qué colegio estudias?CiudadTipo (fiscal, privado, fiscomisional)
2. Responde la siguiente pregunta¿Cuál es su edad?
3. Responde la siguiente pregunta Hombre Mujer¿Cuál es su género? ( ) ( )
4. Los ingresos mensuales de tu familia son de:Hasta 350 dólares ( )Hasta 600 dólares ( )Hasta 1.000 dólares ( )Hasta 1.500 dólares ( )Más de 1.500 dólares ( )
5. ¿Desde dónde te conectas más a Internet? (escoge solo una opción)Desde la casa ( )Desde un cyber café ( )Desde el trabajo ( )Desde el colegio ( )Desde una red móvil (movistar, claro, cnt) ( )
6. Responde la siguiente pregunta 1 2 3 4 5 6 7De 1 a 7, ¿cuántos días a la semana te conectas Internet? () () () () () () ()
7. Responde la siguiente pregunta 1 2 3 4 5 6 7 8 9 10De 1 a 10 tu nivel de conocimientos en el manejo de Internet es: () () () () () () () () () ()
8. Responde las siguientes preguntas¿Aproximadamente cuántas horas te conectas cada día? ( ____ )¿Hace cuántos años te conectas a Internet? ( ____ )
9. En lo referente a las materias que estas estudiando SI NO ¿Cuántos mensajes envías porsemana?
Tienen algún grupo de Facebook para apoyarse con los temas de clases ( ) ( )Tienen algún grupo de Whatsapp para apoyarse con los temas de clases ( ) ( )Usas twitter apoyarte con los temas de clases ( ) ( )Usas la mensajería del celular para apoyarte con los temas de clases ( ) ( )¿Qué otro recurso utilizas para apoyarte en la comunicación?
85
10. En lo referente a las materias que estas estudiando¿Para entender las materias, cuántos videos miras en youtube cada semana? ( ____ )¿Cuántos post o tweets sobre temas académicos realizas en las redes sociales por semana? ( ____ )¿Aproximadamente cuántas horas chateas sobre temas académicos por semana? ( ____ )¿Aproximadamente cuántas horas buscas información académica en internet por semana? ( ____ )
11. En lo referente al entretenimiento y diversión en internet¿Aproximadamente cuántas horas a la semana chateas por diversión? ( ____ )¿Aproximadamente cuántas horas a la semana utilizas redes sociales por diversión? ( ____ )¿Aproximadamente cuántas horas a la semana utilizas juegos en línea? ( ____ )¿Aproximadamente cuántas horas a la semana descargas música, videos y programas? ( ____ )¿Aproximadamente cuántos videos para entretenimiento miras en youtube cada semana? ( ____ )
12. Responde las siguientes preguntas¿Aproximadamente cuántos seguidores tienes en twitter? ( ____ )¿Cuántos amigos tienes en facebook? ( ____ )¿Cuántos contactos tienes en LinkedIn? ( ____ )Otra red social: ¿Cuál? ( ____ )
13. Responda con una X en SI o NO a las siguientes preguntas SI NoTienes un blog ( ) ( )Tienes cuenta en youtube ( ) ( )Tienes cuenta en instagram ( ) ( )Tienes Whatsapp ( ) ( )
14. ¿Cuál es tu nivel de uso de los siguientes dispositivos? (1significa no usar y 10 significa utilizar al máximo)
1 2 3 4 5 6 7 8 9 10
Smartphone con cámara fotográfica y acceso a internet () () () () () () () () () ()Teléfono móvil con acceso a internet () () () () () () () () () ()Teléfono móvil sin acceso a internet () () () () () () () () () ()Computador portátil () () () () () () () () () ()Tablet (iPad; Galaxy Tab, Kindle, etc) () () () () () () () () () ()Cámara digital () () () () () () () () () ()iPod / MP3 Player () () () () () () () () () ()
15. De 1 a 10 valore los siguientes aspectos (1 significa no estar de acuerdo y 10 estar completamente de acuerdo)1 2 3 4 5 6 7 8 9 10
Internet te permite elaborar los trabajos más rápido y con menosesfuerzo
() () () () () () () () () ()
Tu confías en la información de internet para realizar sus tareas () () () () () () () () () ()Internet te permite prescindir de la Biblioteca () () () () () () () () () ()Internet facilita el proceso de aprendizaje () () () () () () () () () ()Internet te permite mejorar sus calificaciones () () () () () () () () () ()Tu presentas trabajos académicos copiados desde Internet () () () () () () () () () ()
16. Responda las siguientes preguntas referentes a susprofesores. (Se recomienda evaluar de forma general a todossus profesores)
SI NO Aveces
Tu profesor contesta sus consultas por correo electrónico ( ) ( ) ( )Chatea contigo sobre aspectos académicos ( ) ( ) ( )Tu profesor comenta en redes sociales sobre temas académicos ( ) ( ) ( )Te envía materiales digitales para que estudies ( ) ( ) ( )Te recomienda videos sobre temas académicos ( ) ( ) ( )Tu profesor tiene una página web, blog o perfil de facebook ( ) ( ) ( )Tu profesor tiene cuenta de twitter ( ) ( ) ( )
86
ANEXO 2. Entrevista a directivo de la institución
.
Guía para la entrevista a un(a) directivo de la institución educativa
1. Instalaciones físicas
¿Cuenta con salas de cómputo para los estudiantes?
¿Cuenta con Internet inalámbrico para los estudiantes?
¿Ancho de banda total?
¿Número de estudiantes?
¿Tiene software para la gestión académica y administrativa?
Desarrollo propio____________
Sistema comercial____________
Cuenta con un campus virtual (entorno virtual de aprendizaje)?
Desarrollo propio: ____________
Sistema comercial: ____________ Nombre:__________
No tiene_________
¿Los estudiantes se pueden matricular en línea?
¿Los estudiantes pueden consultar sus calificaciones en línea?
¿Los estudiantes y profesores tienen acceso a una biblioteca virtual?
¿Los profesores suben las calificaciones a Internet?
¿Qué porcentaje de profesores cuenta con un computador personal?
87
2. Políticas de uso de tecnología
¿Los docentes utilizan obligatoriamente elementos tecnológicos en sus actividades de enseñanza?
Si_____ NO_______
¿Cuenta la institución con un plan de formación de profesores en el uso de tecnologías para laeducación?
¿Aproximadamente qué porcentaje de sus profesores está capacitado en temas tecnológicos?
¿Aproximadamente qué porcentaje de sus profesores está capacitado en temas pedagógicos?
¿Tienen algún tipo de incentivo para los profesores que utilizan las tic en sus actividadesacadémicas?
88
ANEXO 3. Clúster de 2 para actividades académicas.
Centros de clústeres finales
Variables
Clúster
1 2
¿Cuántos post o tweets sobre temas académicos
realizas en las redes sociales por semana?1,14 8,75
¿Aproximadamente cuántas horas chateas sobre
temas académicos por semana?1,85 ,75
¿Aproximadamente cuántas horas buscas información
académica en internet por semana?3,46 1,50
¿Para entender las materias, cuántos videos miras en
youtube cada semana?2,85 70,00
ANOVAClúster Error
F Sig.Media
cuadrática glMedia
cuadrática gl¿Para entender lasmaterias, cuántosvideos miras enyoutube cadasemana?
17895,034 1 16,911 516 1058,191 ,000
¿Cuántos post otweets sobre temasacadémicos realizasen las redes socialespor semana?
229,855 1 5,401 516 42,562 ,000
¿Aproximadamentecuántas horaschateas sobre temasacadémicos porsemana?
4,787 1 6,304 516 ,759 ,384
¿Aproximadamentecuántas horas buscasinformaciónacadémica eninternet por semana?
15,174 1 21,966 516 ,691 ,406
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se hanelegido para maximizar las diferencias entre los casos de distintos clústeres. Los nivelesde significación observados no están corregidos para esto y, por lo tanto, no se puedeninterpretar como pruebas de la hipótesis de que los medias de clúster son iguales.
Número de casos en cadaclúster
Clúster 1 514,0002 4,000
Válido 518,000
Perdidos ,000
89
ANEXO 4. Clúster de 3 para actividades académicas.
Centros de clústeres finales
Variables
Clúster
1 2 3¿Cuántos post o tweets sobre temasacadémicos realizas en las redessociales por semana?
,00 1,15 8,75
¿Aproximadamente cuántas horaschateas sobre temas académicos porsemana?
14,6
01,72 ,75
¿Aproximadamente cuántas horasbuscas información académica eninternet por semana?
38,0
03,12 1,50
¿Para entender las materias, cuántosvideos miras en youtube cada semana? 3,40 2,85 70,00
ANOVA
Clúster Error
F Sig.
Media
cuadrática gl
Media
cuadrática gl¿Para entender lasmaterias, cuántosvideos miras en youtubecada semana?
8948,270 2 16,941 515 528,206 ,000
¿Cuántos post o tweetssobre temasacadémicos realizas enlas redes sociales porsemana?
118,209 2 5,398 515 21,898 ,000
¿Aproximadamentecuántas horas chateassobre temasacadémicos porsemana?
412,905 2 4,722 515 87,441 ,000
¿Aproximadamentecuántas horas buscasinformación académicaen internet por semana?
3020,242 2 10,309 515 292,970 ,000
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se han elegido para
maximizar las diferencias entre los casos de distintos clústeres. Los niveles de significación
observados no están corregidos para esto y, por lo tanto, no se pueden interpretar como pruebas de
la hipótesis de que los medias de clúster son iguales.
Número de casos en cada
clústerClúster 1 5,000
2 509,0003 4,000
Válido 518,000Perdidos ,000
90
ANEXO 5. Clúster de 4 para actividades académicas.
Centros de clústeres finalesClúster
1 2 3 4¿Para entender lasmaterias, cuántos videosmiras en youtube cadasemana?
3,40 90,00 29,44 2,56
¿Cuántos post o tweetssobre temas académicosrealizas en las redessociales por semana?
,00 7,50 4,33 1,13
¿Aproximadamente cuántashoras chateas sobre temasacadémicos por semana?
14,60 1,00 2,33 1,71
¿Aproximadamente cuántashoras buscas informaciónacadémica en internet porsemana?
38,00 1,50 3,00 3,11
ANOVAClúster Error
F Sig.Media
cuadrática glMedia
cuadrática gl¿Para entender lasmaterias, cuántosvideos miras enyoutube cadasemana?
7152,654 3 10,045 514 712,061 ,000
¿Cuántos post otweets sobre temasacadémicos realizasen las redes socialespor semana?
59,145 3 5,524 514 10,708 ,000
¿Aproximadamentecuántas horaschateas sobre temasacadémicos porsemana?
275,516 3 4,730 514 58,250 ,000
¿Aproximadamentecuántas horas buscasinformaciónacadémica en internetpor semana?
2011,797 3 10,339 514 194,583 ,000
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se hanelegido para maximizar las diferencias entre los casos de distintos clústeres. Los nivelesde significación observados no están corregidos para esto y, por lo tanto, no se puedeninterpretar como pruebas de la hipótesis de que los medias de clúster son iguales.
Número de casos en cadaclúster
Clúster 1 5,0002 2,0003 9,0004 502,000
Válido 518,000
Perdidos ,000
91
ANEXO 6. Discriminante de Clúster 2 para actividades académicas.
ANEXO 7. Discriminante de Clúster de 3 para actividades académicas.
Resultados de clasificación
Número de caso de clúster
Pertenencia a grupos
pronosticada
Total1 2 3
Original Recuento 1 5 0 0 5
2 0 509 0 509
3 0 0 4 4
% 1 100,0 ,0 ,0 100,0
2 ,0 100,0 ,0 100,0
3 ,0 ,0 100,0 100,0
a. 100,0% de casos agrupados originales clasificados correctamente.
Resultados de clasificación
Número de caso de clúster
Pertenencia a grupos
pronosticada
Total1 2
1 514 0 514
2 0 4 4
1 100,0 ,0 100,0
2 ,0 100,0 100,0
a. 100,0% de casos agrupados originales clasificados correctamente.
92
ANEXO 8. Discriminante del Clúster de 4 para actividades académicas.
Resultados de clasificación
Número de caso de clúster
Pertenencia a grupos pronosticada
Total1 2 3 4
Original Recuento 1 5 0 0 0 5
2 0 2 0 0 2
3 0 0 9 0 9
4 0 0 0 502 502
% 1 100,0 ,0 ,0 ,0 100,0
2 ,0 100,0 ,0 ,0 100,0
3 ,0 ,0 100,0 ,0 100,0
4 ,0 ,0 ,0 100,0 100,0
a. 100,0% de casos agrupados originales clasificados correctamente.
93
ANEXO 9. Clúster de 2 Grupos para el perfil entretenimiento.
Centros de clústeres finalesClúster
1 2¿Aproximadamente cuántashoras a la semana chateapor diversión?
30,93 5,97
¿Aproximadamente cuántashoras a la semana utilizaredes sociales?
29,60 5,35
¿Aproximadamente cuántosvideos para entretenimientomira en youtube cadasemana?
108,80 7,37
ANOVAClúster Error
F Sig.Media
cuadrática glMedia
cuadrática gl¿ Aproximadamentecuántas horas a lasemana chatea pordiversión?
9075,263 1 94,796 516 95,735 ,000
¿Aproximadamentecuántas horas a lasemana utiliza redessociales?
8565,575 1 83,058 516 103,127 ,000
¿Aproximadamentecuántos videos paraentretenimiento miraen youtube cadasemana?
149840,826 1 123,399 516 1214,274 ,000
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se hanelegido para maximizar las diferencias entre los casos de distintos clústeres. Los nivelesde significación observados no están corregidos para esto y, por lo tanto, no se puedeninterpretar como pruebas de la hipótesis de que los medias de clúster son iguales.
Número de casos en cadaclúster
Clúster 1 15,0002 503,000
Válido 518,000Perdidos ,000
94
ANEXO 10. Clúster de 3 Grupos para el perfil entretenimiento.
Centros de clústeres finalesClúster
1 2 3¿Aproximadamente cuántashoras a la semana chateapor diversión?
5,86 21,33 31,73
¿Aproximadamente cuántashoras a la semana utilizaredes sociales?
5,34 28,33 25,20
¿Aproximadamente cuántosvideos para entretenimientomira en youtube cadasemana?
7,08 172,67 85,60
Número de casos en cadaclúster
Clúster 1 500,0002 3,0003 15,000
Válido 518,000Perdidos ,000
ANOVAClúster Error
F Sig.Media
cuadrática glMedia
cuadrática gl¿Aproximadamentecuántas horas a lasemana chatea pordiversión?
5199,287 2 92,410 515 56,263 ,000
¿Aproximadamentecuántas horas a lasemana utiliza redessociales?
3619,847 2 85,794 515 42,192 ,000
¿Aproximadamentecuántos videos paraentretenimiento miraen youtube cadasemana?
84665,367 2 85,795 515 986,838 ,000
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se hanelegido para maximizar las diferencias entre los casos de distintos clústeres. Los niveles designificación observados no están corregidos para esto y, por lo tanto, no se puedeninterpretar como pruebas de la hipótesis de que los medias de clúster son iguales.
95
ANEXO 11. Clúster de 4 Grupos para el perfil entretenimiento.
Centros de clústeres finalesClúster
1 2 3 4¿Aproximadamente cuántashoras a la semana chateapor diversión?
20,23 21,33 55,50 5,86
¿Aproximadamente cuántashoras a la semana utilizaredes sociales?
9,31 28,33 67,00 5,34
¿Aproximadamente cuántosvideos para entretenimientomira en youtube cadasemana?
75,77 172,67 99,75 6,91
ANOVAClúster Error
F Sig.Media
cuadrática glMedia
cuadrática gl¿Aproximadamentecuántas horas a lasemana chatea pordiversión?
4299,464 3 87,726 514 49,010 ,000
¿Aproximadamentecuántas horas a lasemana utiliza redessociales?
5578,625 3 67,486 514 82,664 ,000
¿Aproximadamentecuántos videos paraentretenimiento miraen youtube cadasemana?
57517,557 3 79,693 514 721,738 ,000
Las pruebas F sólo se deben utilizar con fines descriptivos porque los clústeres se hanelegido para maximizar las diferencias entre los casos de distintos clústeres. Los nivelesde significación observados no están corregidos para esto y, por lo tanto, no se puedeninterpretar como pruebas de la hipótesis de que los medias de clúster son iguales.
Número de casos en cadaclúster
Clúster 1 13,0002 3,0003 4,0004 498,000
Válido 518,000Perdidos ,000
96
ANEXO 12. Discriminante para Clúster de 2 Grupos para el perfil entretenimiento.
Resultados de clasificación entretenimiento
Número de caso de clúster
Pertenencia a grupos pronosticada
Total1 2
Original Recuento 1 15 0 15
2 2 501 503
% 1 100,0 ,0 100,0
2 ,4 99,6 100,0
a. 99,6% de casos agrupados originales clasificados correctamente.
ANEXO 13. Discriminante para Clúster de 3 Grupos para el perfil entretenimiento.
Resultados de clasificación entretenimiento
Número de caso de clúster
Pertenencia a grupos pronosticada
Total1 2 3
Original Recuento 1 498 0 2 500
2 0 3 0 3
3 0 0 15 15
% 1 99,6 ,0 ,4 100,0
2 ,0 100,0 ,0 100,0
3 ,0 ,0 100,0 100,0
a. 99,6% de casos agrupados originales clasificados correctamente.
ANEXO 14. Discriminante para Clúster de 4 Grupos para el perfil entretenimiento.
Resultados de clasificación
Número de caso de clúster
Pertenencia a grupos pronosticada
Total1 2 3 4
Original Recuento 1 13 0 0 0 13
2 0 3 0 0 3
3 0 0 4 0 4
4 1 0 0 497 498
% 1 100,0 ,0 ,0 ,0 100,0
2 ,0 100,0 ,0 ,0 100,0
3 ,0 ,0 100,0 ,0 100,0
4 ,2 ,0 ,0 99,8 100,0
a. 99,6% de casos agrupados originales clasificados correctamente.
97
BIBLIOGRAFÍA.
Ángeles, M., y Santillán, A. (1988). Minería de datos: concepto, características, estructura yAplicaciones. Disponible en: http://www.ejournal.unam.mx/rca/190/RCA19007.pdf
Ayala, C. (2007). Relación entre el Uso de Internet y el Logro Académico. Disponible en:https://www.yumpu.com/es/document/view/14421262/tesis-relacion-entre-el-uso-de-internet-y-el-logro-academico.
Castaño, J. (2011). El uso de Internet para la interacción en el aprendizaje: un análisis de laeficacia y la igualdad en el Sistema Universitario Catalán. Disponible en:
http://www.tdx.cat/bitstream/handle/10803/52561/Tesis_Jonatan_Casta?o.pdf?sequence=1
Castaño, Martín, Vásquez, Martínez. (2009). La brecha digital de género, Amantes yDistantes. Disponible en:http://e-igualdad.net/sites/default/files/amantesydistantes_0.pdf castaño
DiMaggio, P., y Hargittai, E. (2001). From the “Digital Divide” to “Digital Inequality”: StudyingInternet use as Penetration Increases. Center for Arts and Cultural Policy Studies,Princeton University, 15. Disponible en:http://www.maximiseict.co.uk/WP15_DiMaggioHargittai.pdf
DiMaggio, P., Hargittai, E., Celeste, C., y Steven, S.(2004). From Unequal Access toDifferentiated Use.pdf. Disponible en:http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=59AA58310615E79B623EC1DE29EE7E83?doi=10.1.1.85.6001yrep=rep1ytype=pdf
Hargittai, E. (2002). Second-level digital divide: Differences in people’s online skills. FirstMonday, 7(4).
Hargittai, E. (2010). Digital Na(t)ives Variation in internet skills and uses among members ofthe “net Generation.” Sociological Inquiry, 80(1). Disponible en:http://www.webuse.org/pdf/Hargittai-DigitalNativesSI2010.pdf
Hernández, J., Ramírez, M. J., y Ferri, C. (2004). Introducción a la minería de datos(Reimpresa). Madrid, España: 2007.
98
Inec. (2013). Tecnologías de la Información y Comunicación (TIC’S). Instituto Nacional deEstadísticas Y Censos. Disponible en:http://www.ecuadorencifras.gob.ec/documentos/webinec/Estadisticas_Sociales/TIC/Resultados_principales_140515.Tic.pdf
Internet Society. (2014). Informe global de Internet 2014. In Open and Sustainable Accessfor All. Disponible en:http://www.internetsociety.org/sites/default/files/GIR_2014_Resumen_Ejecutivo.pdf
Jaramillo (2015) La educación virtual en el Ecuador ¨Análisis de los usos de la tecnología enlos estudiantes de la universidad Nacional de Loja¨
Jansen y Fellow. (2010) Use of the internet in higher income households. Disponible en:http://www.pewinternet.org/files/old-media/Files/Reports/2010/PIP-Better-off-households-final.pdf
Jones y Fox (2009).Generations Online 2009.Disponible en:http://pewinternet.org/PPF/r/230/report_display.asp
Junco, Merson, Salter. (2010) The effect of gender, ethnicity and income on collegestudents, use of communication technologies. Disponible en:http://reyjunco.com/wordpress/pdf/JMSDD.pdf
Livingstone, Bober, Helsper (2005) Inequalities and the Digital Divide in children and youngpeople internet use. Disponible en:http://eprints.lse.ac.uk/398/1/UKCGOdigitaldivide.pdf
Marin, J. M. (2004). Análisis Discriminante. Disponible en:http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/AMult/tema6am.pdf
Martínez. (2013) La persistencia de la brecha digital de género. Análisis cuantitativo enEspaña y Europa. Disponible en:http://eprints.ucm.es/23115/1/T34827.pdf
Pippa Norris. (2001) Digital Divide: civic engagement, information poverty and the internetworldwide. (C. University, Ed). Cambridge.
99
Rodríguez, C. (2006). Empleo de modelos de regresión logística binomial para el estudio devariables determinantes en la inserción laboral de egresados universitarios, 22, 109–144. Disponible en:http://revistas.upel.edu.ve/index.php/revinpost/article/view/622/231
Serrano, A., y Martínez, E. (2003). La brecha digital: mitos y realidades. La BrechaDigital:Mitos y Realidades. Baja California. Disponible en:http://www.labrechadigital.org/labrecha/LaBrechaDigital_MitosyRealidades.pdf
Torres, J. C. (2012). Análisis de las relaciones entre los niveles de ingreso, edad género delos estudiantes, los usos de internet y el rendimiento académico en un grupo de 121universidades ecuatorianas presenciales.
Van Dijk, & Hacker. (2003) The Digital Divide as a Complex and Dynamic Phenomenon.Disponible en: http: doc.utwente.nl/58689/1/Dijk03digitsl.pdf
Veintimilla (2015) Análisis de los usos de la tecnología en los estudiantes de la universidadTécnica particular de Loja.
Warschauer, M. (2002) Reconceptualizing the Digital Divide. Disponible en:http://firstmonday.org/article/view/967/888/
Xu, R., y Wunsch, D. C. (2009). Clustering. New Jersey: Wiley-IEEE Press.
Zillen, N, & Hargittai, E. (2009) Digital Distinction: Status-Specific Types of Internet Usage.
