Printer Friendly

Validacion del modelo TAM de adopcion de la Realidad Aumentada mediante ecuaciones estructurales.

TAM Model Validation Adoption of Augmented Reality through Structural Equations

LA REALIDAD AUMENTADA: TECNOLOGIA PARA LA FORMACION

Segun el ultimo Informe Horizon (Johnson y Adams, 2016), el Reporte EduTrend (Tecnologico de Monterrey, 2015) o los analisis de la compania Gardner Research (http://www.gartner.com/technology/home.jsp) lider mundial en investigacion y asesoramiento en Tecnologias de la Informacion y Comunicacion (TIC), la "Realidad Aumentada" ("Augmented Reality") (RA) es una de las tecnologias emergentes con mas impacto de penetracion a corto plazo en la formacion. Podemos ver tambien su significacion en el aumento de articulos que sobre ella y la formacion se han publicado en los ultimos cuatro anos (Bacca, Baldiris, Fabregat, Graf y Kinshuk, 2014).

La RA es una tecnologia que permite la combinacion de informacion digital y fisica en tiempo real a traves de diferentes dispositivos tecnologicos (tablet, smartphones, gafas,...); es decir, es una tecnologia que permite agregar un objeto irreal a un contexto real, creando de esta forma una nueva realidad, donde tanto la informacion real como la virtual desempenan un papel significativo para comprender y analizar el objeto o fenomeno (Prendes, 2015; Cabero y Barroso, 2016; Cabero y Garcia, 2016; Cabero, Leiva, Moreno, Barroso y Lopez, 2016). Su diferencia con la Realidad Virtual ("Virtual Reality") (RV) es que esta ultima permite al usuario incorporarse a un mundo alternativo de inmersion simulado por ordenador donde ocurren experiencias sensoriales especificas y no hay combinacion con la realidad (Diaz, 2016).

Las caracteristicas distintivas de la RA son: es una realidad mixta, integrada en tiempo real, que posee una diversidad de capas de informacion digital en distintos formatos (textos, url, videos,.), que es interactiva, y que mediante su utilizacion enriquecemos o alteramos la informacion de la realidad (Cabero y Garcia, 2016).

Respecto a su aplicacion en la formacion, lo primero a senalar es que se utiliza para diferentes actividades: 1) eliminacion de cierta informacion del campo de percepcion e interaccion del usuario; 2) aumento de la informacion disponible para el usuario en un contexto determinado; 3) interaccion con los objetos para su observacion desde diferentes perspectivas y puntos de vista; 4) creacion de escenarios "artificiales" seguros para la formacion, 5) enriquecimiento de materiales impresos para los estudiantes, 6) y la produccion de objetos de RA por los alumnos (Wu, Wen-Yu, Chang y Liang, 2013; Cubillo, Martin, Castro y Colmenar, 2014; Jerabek, Rambousek y Wildova, 2014; Han, Jo, Hyun y So, 2015; Cabero y Barroso, 2016).

Su utilizacion se esta incorporando en todos los niveles educativos, que van desde primaria (Bongiovani, 2013; Prendes, 2015), secundaria-bachillerato-formacion profesional (Pasareti, Hajdin, Matusaka, Jambori, Molnar y Tucsanyi-Szabo, 2011; Avendano, Chao y Mercado, 2012; de Pedro Carracedo y Mendez, 2012; Bressler y Bodzin, 2013; de Pedro Carracedo y Mendez, 2012; Bressler y Bodzin, 2013; Kamarainen, Metcalf, Grotzer, Browne, Mazzuca, Tutwiler y Dede, 2013) y universidad (Lin, Been-Lirn, Li, Wang y Tsai, 2013; Rodriguez, 2013; Fonseca, Redondo y Valls, 2016; Leiva y Moreno, 2015; Santos, Wolde, Taketomi, Yamamoto, Rodrigo, Sandor y Kato, 2016).

Esas incorporaciones se estan ejecutando en diferentes areas curriculares: ingenieria (de la Torre, Martin-Dorta, Saorin, Carbonell y Contero, 2013), arquitectura (Redondo, Sanchez y Moya, 2012), urbanismo (Carozza, Tingdahl y Gool, 2014), matematicas-geometria (Avendano et al., 2012; de Pedro Carracedo, y Mendez, 2012), arte e historia (Ruiz, 2011) aprendizaje de idiomas (Liu, 2009), tecnologia (Rodriguez, 2013), diseno (Ko, Chang, Chen y Hua, 2011), quimica (Pasareti et al., 2011), fisica (Akcayir, Akcayir, Pektas y Ocak, 2016), geografia (Tsai, Liu y Yau, 2013) y medicina (Barba, Yasaca y Manosalvas, 2015; Jamali, Fairuz, Wai y Oskam, 2015).

Sobre su impacto en la educacion, y aunque todavia las investigaciones realizadas son limitadas, si han puesto de manifiesto que los alumnos muestran actitudes favorables hacia ella y que su utilizacion aumenta la motivacion hacia el aprendizaje (Bressler y Bodzin, 2013; Kamarainen, Metcalf, Grotzer, Browne, Mazzuca, Tutwiler y Dede, 2013; di Serio, Ibanez y Delgado, 2013; Cozar, de Moya, Hernandez y Hernandez, 2015), que favorece la creacion de un contexto constructivista de formacion (Chen y Tsai, 2012; Wojciechowski y Cellary, 2013), que propicia un entorno activo de ensenanza (Fombona, Pascual y Madeira, 2012), que despierta un elevado grado de satisfaccion en los alumnos (Han et al., 2015; Kim, Hwang y Zo, 2016), y que su utilizacion mejora los resultados de aprendizajes (Bongiovani, 2013; Chang, Wu y Hsu, 2013; Kamarainen et al., 2013).

REFERENCIAS AL MODELO TAM DE ADOPCION DE LAS TECNOLOGIAS

El modelo TAM (Technology Acceptance Model), formulado por Davis (1989), sugiere que la aceptacion de cualquier tecnologia por una persona viene determinada por las creencias que tiene sobre las consecuencias de su utilizacion. El modelo sugiere que la actitud hacia el uso de un sistema tecnologico de informacion esta basada en dos variables previas: la utilidad percibida (Perceived Usefulness) y la facilidad de uso percibida (Perceived Ease of Use) (Figura 1). Segun Fishbein y Azjen (1975, p. 216), la actitud es "una predisposicion aprendida para responder de manera consistentemente favorable o desfavorable con respecto a un objeto dado", mientras que la utilidad percibida es considerada una motivacion extrinseca al usuario y se define como "la probabilidad subjetiva de una persona de que, al usar un determinado sistema, mejorara su actuacion en el trabajo" (Davis, 1989, p. 320). Por lo que se refiere a la "facilidad de uso", se puede entender por ella el "grado por el que una persona cree que usar un determinado sistema estara libre de esfuerzo".

Como han sugerido Yong, Rivas y Chaparro (2010), para conocer si una tecnologia sera utilizada de forma optima es necesario identificar diferentes variables externas que pueden incidir en la utilidad y la facilidad de uso percibidas por los usuarios de las TIC. Y, al respecto, diferentes estudios han ido identificando y proponiendo distintas propuestas: tipo de usuario, genero, edad, experiencia en el manejo de tecnologias, nivel de formacion, nivel profesional, tendencia personal hacia la innovacion (Sanchez y Hueros, 2010; Teo y Noyes, 2011; Hsiao y Yang, 2011; Torres, Robles y Molina, 2011; Kumar y Kumar, 2013; Lopez Bonilla y Lopez Bonilla, 2011).

De todas formas, es importante senalar que, aunque el modelo TAM ha ido evolucionando a lo largo del tiempo, sigue estando constituido en su nucleo por un conjunto simple de variables identificadas en la primera formulacion, y esa es posiblemente su gran ventaja en la aplicacion.

Su aplicacion se ha llevado a cabo con distintas tecnologias, que van desde el e-learning, los dispositivos moviles, las bibliotecas virtuales o los videojuegos hasta los portafolios (Cheng, Lou, Kuo y Shih, 2013, Wai-tsz, Chi-kin, Chang, Zhang, Chiu y Ping, 2014; Persico, Manca y Pozz, 2014; Chen y Chengalur, 2015; Mohammadi, 2015). Pero pocas han sido las investigaciones que se han llevado a cabo en las que se haya analizado la utilizacion de la RA desde la perspectiva del modelo TAM. En la presente investigacion, para la formulacion del modelo de analisis de la aceptacion de la RA nos hemos apoyado, ademas de en las formulaciones realizadas para otras tecnologias, en las propuestas realizadas por Huey-Min y Wen-Lin (2009) y Wojciechowski y Cellary (2013) para la realidad aumentada y la realidad virtual.

El modelo de analisis que proponemos se presenta en la Figura 2.

LA INVESTIGACION

Objetivo

El objetivo general que pretendemos alcanzar con nuestro estudio se declara en los siguientes terminos: "Analizar mediante el modelo de ecuaciones estructurales la viabilidad del modelo TAM formulado para analizar la adopcion de la tecnologia de la Realidad Aumentada por estudiantes universitarios".

Muestra

La investigacion se realizo en el curso academico 2015-16, con alumnos que cursaban la asignatura de "TIC aplicadas a la educacion" impartida en primero en los grados de Infantil y Primaria en la Facultad de Ciencias de la Educacion de la Universidad de Sevilla. La muestra estuvo formada por 274 estudiantes (56 hombres y 218 mujeres).

Los objetos en RA utilizados en la investigacion

Los objetos utilizados en la investigacion fueron especialmente creados para ella y trataban dos temas del programa de la asignatura, en concreto, el referido a los "roles de utilizacion didactica del video" y "el diseno, la produccion y la evaluacion de TIC aplicados a la formacion". Las caracteristicas de los materiales producidos pueden observarse en las siguientes direcciones web: "http://intra.sav.us.es/ proyectorafodiun/images/pdf/objetos-ra/Roles_video-lanzador.pdf" y "http://intra.sav.us.es/proyectorafodiun/images/pdf/objetos-ra/Diseno-lanzador.pdf". En el primero de ellos, los apuntes tradicionales han sido enriquecidos con clip de videos explicando y aclarando algunos de los roles de utilizacion del video, y en el segundo se utilizaron diferentes tipos de recursos que iban desde clip de videos, esquemas o imagenes en 3D hasta sitios web (Figura 3). Para su realizacion se utilizaron diferentes programas: Metaio Creator (Programacion realidad aumentada), Metaio SDK (Kit de desarrollo de software RA), Eclipse (Entorno de desarrollo Java. Exportacion apk para Android), Xcode (Entorno de desarrollo Java. Exportacion .ipa para IOS.Subida a la app store), Adobe After effects (Postproduccion de video y sonido. Chroma, Rotobrush, Key Light), Adobe Photoshop (Postproduccion de imagen. Grafismos. Photomerge. Texturizado 3d), Macromedia Fireworks (Postproduccion de imagen. Grafismos), Unity 5 (Entorno de desarrollo en 3D), Ffm peg (Programacion sobre el codec para exportacion videos 3g2. Augment----RA),

MS Powerpoint (Botones en formato video con efectos de transicion), Notepad ++ (Editor profesional de texto para retoque de codigo) y Astrum (Creador de instalador Windows).

La estrategia seguida con los estudiantes fue la siguiente: se les presento en clase el funcionamiento de los objetos en RA, se les comento el lugar de Internet desde el cual podrian bajarse los lanzadores y la app, y se les dejaron dos semanas para que trabajaran con ellos. Durante esas dos semanas se analizaron en las clases los problemas que los alumnos se estaban encontrando; posteriormente se administraron los instrumentos de analisis del TAM y de la valoracion de la calidad de los objetos producidos.

El objeto de RA referido al video fue trabajado por 76 alumnos y el de diseno por 198.

Instrumentos de recogida de informacion

El instrumento utilizado para el analisis del TAM recoge informacion de cuatro dimensiones: utilidad percibida (UP), facilidad de uso percibida (FUP), disfrute percibido (DP), actitud hacia el uso (AU), e intencion de utilizarla (IU); estaba compuesto por 15 items tipo Likert, con siete opciones de respuesta (^Extremadamente improbable/en desacuerdo a 7=Extremadamente probable/de acuerdo) (Anexo).

Respecto al de evaluacion por el estudiante de la calidad tecnica del objeto producido, fue un cuestionario ad hoc con construccion tipo Likert, conformado por 13 items con seis opciones de respuestas (MP= Muy positivo / Muy de acuerdo (1); P= Positivo / De acuerdo; R+= Regular positivo / Moderadamente de acuerdo; R-= Regular negativo / Moderadamente en desacuerdo; N= Negativo /En des acuerdo; y MN= Muy negativo / muy en desacuerdo (7), que pretendian recoger informacion sobre tres dimensiones, dos referidas directamente al objeto producido: aspectos tecnicos y esteticos (4 items) y facilidad de utilizacion (7 items); y una destinada a valorar la guia elaborada para la explicacion del funcionamiento del objeto (Anexo). Por ultimo cabe senalar dos aspectos: que las guias pueden observarse en las direcciones web indicadas en el apartado 3.3., y que el instrumento se construyo a partir de otro elaborado por nosotros para la evaluacion de materiales formativos para la red, ubicados en "Entornos Personales de Aprendizaje" (Marin, Cabero y Barroso, 2014), y que mostro altos niveles de fiabilidad.

Resultados

Antes de presentar los analisis efectuados digamos que los modelos de ecuaciones estructurales (Structural Equation Modeling, SEM) pertenecen a la familia "de modelos estadisticos multivariantes que permiten estimar el efecto y las relaciones entre multiples variables. Son menos restrictivos que los modelos de regresion por el hecho de que permiten incluir errores de medida tanto en las variables criterio (dependientes) como en las variables predictoras (independientes)" (Ruiz, Pardo y San Martin, 2010, p. 34). Su gran potencialidad es la de poder representar el efecto causal entre las variables existentes en un modelo dado. Como senalan Arbuckle (1997), Byrne (2006) y Kahn (2006), son una extension de varias tecnicas multivariadas, como la regresion multiple y el analisis factorial.

Uno de los principales aportes de los SEM es que permiten a los investigadores evaluar y analizar modelos teoricos formulados (Kerlinger y Lee, 2002). Y en esta linea Cupani (2012) especifica su utilizacion para tres acciones: como estrategia para la confirmacion de modelos teoricos establecidos, para contrastar modelos teoricos rivales y para el desarrollo de un modelo especifico. Aqui lo utilizaremos para el primero de los casos.

Una de las grandes posibilidades del SEM es la capacidad de estimar y evaluar la relacion variables latentes que son constructos no observables, e indicadores que son las diferentes variables a traves de las cuales pueden medirse las variables latentes.

Para el analisis SEM se pueden utilizar dos metodologias: los metodos basados en covarianzas y el enfoque PLS (Partial Least Squares). En este trabajo optamos por el enfoque PLS, ya que es un metodo que no exige la normalidad multivariante de las observaciones y requiere un menor numero de observaciones. Para la aplicacion de esta tecnica existen diferentes programas, como SmartPLS, VisualPLS, semPLS, XLSTAT-PLSPM, etc. Aqui se utilizo el programa SmartPLS (http:// www.smartpls.com).

VALIDACION DEL MODELO TAM DE ADOPCION DE LA REALIDAD AUMENTADA

Su aplicacion supone seguir una serie de pasos: obtencion del indice de fiabilidad, obtencion de las cargas, hallazgos de la fiabilidad compuesta, elaboracion de las varianzas extraidas medias,. (Levy, 2006), que son los pasos que a continuacion vamos a realizar para la validacion del modelo TAM sobre la RA que se ha elaborado.

Inicialmente se llevo a cabo un analisis de la fiabilidad, mediante la alfa de Cronbach, de los diferentes constructos que se consideraban en el modelo en nuestro modelo, alcanzandose los valores presentados en la Tabla 1.

Como se establece en la literatura cientifica, valores inferiores a 0,7 indican niveles no adecuados de fiabilidad (O'Dwyer y Bernauer, 2014). En nuestro caso, lo superan todos los constructos salvo el de "Actitud hacia el uso". En la Tabla 2 se muestran las cargas, o correlaciones simples, de los indicadores con su respectivo constructo. Para aceptar un indicador como integrante de un constructo ha de tener una carga superior a 0,707 (Carmines y Zeller, 1979).

Como podemos observar en la Tabla 2, salvo el item n[degrees] 12, el resto cumple el criterio especificado de ser superior al 0,7; por ello tomamos la decision de eliminarlo y realizar de nuevo los indices de fiabilidad anteriormente expuestos, que se presentan en las Tablas 3 y 4.

Como se observa en las dos ultimas tablas, la eliminacion del item 12 aumentaria considerablemente la fiabilidad de las diferentes variables latentes consideradas y permitiria aumentar la fiabilidad de los diferentes constructos.

El siguiente paso fue obtener el analisis de la "fiabilidad compuesta", que permite medir la consistencia interna del bloque de indicadores, es decir de los indicadores que analizan las variables latentes (Levy, 2006); lo que este indicador senala es que cada indicador esta midiendo lo mismo y, por lo tanto, la variable latente se estable como bien considerada, marcandose de nuevo el valor de 0,7 como el nivel minimo adecuado. En nuestro caso presentamos los valores alcanzados en la Tabla 5, y fueron todos superiores al 0,7.

Seguidamente se obtuvo la validez convergente, que persigue analizar si un conjunto de indicadores representa un unico constructo subyacente. Esto se puede demostrar por medio de su unidimensionalidad y se valora mediante la "Varianza Extraida Media" (AVE), que mide "... la cantidad total de la varianza de los indicadores tenida en cuenta por el constructo latente" (Levy, 2006, p. 130). AVE que, de acuerdo con Baggozi y Yi (1988), debe ser superior al 0,5 para que mas del 50% de las varianzas del constructo sea debida a los indicadores. En la Tabla 6 presentamos los valores alcanzados, que en todos los casos superan el valor citado.

El siguiente paso fue obtener la validez discriminante, que permite conocer si cada constructo establecido es significativamente diferente a los otros constructos establecidos. Su obtencion requiere dos tipos de analisis: el criterio de Fornell-Larcker (Tabla 7) y las cargas factoriales cruzadas (Tabla 8). El primero de ellos se basa en que la varianza extraida media de un constructo ha de ser mayor que la varianza que dicho constructo comparte con los otros constructos del modelo (correlacion al cuadrado entre dos constructos); de forma equivalente, las correlaciones entre los constructos han de ser menores (en valor absoluto) que la raiz cuadrada de la varianza media extraida. En la Tabla 7 los elementos de la diagonal son la raiz cuadrada de la varianza extraida media y los de fuera de la diagonal son las correlaciones entre constructos. Para que se cumpla el requisito, los valores que esten a la izquierda y por debajo de cada valor en negrita han de ser menores que el, hecho que se ha cumplido en todos los casos.

El analisis de las cargas cruzadas persigue analizar las correlaciones de un constructo con los items que pertenecen a otros constructos para, de esta forma, asegurarnos de que el item mide lo del constructo al que se ha incorporado; para que tales items sean significativos deben cargar mas fuertemente sobre su propio constructo que sobre el resto. En la Tabla 8 se observa que todos los valores en negrita superan los obtenidos en el resto de cada columna.

Efectuados los analisis que establecen la fiabilidad de los items y su consistencia dentro de las diferentes dimensiones que conforman el modelo TAM elaborado para la RA, pasaremos a analizar el modelo estructural formulado mediante la obtencion de los coeficientes de regresion estandarizados (path coefficients), los valores de la t de student y los R2 (R-cuadrado); coeficiente que determina el porcentaje de varianza de un constructo que es explicado por las variables predictoras del mismo. En la Figura 3 se presentan los valores obtenidos.

Por lo que se refiere a las variables latentes contempladas en el modelo TAM formulado por Davis, y tras aplicar el SEM, encontramos que el 72,4% de la varianza de la variable latente "Actitud hacia el uso" es explicada por las variables latentes "Facilidad de uso percibida", "Utilidad percibida" y "Disfrute percibido"; el 68,2% de la varianza de la variable latente "Intencion de uso" esta explicada por las variables latentes "Utilidad percibida", "Actitud hacia el uso" y "Disfrute percibido"; el 58,3% de la varianza de la variable latente "Disfrute percibido" esta explicado por las variables latentes "Utilidad percibida, "Facilidad de uso percibida" y "Calidad tecnica"; el 42,2% de la varianza de la variable latente "Utilidad percibida" esta explicado por las variables latentes "Facilidad de uso percibida" y "Calidad Tecnica", y solamente el 24,3% de la varianza de la variable "Facilidad de uso percibida" esta explicado por la variable latente "Calidad tecnica".

En la Tabla 9 se muestra el porcentaje de varianza explicado de cada una de las variables latentes por sus correspondientes variables predictoras.

Ahora bien, es necesario establecer si tales valores son significativos, y para ello calculamos los valores de la t de student de los valores path, utilizando la tecnica de bootstrap, alcanzandose las puntuaciones que presentamos en la Tabla 10.

Como podemos observar, todas las relaciones establecidas son significativas al nivel de significacion 0,01 o inferior, salvo la encontrada entre "Utilidad Percibida-Intencion de uso".

El modelo tambien indica la influencia de los diferentes indicadores en las variables latentes que analizan. Y de nuevo podemos observar, en la Tabla 4, que los valores de las cargas son verdaderamente altos y superan en todos los casos el valor 0,75. En concreto, en los items formulados para la variable latente "Calidad tecnica", las cargas de los items van desde 0,777 (item 1.2) a 0,879 (item 3.1); en los formulados para la "Utilidad percibida" desde 0,866 (item 4) a 0,888 (item 3); en "Facilidad de uso percibido", desde 0,849(item 5) a 0,916 (item 7); en "Disfrute percibido", desde 0,922 (items 10) a 0,933 (item 9); en "Actitud hacia el uso" con 0,926 (item 13) y 0,933 (item 11); y por lo que se refiere a la "Intencion del uso" con 0,927(item 15) y 0,942 (item 14).

Por ultimo, para evaluar la bondad de ajuste del modelo estructural utilizamos el indicador SRMR (Standardized Root Mean square Residual), que arrojo un valor de 0,050, el cual es menor que 0,08, lo que indicaria un buen ajuste del modelo (Hu y Bentler, 1999).

CONCLUSIONES

La primera de las conclusiones se refiere a la validez del modelo SEM para analizar modelos elaborados por diferentes motivos y no solo por la obtencion del indice de fiabilidad, sino sobre todo porque nos permite conocer los aportes que cada constructo realiza sobre el modelo, la influencia que cada item presenta sobre el constructo concreto en el cual se ha insertado, la duplicidad de influencias de items sobre constructos, y la valoracion del constructo completo.

De forma especifica, el modelo SEM nos ha servido, como sugiere Cupani (2012), para confirmar la robustez del modelo teorico elaborado por nosotros para la RA, y que seguia la propuesta TAM formulada por Davis (1989).

Por lo que se refiere a la fiabilidad del instrumento de diagnostico utilizado para el diagnostico del TAM, tenemos que decir que es elevada, pero se aumentaria si, o bien fuese eliminado el item 12 ("Me he divertido utilizando el sistema de RA"), o, que es la propuesta que presentamos, fuese formulado positivamente, aunque en este caso pudiera llevar a obtener una valoracion similar a la alcanzada con el item 9 ("Disfrute con el uso del sistema de RA"). Por ello, una de las propuestas de lineas de investigacion va en la linea de replicar el estudio con la formulacion positiva, ya que el modelo SEM nos permite conocer la influencia de cada item en el constructo, y ver si se solapan las influencias de los items.

Otra de las lineas futuras es la aplicacion del modelo de ecuaciones estructurales a las nuevas versiones que se han formulado del modelo TAM, como los denominados TAM2 (Venkatesh y Davis, 2000) y TAM3 (Venkatesh y Bala, 2008). O la transformacion del modelo TAM creada por Venkatesh, Morris, Davis y Davis (2003), denominado "Teoria Unificada de Aceptacion de la Tecnologia" (UTAUT).

Por ultimo, seria interesante la replicacion del modelo con tecnologias diferentes a la RA y, sobre todo, con las denominadas tecnologias emergentes, como, por ejemplo, la realidad virtual.

DOI: 10.15581/004.34.129-153

Fecha de recepcion del original: 23 de julio 2017

Fecha de aceptacion de la version definitiva: 5 de noviembre 2017

Referencias

Akcayir, M., Akcayir, O., Pektas, H. y Ocak, M. (2016). Augmented reality in science laboratories: The effects of augmented reality on university students' laboratory skills and attitudes toward science laboratories. Computers in Human Behavior, 57, 334-342.

Arbuckle, J. L. (1997). Amos Users' Guide. Version 3.6. Chicago: SmallWaters Corporation.

Avendano, V C. Chao, M. M. y Mercado, O. (2012). La gestion del conocimiento en ambientes de aprendizaje que incorporan la realidad aumentada: el caso de la Universidad Virtual del Estado de Guanajuato en el nivel Bachillerato. Revista educacion y futuro digital, 2, 51-67.

Bacca, J., Baldiris, S., Fabregat, R., Graf, S. y Kinshuk, G. (2014). Augmented Reality Trends in Education: A Systematic Review of Research and Applications. Educational Technology y Society, 17(4), 133-149.

Bagozzi, R. y Yi, Y. (1988). On the evaluationof structural equation models. Journal of the Academy of Marketing Science, 1674-1694.

Barba, R., Yasaca, S. y Manosalvas, C. (2015). Impacto de la realidad aumentada movil en el proceso ensenanza-aprendizaje de estudiantes universitarios del area de medicina. En AIDIPE (Ed.), Investigar con y para la Sociedad, 3, (pp. 1421-1429). Cadiz: Bubok Publishing S.L.

Bongiovani, P. (2013). Realidad aumentada en la escuela: Tecnologia, experiencias e ideas. Educ@conTIC. Extraido el 20 de mayo de 2016 de http://www.educacontic.es/blog/realidad

Bressler, D. M. y Bodzin, A. M. (2013). A mixed methods assessment of students' flow experiences during a mobile augmented reality science game. Journal of Computer Assisted Learning, 29(6), 505-517.

Byrne, B. M. (2006). Structural Equation Modeling With Eqs: Basic Concepts, Applications, and Programming (Multivariate Applications). New York: SAGE Publications.

Cabero, J. y Barroso, J. (2016). The educational possibilities of Augmented Reality. NAER. New Approaches in Educational Research, 5(1), 44-50.

Cabero, J. y Garcia, F. (Coords.) (2016). Realidad aumentada. Tecnologia para la formacion. Madrid: Sintesis.

Cabero, J., Leiva, J., Moreno, N., Barroso, J. y Lopez, E. (2016). Realidad Aumentada y Educacion. Innovacion en contextos formativos. Barcelona: Octaedro.

Carmines, E.G. y Zeller, R.A. (1979). Reliability and validity assesment. N. 07-017, Sage University Paper Series on Quantitative Applications in the Social Sciences. Beverly Hills: Sage.

Carozza, L., Tingdahi, D., Bosche, F. y Gool, L. (2014). Markerless Vision-Based Augmented Reality for Urban Planning. Computer-Aided Civil and Infrastructure Engineering, 29(1), 2-17.

Chang, H., Wu, K. y Hsu, Y. (2013). Integrating a mobile augmented reality activity to contextualize student learning of a socioscientific issue. British Journal of Educational Technology, 44(3), E95-E99.

Chen, C-M. y Tsai, Y.-N. (2012). Interactive augmented reality system for enhancing library instruction in elementary schools. Computers & Education, 59, 638-652.

Chen, Y-H. y Chengalur-Smit, I. (2015). Factors influencing students' use of a library Web portal: Applying course-integrated information literacy instruction as an intervention. Internet and Higher Education, 21, 42-55.

Cheng, Y., Lou, S., Kuo, S. y Shih, R. (2013). Investigating elementary school students' technology acceptance by applying digital game-based learning to environmental education. Australasian Journal of Educational Technology, 29(1), 96-110.

Cozar, R., de Moya, M., Hernandez, J. y Hernandez, J. (2015). Tecnologias emergentes para la ensenanza de las Ciencias Sociales. Una experiencia con el uso de Realidad Aumentada en la formacion inicial de maestros. Digital Education Review, 27, 138-153.

Cubillo, J., Martin, S., Castro, M., y Colmenar, A. (2014). Recursos digitales autonomos mediante realidad aumentada. RIED, 17(2), 241-274.

Cupani, M. (2012). Analisis de Ecuaciones Estructurales: conceptos, etapas de desarrollo y un ejemplo de aplicacion. Revista Tesis, 1, 186-199.

Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

de la Torre, J. Martin-Dorta, N., Saorin, J.L., Carbonell, C. y Contero, M. (2013). Entorno de aprendizaje ubicuo con realidad aumentada y tabletas para estimular la comprension del espacio tridimensional. RED, Revista de Educacion a Distancia, 37. Extraido el 27 de julio de 2013 de http://www.um.es/ead/red/37

de Pedro Carracedo, J. (2011). Realidad Aumentada: Un Nuevo Paradigma en la Educacion Superior. Actas del Congreso Iberoamericano Educacion y Sociedad, 300-307.

de Pedro Carracedo, J. y Mendez, C. L. M. (2012). Realidad Aumentada: Una Alternativa Metodologica en la Educacion Primaria Nicaraguense. IEEE-RITA, 7, 102-108.

di Serio, A., Ibanez, M. B. y Delgado, C. (2013). Impact of an augmented reality system on students' motivation for a visual art course. Computers & Education, 68, 586-596.

Diaz, M. (2016). Augmented Reality Versus Virtual Reality: The Battle Is Real. Techcrunch. Extraido el 20 de junio de 2016 de http://techcrunch.com/2016/01/04/ ar-vs-vr-the-battle-is-real/?ncid=rss.

Fishbein, M. y Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading: Addison-Wesley.

Fombona, J., Pascual, M. J. y Madeira, M. F. (2012). Realidad aumentada, una evolucion de las aplicaciones de los dispositivos moviles. Pixel-Bit. Revista de Medios y Educacion, 41, 197-210.

Fonseca, D., Redondo, E. y Valls, F. (2016). Motivacion y mejora academica utilizando realidad aumentada para el estudio de modelos tridimensionales arquitectonicos. Education in the Knowledge Society, 17(1), 45-64.

Han, J., Jo, M., Hyun, E. y So, H. (2015). Examining young children's perception toward augmented reality-infused dramatic play. Education Technology Research Development, 63, 455-474.

Hsiao, C.H. y Yang, C. (2011). The intellectual development of the technology acceptance model: A co-citation analysis. International Journal of Information Management, 31, 128-136.

Hu, L. y Bentler, P. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55.

Huey-Min, S. y Wen-Lin, C. (2009). The input-interface of webcam applied in 3D virtual reality systems. Computer & Education, 53, 1231-1240.

Jamali, S., Fairuz, M. Wai, K. y Oskam, C. (2015). Utilising mobile-augmented reality for learning human anatomy. Procedia-Social and Behavioral Sciences, 197, 659-668.

Jerabek, T., Rambousek, V y Wildova, R. (2014). Specifics of Visual Perception of The Augmented Reality in The Context of Education. Procedia-Social and Behavioral Sciences, 159, 598-604.

Johnson, L. y Adams, S. (2016). NMC Horizon Report: 2016 Higher Education Edition. Austin: The New Media Consortium.

Kahn, J. H. (2006). Factor analysis in Counseling Psychology research, training and practice: Principies, advances and applications. The Counseling Psychologist, 34, 1-36.

Kamarainen, A., Metcalf, S., Grotzer, T., Browne, A., Mazzuca, D., Tutwiler, M. y Dede, C. (2013). EcoMOBILE: Integrating augmented reality and pro beware with environmental education field trips. Computers & Education, 68, 545-556.

Kerlinger, F. y Lee, H. (2002). Investigacion del comportamiento. Metodos de investigacion en las ciencias sociales. Mexico: McGraw-Hill.

Kim. K., Hwang, J. y Zo, H. (2016). Understanding users' continuance intention toward smartphone augmented reality applications. Information Development, 32(2), 161-174.

Ko, Ch-H., Chang, T., Chen, Y. y Hua, L. (2011). The Application of Augmented Reality to Design Education. En M. Chang, W-Y. Hwang, M-P. Chen y W. Muller (Eds.), Edutainment Technologies. Educational Games and VirtualReality/ Augmented Reality Applications (pp. 20-24). Heidelberg-Berlin: Springer.

Kumar, S. y Kumar, J. (2013). Technology acceptance model for the use learning through websites among students in Oman. International Arab Journal of eTechnology, 3(1), 44-49.

Leiva, J.J. y Moreno, N. (2015). Tecnologias de geolocalizacion y realidad aumentada en contextos educativos: experiencias y herramientas didacticas. Revista DIM, 31, 1-18.

Levy, J-P. (2006). Modelizacion con estructuras de covarianzas en ciencias sociales: temas esenciales, avanzados y aportaciones especiales. Coruna: Netbiblo.

Lin, T., Been-Lirn, H., Li, N., Wang, H. y Tsa, C. (2013). An investigation of learners' collaborative knowledge construction performances and behavior patterns in an augmented reality simulation system. Computers & Education, 68, 314-321.

Liu, T. Y. (2009). A context-aware ubiquitous learning environment for language listening and speaking. Journal of Computer Assisted Learning, 25, 515-527.

Lopez Bonilla, L.M. y Lopez Bonilla, J.M. (2011). Los modelos de adopcion de tecnologias de la informacion desde el paradigma actitudinal. Cadernos EBAPE.BR, 9(1), 177-197.

Mohammadi, H. (2015). Investigating users' perspectives on e-learning: An integration of TAM and IS success model. Computers in Human Behavior, 45, 359-374.

O'Dwyer, L. y Bernauer, J. (2014). Quantitative research for the qualitative researcher. California: Sage.

Pasareti, O., Hajdin, H., Matusaka, T., Jambori, A., Molnar, I., y Tucsanyi-Szabo, M. (2011). Augmented Reality in education. INFODIDACT 2011 Informatika Szakmodszertani Konferencia. Extraido el 20 de febrero de 2013 de http:// people.inf.elte.hu/tomintt/infodidact_2011.pdf.

Persico, D., Manca, S. y Pozz, F. (2014). Adapting the Technology Acceptance

Model to evaluate the innovative potential of e-learning systems. Computers in Human Behavior, 30, 614-622.

Prendes, C. (2015). Realidad aumentada y educacion: analisis de experiencias practicas. Pixel-Bit. Revista de Medios y Educacion, 46, 187-203.

Redondo, E., Sanchez, A. y Moya, J. (2012). La ciudad como aula digital. Ensenando urbanismo y arquitectura mediante mobile learning y la realidad aumentada. Un estudio de viabilidad y de caso. Ace: Architecture, City and Environment, 7(19). Extraido el 1 de abril de 2015 de http://upcommons.upc.edu/revistes/ handle/2099/12344.

Rodriguez, M. (2013). Experimentando la realidad aumentada. Integrando tecnologia en el salon de clase. Disponible en http://mbintegrandotecnologia.blogspot. com.es

Ruiz, D. (2011). La Realidad Aumentada y su dimension en el arte: la obra aumentada. Arte y Politicas de Identidad, 5, 129-144.

Ruiz, M., Pardo, A. y San Martin, R. (2010). Modelo de ecuaciones estructurales. Papeles del psicologo, 31(1), 34-45.

Sanchez, R. y Hueros, A. D. (2010). Motivational factors that influence the acceptance of Moodle using TAM. Computers in Human Behavior, 26(6), 1632-1640.

Santos, M., Wolde, A., Taketomi, T., Yamamoto, G., Rodrigo, M., Sandor, C. y Kato, H. (2016). Augmented reality as multimedia: the case for situated vocabulary learning. Research and Practice in Techology Enhanced Learning, 11(4), 1-23.

Tecnologico de Monterrey (2015). Reporte EduTrends. Radar de Innovacion Educativa 2015. Monterrey: Tecnologico de Monterrey.

Teo, T. y Noyes, J. (2011). An assessment of the influence of perceived enjoyment and attitude on the intention to use technology among pre-service teachers: a structural equation modeling approach. Computers & Education, 57(2), 1645-1653.

Torres, VC., Robles, J.M. y Molina, O. (2011). ?Por que usamos las Tecnologias de la Informacion y la Comunicacion? Un estudio sobre las bases sociales de la utilidad individual de Internet. Revista Internacional de Sociologia, 69(2), 371-391.

Tsai, M., Liu, P. y Yau, J. (2013). Using electronic maps and augmented realitybased training materials as escape guidelines for nuclear accidents: An explorative case study in Taiwan. British Journal of Educational Technology, 44(1), E18-E21.

Venkatesh, V y Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273-312.

Venkatesh, V y Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.

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

Wai-tsz, R., Chi-kin, J., Chang, C., Zhang, Z. y Chiu, A. (2014). Digital teaching portfolio in higher education: Examining colleagues' perceptions to inform implementation strategies. Internet and Higher Education, 20, 60-68.

Wai-tsz, R., Chi-kin, J., Chang, C., Zhang, Z., Chiu, A. y Ping, C. (2014). Digital teaching portfolio in higher education: Examining colleagues' perceptions to inform implementation strategies. Internet and Higher Education, 20, 60-68.

Wojciechowski, R. y Cellary, W. (2013). Evaluation of learners' attitude toward learning in ARIES augmented reality environments. Computers & Education, 68, 570-585.

Wu, H-S., Wen-Yu, S., Chang, H-Y. y Liang, J. (2013). Current status, opportunities and challenges of augmented reality in education. Computers & Education, 62, 41-49.

Yong, L.A., Rivas, L.A. y Chaparro, J. (2010). Modelo de aceptacion tecnologica (TAM): un estudio de la influencia de la cultura nacional y del perfil del usuario en el uso de las TIC. Innovar, 20(36), 187-204. Anexo
Instrumento de diagnostico del TAM

UTILIDAD PERCIBIDA

1. El uso de este sistema de RA mejorara mi aprendizaje y
  rendimiento en esta asignatura
2. El uso del sistema de RA durante las clases me facilitaria
  la comprension de ciertos conceptos
3. Creo que le sistema de RA es util cuando se esta aprendiendo
4. Con el uso de la RA aumentaria mi rendimiento

FACILIDAD DE USO PERCIBIDA

5. Creo que el sistema de RA es facil de usar
6. Aprender a usar el sistema de Ra no es un problema para mi
7. Aprender a usar le sistema de RA es claro y comprensible

DISFRUTE PERCIBIDO

8. Utilizar el sistema de RA es divertido
9. Disfrute con el uso del sistema de RA
10. Creo que el sistema de RA permite aprender jugando

INTENCION DE UTILIZARLA

11. El uso de un sistema de RA hace que el aprendizaje
  sea mas interesante
12. Me he aburrido utilizando el sistema de RA
13. Creo que le uso de un sistema de RA en el aula es una buena idea

INTENCION DE UTILIZARLA

14. Me gustaria utilizar en el futuro el sistema de RA
  si tuviera oportunidad
15. Me gustaria utilizar el sistema de RA para aprender
  anatomia como otros temas

Instrumento de diagnostico calidad de los objetos en RA

1. ASPECTOS TECNICOS Y ESTETICOS

  1.1. El funcionamiento del recurso en RA que te hemos presentado es:
  1.2 En general, la estetica del recurso producido en RA lo
    consideras:
  1.3 En general, el funcionamiento tecnico del recurso producido
    en RA lo calificaria de:
  1.4. En general, como valorarias la presentacion de la
    informacion en la pantalla:

2. FACILIDAD DE UTILIZACION

  2.1. Como calificara la facilidad de utilizacion y manejo
    del recurso en RA que te hemos presentado:
  2.2. Como calificarias la facilidad de comprension del
    funcionamiento tecnico del recurso en RA que te
    hemos presentado:
  2.3. Desde tu punto de vista, como valoraria el diseno
    general del recurso en RA que hemos elaborado:
  2.4. Desde tu punto de vista, como valoraria la
    accesibilidad/usabilidad del recurso en RA que te hemos
    presentado:
  2.5. Desde tu punto de vista, como valoraria la flexibilidad
    de utilizacion del material en RA que te hemos
    presentado:
2.7. El utilizar el recurso en RA producido te fue divertido:

3. GUIA / TUTORIAL DEL PROGRAMA

  3.1. En general, como calificaria de eficaz y comprensible la
    informacion ofrecida para manejar el recurso en
    RA que te hemos presentado:
  3.2. La informacion ofrecida para manejar el recurso en RA
    te fue simple y comprensible.


Julio Cabero-Almenara

Universidad de Sevilla

cabero@us.es

Jose Luis Perez Diez de los Rios

Universidad de Sevilla

jlperezd@us.es

* Este estudio se ha realizado bajo el proyecto de investigacion I+D financiado por el Ministerio de Ciencia e Innovacion de Espana (EDU2014-57446P) denominado "Realidad Aumentada para incrementar la formacion" (RAFODIUN).

Leyenda: Figura 1. Formulacion inicial de TAM

Fuente: Davis (1989), p. 320.

Leyenda: Figura 2. Modelo TAM elaborado por nosotros para nuestra investigacion con objetos RA

Fuente: Elaboracion propia.

Leyenda: Figura 3. Imagenes de los dos objetos producidos

Fuente: Elaboracion propia.

Leyenda: Figura 3. Modelo estructural del modelo TAM formulado
Tabla 1. Alfa de Cronbach de las diferentes variables
latentes consideradas

                          ALFA DE CRONBACH

Actitud hacia el uso           0,664
Calidad Tecnica                0,956
Disfrute percibido             0,920
Facilidad uso percibida        0,847
Intencion de uso               0,856
Utilidad Percibida             0,902

Tabla 2. Cargas

             ACTITUD HACIA   CALIDAD   DISFRUTE
                EL USO       TECNICA   PERCIBIDO

rend_T.1_1                    0,853
rend_T.1_2                    0,777
rend_T.1_3                    0,823
rend_T.1_4                    0,802
rend_T.2_1                    0,803
rend_T.2_2                    0,798
rend_T.2_3                    0,825
rend_T.2_4                    0,788
rend_T.2_5                    0,836
rend_T.2_6                    0,850
rend_T.3_1                    0,879
rend_T.3_2                    0,817
tam.1
tam.2
tam.3
tam.4
tam.5
tam.6
tam.7
tam.8                                    0,931
tam.9                                    0,933
tam.10                                   0,921
tam.11          0,91 9
tam.12           0,429
tam.13           0,906
tam.14
tam.15

             FACILIDAD USO   INTENCION   UTILIDAD
               PERCIBIDA      DE USO     PERCIBIDA

rend_T.1_1
rend_T.1_2
rend_T.1_3
rend_T.1_4
rend_T.2_1
rend_T.2_2
rend_T.2_3
rend_T.2_4
rend_T.2_5
rend_T.2_6
rend_T.3_1
rend_T.3_2
tam.1                                      0,878
tam.2                                      0,889
tam.3                                      0,880
tam.4                                      0,868
tam.5            0,849
tam.6            0,859
tam.7            0,916
tam.8
tam.9
tam.10
tam.11
tam.12
tam.13
tam.14                         0,943
tam.15                         0,927

Tabla 3. Alfa de Cronbach de las diferentes
variables latentes consideradas, eliminando el item 12

                          ALFA DE CRONBACH

Actitud hacia el uso           0,842
Calidad Tecnica                0,956
Disfrute percibido             0,920
Facilidad uso percibida        0,847
Intencion de uso               0,856
Utilidad Percibida             0,902

Tabla 4. Cargas eliminando el item 12

             ACTITUD HACIA   CALIDAD   DISFRUTE
                EL USO       TECNICA   PERCIBIDO

rend_T.1_1                    0,853
rend_T.1_2                    0,777
rend_T.1_3                    0,823
rend_T.1_4                    0,802
rend_T.2_1                    0,803
rend_T.2_2                    0,798
rend_T.2_3                    0,825
rend_T.2_4                    0,788
rend_T.2_5                    0,836
rend_T.2_6                    0,850
rend_T.3_1                    0,879
rend_T.3_2                    0,817
tam.1
tam.2
tam.3
tam.4
tam.5
tam.6
tam.7
tam.8                                    0,931
tam.9                                    0,933
tam.10                                   0,923
tam.11           0,933
tam.13           0,926
tam.14
tam.15

             FACILIDAD USO   INTENCION   UTILIDAD
               PERCIBIDA      DE USO

rend_T.1_1
rend_T.1_2
rend_T.1_3
rend_T.1_4
rend_T.2_1
rend_T.2_2
rend_T.2_3
rend_T.2_4
rend_T.2_5
rend_T.2_6
rend_T.3_1
rend_T.3_2
tam.1                                     0,879
tam.2                                     0,888
tam.3                                     0,880
tam.4                                     0,868
tam.5            0,849
tam.6            0,860
tam.7            0,916
tam.8
tam.9
tam.10
tam.11
tam.13
tam.14                                    0,942
tam.15                                    0,927

Tabla 5. Fiabilidad compuesta

                          FIABILIDAD COMPUESTA

Actitud hacia el uso             0,927
Calidad Tecnica                  0,961
Disfrute percibido               0,950
Facilidad uso percibida          0,908
Intencion de uso                 0,933
Utilidad Percibida               0,931

Tabla 6. Varianzas extraidas media

                          VARIANZA EXTRAIDA MEDIA (AVE)

Actitud hacia el uso                  0,864
Calidad Tecnica                       0,675
Disfrute percibido                    0,862
Facilidad uso percibida               0,766
Intencion de uso                      0,874
Utilidad Percibida                    0,772

Tabla 7. Criterio de Fornell-Larcker

                          ACTITUD HACIA   CALIDAD   DISFRUTE
                          EL USO          TECNICA   PERCIBIDO

Actitud hacia el uso      0,929
Calidad Tecnica           -0,572          0,821
Disfrute percibido        0,812           -0,540    0,929
Facilidad uso percibida   0,641           -0,493    0,644
Intencion de uso          0,816           -0,486    0,735
Utilidad Percibida        0,729           -0,548    0,692

                          FACILIDAD USO   INTENCION   UTILIDAD
                          PERCIBIDA       DE USO      PERCIBIDA

Actitud hacia el uso
Calidad Tecnica
Disfrute percibido
Facilidad uso percibida   0,875
Intencion de uso          0,549           0,935
Utilidad Percibida        0,574           0,630       0,879

Tabla 8. Matriz de cargas cruzadas
Cargas cruzadas

             ACTITUD HACIA   CALIDAD   DISFRUTE
                EL USO       TECNICA   PERCIBIDO

rend_T.1_1      -0,455        0,853     -0,467
rend_T.1_2      -0,416        0,777     -0,385
rend_T.1_3      -0,532        0,823     -0,505
rend_T.1_4      -0,458        0,802     -0,370
rend_T.2_1      -0,451        0,803     -0,393
rend_T.2_2      -0,404        0,798     -0,387
rend_T.2_3      -0,447        0,825     -0,409
rend_T.2_4      -0,391        0,788     -0,342
rend_T.2_5      -0,495        0,836     -0,447
rend_T.2_6      -0,541        0,850     -0,574
rend_T.3_1      -0,581        0,879     -0,522
rend_T.3_2      -0,417        0,817     -0,448
tam.1            0,612       -0,465      0,571
tam.2            0,645       -0,516      0,607
tam.3            0,694       -0,492      0,668
tam.4            0,605       -0,451      0,579
tam.5            0,551       -0,410      0,549
tam.6            0,519       -0,389      0,510
tam.7            0,608       -0,486      0,622
tam.8            0,734       -0,505      0,931
tam.9            0,723       -0,499      0,933
tam.10           0,801       -0,501      0,921
tam.11           0,933       -0,576      0,821
tam.13           0,926       -0,486      0,686
tam.14           0,811       -0,456      0,699
tam.15           0,710       -0,452      0,675

             FACILIDAD USO   INTENCION   UTILIDAD
               PERCIBIDA      DE USO     PERCIBIDA

rend_T.1_1      -0,361        -0,381      -0,466
rend_T.1_2      -0,295        -0,339      -0,384
rend_T.1_3      -0,408        -0,455      -0,543
rend_T.1_4      -0,308        -0,402      -0,393
rend_T.2_1      -0,398        -0,351      -0,396
rend_T.2_2      -0,419        -0,379      -0,392
rend_T.2_3      -0,435        -0,404      -0,405
rend_T.2_4      -0,390        -0,311      -0,401
rend_T.2_5      -0,411        -0,401      -0,493
rend_T.2_6      -0,453        -0,512      -0,509
rend_T.3_1      -0,485        -0,470      -0,531
rend_T.3_2      -0,447        -0,329      -0,426
tam.1            0,503         0,521       0,879
tam.2            0,496         0,535       0,888
tam.3            0,523         0,590       0,880
tam.4            0,493         0,564       0,868
tam.5            0,849         0,485       0,454
tam.6            0,859         0,438       0,454
tam.7            0,916         0,514       0,585
tam.8            0,575         0,654       0,645
tam.9            0,586         0,655       0,652
tam.10           0,629         0,734       0,632
tam.11           0,610         0,738       0,711
tam.13           0,582         0,781       0,643
tam.14           0,530         0,943       0,602
tam.15           0,495         0,927       0,575

Tabla 9. Varianza explicada por cada variable latente

VARIABLE DEPENDIENTE         VARIABLES PREDICTORAS        PATH

Actitud hacia el uso         Disfrute percibido           0,525
                             Facilidad de uso percibida   0,140
                             Utilidad percibida           0,286
Disfrute percibido           Calidad tecnica              -0,147
                             Facilidad de uso percibida   0,328
                             Utilidad percibida           0,423
Facilidad de uso percibida   Calidad tecnica              -0,493
Intencion de uso             Actitud hacia el uso         0,628
                             Disfrute percibido           0,203
                             Utilidad percibida           0,032
Utilidad percibida           Calidad tecnica              -0,350
                             Facilidad de uso percibida   0,401

                                           VARIANZA
VARIABLE DEPENDIENTE         CORRELACION   EXPLICADA

Actitud hacia el uso         0,812         42,6%
                             0,641         9,0%
                             0,729         20,8%
Disfrute percibido           -0,540        7,9%
                             0,644         21,1%
                             0,692         29,3%
Facilidad de uso percibida   -0,493        24,3%
Intencion de uso             0,816         51,2%
                             0,735         14,9%
                             0,630         2,0%
Utilidad percibida           -0,548        19,2%
                             0,574         23,0%

Tabla 10. Valores t de Student y p-valores de los coeficientes path

VALORES T Y P-VALORES
                          MUESTRA     MEDIA DE    DESVIACION
                          ORIGINAL   LA MUESTRA    ESTANDAR

Actitud hacia el uso-      0,628       0,630        0,069
  Intencion de uso
Calidad Tecnica-           -0,147      -0,149       0,039
  Disfrute percibido
Calidad Tecnica-           -0,493      -0,500       0,049
  Facilidad uso
  percibida
Calidad Tecnica-           -0,350      -0,356       0,064
  Utilidad Percibida
Disfrute percibido-        0,525       0,528        0,045
  Actitud hacia el uso
Disfrute percibido ->      0,203       0,203        0,070
  Intencion de uso
Facilidad uso percibida    0,140       0,139        0,048
  -Actitud hacia el uso
Facilidad uso percibida    0,328       0,325        0,058
  -Disfrute percibido
Facilidad uso percibida    0,401       0,397        0,062
  -Utilidad Percibida
Utilidad Percibida-        0,286       0,284        0,047
  Actitud hacia el uso
Utilidad Percibida-        0,423       0,423        0,058
  Disfrute percibido
Utilidad Percibida-        0,032       0,030        0,054
  Intencion de uso

VALORES T Y P-VALORES

                          ESTADISTICOS T   P VALORES

Actitud hacia el uso-         9,123        0,000 (**)
  Intencion de uso
Calidad Tecnica-              3,743        0,000 (**)
  Disfrute percibido
Calidad Tecnica-              10,061       0,000 (**)
  Facilidad uso
  percibida
Calidad Tecnica-              5,432        0,000 (**)
  Utilidad Percibida
Disfrute percibido-           11,663       0,000 (**)
  Actitud hacia el uso
Disfrute percibido ->         2,915        0,004 (**)
  Intencion de uso
Facilidad uso percibida       2,902        0,004 (**)
  -Actitud hacia el uso
Facilidad uso percibida       5,708        0,000 (**)
  -Disfrute percibido
Facilidad uso percibida       6,474        0,000 (**)
  -Utilidad Percibida
Utilidad Percibida-           6,029        0,000 (**)
  Actitud hacia el uso
Utilidad Percibida-           7,311        0,000 (**)
  Disfrute percibido
Utilidad Percibida-           0,591          0,555
  Intencion de uso

nota: ** =significativo al 0,01
COPYRIGHT 2018 Servicio de Publicaciones de la Universidad de Navarra
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2018 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Cabero-Almenara, Julio; Perez Diez de los Rios, Jose Luis
Publication:Estudios sobre Educacion
Date:Feb 1, 2018
Words:8350
Previous Article:Colegialidad docente: evidencias de validacion a partir del analisis realizado por comites de expertos acerca del instrumento para autoevaluacion...
Next Article:Valoracion del trabajo colaborativo en los procesos de ensenanza-aprendizaje en entornos escolares con alto nivel TIC.

Terms of use | Privacy policy | Copyright © 2020 Farlex, Inc. | Feedback | For webmasters