proyecto nr: 143418-llp-12008-1-gr-ka3-ka3nw · los datos de las encuestas fueron recogidos por los...
TRANSCRIPT
Network promoting
e‐learning for rural development
e‐ruralnet
LLP Transversal Programme
Key Activity 3 ICT ‐ Networks
WP2 – E‐learning supply and demand surveys
Análisis sobre la oferta y la demanda de formación e‐learning en 11 países Documento de Síntesis
Junio 2011
Proyecto Nr: 143418-LLP-12008-1-GR-KA3-KA3NW Con el apoyo del programa Lifelong Learning Programme, Key Activity 3, ICT de la Unión Europea
E‐RURALNET
2
Rostock, Junio 2011 Elaborado por: Dr. Lutz Laschewski, University of Rostock, Germany Con un informe de conclusiones por Dr. Fouli Papageorgiou, PRISMA‐ Centre for Development Studies Para obtener más información sobre E‐RuralNet visite el sitio web www.e‐ruralnet.eu Este proyecto ha sido financiado con el apoyo de la Comisión Europea. Esta publicación es responsabilidad exclusiva de su autor, y la Comisión no se hace responsable del uso que pueda hacerse de la información contenida en él.
E‐RURALNET
3
CONTENTS PAGE
PREFACE 5
PART I E‐LEARNING SUPPLY: E‐LEARNING PROVIDERS SURVEY 6
1 Introducción 6 2 Diseño de la encuesta y muestreo 6 3 Perfil del proveedor institucional: tipo, tamaño, actividad de capacitación 7
3.1 Tipo de organización 7 3.2 Número de profesores de e‐learning 9 3.3 Alumnos/as 10 3.4 Paquetes de e‐learning 11 3.5 Proporción de productos de e‐learning 12 3.6 Desarrollo del e‐learning 14 3.7 Especialización en provision de e‐learning y presencia en el mercado 15 4.1 Orientación rural, prioridades del cliente y Fuentes de financiación 15 4.2 Orientación al cliente 17 4.6 Calificaciones / certificados 21
5 Métodos de entrega del e‐learning, herramientas y pedagogías 22 5.1 Plataformas empleadas 22 5.2 Herramientas 26 5.3 Métodos pedagógicos 27
6 Problemas y factores de éxito 29 6.1 Problemas asociados al e‐learning en zonas rurales 29 6.2 Expectativas de los proveedores con respecto a los estudiantes 30
7 Percepciones del proveedor sobre la innovación 33 8 Conclusiones 35 Anexo 1: Análisis estadístico: Algunas consideraciones metodológicas 36 Anexo 2: Datos 40
PARTE II DEMANDA DE E‐LEARNING: E‐LEARNERS Y ENCUESTAS A GRUPO DE CONTROL 42 1. Consideraciones metodológicas 42 2 Características socio‐económicas 43
2.1 Género 44 2.2 Edad 45 2.3 Educación 46 2.4 Lugar de trabajo y de vivienda 47 2.5 Estado laboral 49 2.6 Sector económico 49
3 Experiencia formativa del e‐learner y del grupo de control 51 3.1 Participación en cursos 52 3.2 Financiación de los cursos 55 3.5 Valor del curso 57
4 Encuestados del grupo de control sin ningún tipo de experiencia de formación 60 5 Limitaciones y motivación para participar en e‐learning para e‐learners y el grupo de control 62
E‐RURALNET
4
6 Experiencia en e‐learning del grupo de e‐learners 65 6.1 Requisitos particulares 65 6.2 Características de los cursos 66 6.3 Evaluación de la experiencia en e‐learning 68
7 Opiniones sobre el e‐learning 70 8 Conclusiones 72
Anexo 1: Meta‐Análisis 75 Anexo 2: Regresión Binomial 78
PARTE III. CONCLUSIONES 81 BIBLIOGRAFIA 83
LISTA DE TABLAS Y FIGURAS 84
E‐RURALNET
5
PREFACIO
Este informe presenta la síntesis de estudios sobre la demanda y la oferta de e‐learning realizados en 11 países europeos, como parte del proyecto E‐ruralnet, co‐financiado por la Comisión Europea dentro del Programa de Aprendizaje Permanente. El proyecto abordó el e‐learning como un medio para la mejora de oportunidades de aprendizaje permanente en las zonas rurales, con énfasis en las PYME, las microempresas, los autónomos y personas que buscan empleo. El objetivo del proyecto era el aprendizaje no formal e informal de adultos.
Tres encuestas fueron realizadas en cada país:
• Oferta de e‐learning: encuestas a los proveedores de e‐learning. La síntesis de estos resultados se presenta en la Parte I del informe.
• Encuestas sobre demanda de e‐learning, incluyendo los e‐learners (personas con experiencia en e‐learning) y un grupo control (personas sin experiencia en e‐
learning). La síntesis de estos resultados se presenta en la Parte II del informe.
Los cuestionarios para las encuestas se puede encontrar en www.e‐ruralnet.eu
Los datos de las encuestas fueron recogidos por los socios del proyecto e‐ruralnet, por medio de cuestionarios online en 11 países:
Grecia: PRISMA Centro de Estudios para el Desarrollo
Alemania: Universidad de Rostock
Polonia: Universidad Nicolás Copérnico
Hungría: Academia Húngara de Ciencias, Centro de Estudios Regionales
Finlandia: Instituto Ruralia de la Universidad de Helsinki
Italia: Instituto de Biometeorología, Consejo Nacional de Investigación
España: Instituto Mediterráneo para el Desarrollo Sostenible (Imedes)
Portugal: i‐Zone Sistemas de Conocimiento
Reino Unido: Colegio Norton Radstock
Suecia: EMMERCE Ltd
Estonia: Universidad Estona de Ciencias de la Vida
E‐RURALNET
6
PARTE I OFERTA DE E‐LEARNING: ENCUESTA A PROVEEDORES DE E‐LEARNING
1 Introducción
Esta parte presenta los resultados de la encuesta a proveedores de e‐learning para todos los socios. El análisis incluye una comparación de los resultados de las encuestas nacionales, así como un análisis (de exploración) de causalidades. Varias técnicas estadísticas se aplican para analizar el conjunto de datos, en particular, la correlación y el análisis de regresión.
2 Diseño de la encuesta y muestreo
La encuesta se basó en un cuestionario común online, que ha sido traducido a 11 idiomas, disponible en el sitio web del proyecto. El cuestionario contenía 27 preguntas y cubre parámetros estructurales de los proveedores, su perfil, así como sus actitudes hacia algunos aspectos del e‐learning en las zonas rurales. Cada socio se ha acercado a los proveedores de formación individual. La encuesta fue realizada entre enero y diciembre de 2010. Todas las respuestas han sido recogidas en una base de datos conjunta. Cada socio ha elaborado un informe nacional, en el que los resultados nacionales se han resumido y el análisis estadístico básico ha sido realizado de acuerdo a una pauta común. El análisis de este informe se basa en el conjunto de datos recopilados, y también se refiere a los informes nacionales, en particular para interpretar las diferencias nacionales.
Figura 1: Tamaños de la muestra
27
194
6342
29 30 2742
1940 43
27
184
6338 29 30 27
4017
37 41
0
50
100
150
200
250
Greece
Germany
Hungary
Poland
United Kingdom
Portugal
Estonia
Finland
Sweden
Spain Ita
ly
Total Incluidos en el análisis
El tamaño de las muestras difiere mucho entre países. El tamaño medio de la muestra es de 51, pero evidentemente es muy fuerte la influencia de la muestra alemana. La mediana es de 40. Si tenemos en cuenta los diferentes tamaños de
E‐RURALNET
7
población de los países participantes, el panorama es diferente. La muestra de Estonia cubre aproximadamente 20 proveedores por cada millón de habitantes, mientras que la muestra alemana cubre sólo 2,36, que es el valor medio de todos los países. Con respecto al tamaño de la población de las muestras en España, Italia y el Reino Unido, éstas son muy pequeñas (menos de 1 proveedor por cada millón de habitantes). Las muestras de Suecia y Grecia se encuentran en un rango medio, a pesar de que el tamaño total de la muestra es pequeño.
A fin de lograr altos estándares de calidad del conjunto de datos ha sido muy crítica la prueba de anomalías. Por lo tanto, algunas tablas difieren ligeramente de los informes nacionales. Es de destacar que no es incorrecto incluir todos los conjuntos de datos en el análisis, ya que en los informes nacionales sólo se realizó el análisis estadístico básico. Sin embargo, la inferencia estadística más profunda en este informe requiere un enfoque más crítico. Por ejemplo, los casos extremos han sido excluidos del análisis. Los conjuntos de datos excluidos no son incorrectos, pero pueden ser únicos y habrían difuminado la prueba estadística. Finalmente, un total de 533 casos han sido incluidos en el análisis.
El conjunto de datos es lo suficientemente grande como para revelar las diferencias nacionales entre todos los países. Sin embargo, el número de casos por país es a menudo demasiado pequeño para identificar diferencias específicas de cada uno.
3 Perfil del proveedor institucional: tipo, tamaño, actividad de capacitación
En esta sección se incluyen 533 casos.
3.1 Tipo de organización
En algunos países la cuestión de la forma jurídica de la organización del proveedor ha causado algunas dificultades. Esto ha sido particularmente el caso de las instituciones que son de propiedad pública, pero que son privados de acuerdo con la forma jurídica. Esto ha producido una proporción de respuestas poco claras, cuando los entrevistados marcaron múltiples opciones. En este aspecto, estos casos están incluidos en la opción "otros".La mayoría de las empresas de estos proveedores son empresas privadas (289), mientras que las instituciones del sector público y organizaciones no gubernamentales tienen casi la misma proporción.
E‐RURALNET
8
Figura 2: Tipo de organización
15,4%
57,1%
14,2%
13,2%
Publica
Privada
ONGs
Otras
Las acciones de cada tipo de organizaciones difieren entre los países. La χ 2‐estadística no se puede aplicar aquí, debido a un número insuficiente de casos en algunos países. Sin embargo, es evidente que el grupo "otros" es particularmente fuerte en Finlandia y Suecia, donde también informan de las altas cuotas de proveedores del sector público. Parece que la identidad de los proveedores públicos, en el sentido de pertenencia, y privadas, debido a la forma jurídica, ha causado conflictos.
Figura3: Tipo de organización por país
3% 3% 5% 8% 12% 13% 15%27%
33% 37%
53%
72% 76%79%
55%56%
69% 65%57%
3%
33%
18%
17% 14% 8%
20% 12%
12%8% 7%
23%
22%
0%
8% 7% 8%17% 20%
5% 12% 10%
41%
7%
29%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
ES PT PL HU GR DE EE IT FI UK SE
Publica Privada ONG Otra
E‐RURALNET
9
3.2 Número de profesores de e‐learning
Para este el análisis se han excluido casos en que todavía no se había comenzado la prestación de e‐learning (pregunta 8). Sobre esta base, 428 casos se incluyen en el análisis. El valor medio de los maestros es 100,2. El rango es de 0 a 1800, y la desviación estándar es de 211,5. 1 La mitad de los proveedores emplean a 20 o menos profesores (mediana = 20).
Figura 4: Personal docente
39%
11%
19%
10%
21%
<=10
11‐20
21‐50
51‐100
101+
La amplia gama y la variación se debe al hecho de que los proveedores a menudo emplean a profesores a tiempo parcial. Las medias difieren significativamente entre los países. Puesto que la toma de muestras puede estar sesgada, las diferencias tienen que ser tratadas con cuidado. Es difícil evaluar, si las principales diferencias reflejan las verdaderas diferencias entre países o están causadas por un muestreo sesgado.
Figura 5: Número de profesores. Medias nacionales
28,253,4 54,1 65,8
103,5 106,0121,4 121,7
148,0176,4
204,5
0
50
100
150
200
250
PL HU IT ESP PT DE GR UK FI EE SE
F (10,417)= 1,839* f= 0,21
Para este análisis del número de profesionales de e‐learning, los casos en que aún no ha comenzado la prestación de e‐learning han sido excluidos (pregunta 8). El número de profesionales de e‐learning abarca de 0 a 750 (n = 428). La media es de 29,2 y la mediana es de 5. La desviación estándar es de 88. Casi tres cuartos de todos los proveedores emplean a 10 profesores de e‐learning o menos, y el 81% emplean a 20 o menos.
E‐RURALNET
10
Figura 6: Profesores de e‐learning
Es fácilmente comprensible que el número de profesores esté fuertemente correlacionado con el número total de profesores (r = 0.638 **). Así, los medios difieren entre los países (F (10,417) = 2,234 *, f = 0231).
3.3 Alumnos/as
Para este análisis se han excluido casos en que todavía no ha comenzado la prestación de e‐learning (pregunta 8) (n = 414).
El número de estudiantes de e‐learning abarca de 0 a 25000. El promedio es de 1228,6, pero la mediana es de 120. Así, el 50% de todos los proveedores tienen 120 o menos estudiantes. Un pequeño número de grandes proveedores de e‐learning influye en la media. La desviación estándar es de 3169,99. Las diferencias entre países no son estadísticamente significativos.
Figura 7: Número de alumnos de e‐learning por proveedor durante los últimos 6 meses
31%
15%28%
13%
7%6% up to 50
51 ‐100
101‐500
501‐2000
2001‐5000
5001+
La participación de mujeres estudiantes no ha sido calculado en los proveedores que tuvieron 0 estudiantes en los últimos 12 meses (n = 347). No hay diferencias de género visible. El porcentaje de mujeres estudiantes está casi perfectamente distribuido alrededor de una media del 50,3% y un error estándar de 24,0. Así, todos los casos informan de la participación de estudiantes mujeres en un rango de 25 a 75%.
E‐RURALNET
11
Figura 8: Porcentaje de mujeres estudiantes de e‐learning por proveedor en los últimos 12 meses
17,6%
36,3%
32,3%
13,8%
<=25 %
Entre 25 y 50%
Entre 50 y 75%
Más del 75%
La participación de estudiantes de género femenino difiere significativamente entre países.
Figura 9: Porcentaje de estudiantes de sexo femenino: medias nacionales
34,642,9
48,0 48,0 50,7 51,1 53,7 55,2 56,5 59,4 62,3
0
10
20
30
40
50
60
70
IT PT HU DE UK GR ESP PL EE SE FI
F (10,436)= 2,975** f= 0,298
3.4 Paquetes de e‐learning
Para este análisis se han excluido los casos en que todavía no se ha comenzado la prestación de e‐learning (pregunta 8) (n = 414). El número de paquetes de e‐learning abarca de 0 a 1500 con una media de 40,5 y mediana de 6. La desviación estándar es de 129,1. Una vez más un pequeño número de proveedores de gran tamaño tienen un fuerte impacto en el medio.
E‐RURALNET
12
Figura 10: Número de paquetes de e‐learning que se ofrecen actualmente
64%
23%
5%6%
2%
up to 10
11 to 50
51 to 100
101‐500
501+
El número reportado de paquetes de e‐learning que se ofrece difiere significativamente entre países. Las causas de tales diferencias no son claras.
Figura 11: Número de paquetes de e‐learning que se ofrecen actualmente: medias nacionales
6,915,9 18,0 22,0 22,9
32,8 33,146,7
62,373,5
120,3
0
20
40
60
80
100
120
140
GR PL HU UK PT SE DE FI EE IT ESP
F (10,404)= 2,173* f= 0,232
3.5 Proporción de productos de e‐learning
Para este análisis se han excluido casos en que todavía no ha comenzado la prestación de e‐learning (pregunta 8) (n = 415). Aproximadamente una cuarta parte (22,7%) de todos los proveedores que ofrecen cursos de e‐learning en los últimos 12 meses pueden ser considerados como proveedores especializados de e‐learning, mientras que para más de la mitad de todos los proveedores la formación de e‐learning es más bien un complemento. Una cuarta parte tiene un perfil mixto.
E‐RURALNET
13
Figura 12: Proporción de cursos de e‐learning dentro de la oferta total
52,3%
11,1%
6,5%
7,5%
22,7%
Menos del 20%
Entre el 20 y el 40%
Entre el 40 y el 60%
Entre el 60 y el 80%
Más del 80%
Los proveedores especializados de e‐learning muestran ciertas características distintivas:
• Son empresas con más frecuencia privadas u ONGs • Son significativamente más pequeños que otros proveedores (en relación con el
número de profesores empleados). • Sin embargo, el número de estudiantes llegar a ser similar. La ratio de alumno por
profesor es la más alta (alrededor de 75).
Tabla 1: Porcentaje de cursos de e‐learning por tipo de organización
S Total Tipo de organización Menos del 20% Entre 21% ‐ 80% Más del 80% Publica 46 10 8 64 Privada 102 57 61 220 ONG 29 17 12 58 Otras 33 11 8 52 Total 210 95 89 394 χ2 = 17,043; df=6; sig. = 0,009 C=0,204, w=0,208
Figura 13: Número de profesores (media)
F(4,389)=4,021** f=0,203
120,1
99,5
62,9
164,6
28,7
0
20
40
60
80
100
120
140
160
180
Menos del 20% Entre el 20 y el40%
Entre el 40 y el60%
Entre el 60 y el80%
Más del 80%
E‐RURALNET
14
Figura 14: Número de alumnos de e‐learning
F94,379)=6,277** f=0,2574
527
1644
2252
2675
2103
0
500
1000
1500
2000
2500
3000
Menos del20%
Entre el 20 y el40%
Entre el 40 y el60%
Entre el 60 y el80%
Más del 80%
3.6 Desarrollo del e‐learning
En cuanto a la forma de los proveedores de desarrollar contenido e‐learning (Q9), sólo el 9,9% de los proveedores externaliza el desarrollo de contenidos de e‐learning, mientras que el 52,4% desarrolló e‐learning propio y el resto combina la subcontratación y el desarrollo de contenido propio (n = 424).
Figura 15: Desarollo de los contenido de e‐learning
52,4%
9,9%
37,7%
Dentro de laorganizaciónSubcontratación deexpertos
Ambos
No hay una correlación significativa entre el tipo o tamaño de la organización y el desarrollo de contenidos de e‐learning.
Con el fin de analizar las interdependencias entre las variables se ha aplicado un análisis de correlación para los parámetros estructurales de los proveedores de formación. La tabla completa de correlaciones está incluida en el anexo (cuadro 2). El análisis sugiere lo siguiente:
E‐RURALNET
15
• Proveedores del sector público tienden a emplear a más maestros y una mayor proporción de profesores de e‐learning.
• Los proveedores comerciales de la muestra tienden a emplear un número menor de
maestros son menos propensos a ofrecer e‐learning para cinco o más años. Sin embargo, es probable que tengan más estudiantes de e‐learning, mientras que la proporción de estudiantes mujeres se correlaciona negativamente con este grupo de empresas.
• Las ONG tienden a tener menos estudiantes de e‐learning, pero una mayor proporción de estudiantes mujeres.
• Estar en el negocio del e‐learning para cinco o más años se correlaciona positivamente con el número de docentes empleados, el número de estudiantes de e‐learning y el número de paquetes de e‐learning que ofrece.
3.7 Especialización en provision de e‐learning y presencia en el mercado
La presencia de proveedores en el mercado de e‐learning (Q8) se midió por el número de años que el proveedor ofrece cursos de e‐learning (n = 530). Alrededor del 61% de los proveedores han estado ofreciendo cursos de e‐learning por no más de cinco años o planean ofrecer en el caso de un proveedor. Sólo el 38,9% de los proveedores han estado activos en el e‐learning desde hace más de cinco años.
Figura 16: Años de prestación de e‐learning
14,9%
8,7%
38,9%
37,5%En un futuro próximo
Menos de un año
Entre 1 y 5 años
Más de 5 años
4. Mercado de proveedores: orientación rural, prioridades de los clientes, fuentes de financiación
4.1 Orientación rural, prioridades del cliente y Fuentes de financiación
La orientación rural de los proveedores se mide preguntando a los proveedores si ofrecen paquetes especiales de e‐learning para las zonas rurales (P7). Menos de un tercio (30,2%) de los proveedores indicaron ofrecer paquetes de e‐learning, y el resto trabaja en zonas rurales, pero ofrece paquetes estándar de e‐learning.
E‐RURALNET
16
Figura 17: Paquetes especiales para zonas rurales
30,2%
69,8%
Si
No
La orientación rural de los proveedores de e‐learning difiere sobremanera entre los países. Sin embargo, los dos valores más altos tienen que ser tratados con cuidado, ya que las muestras en el Reino Unido y Estonia han sido muy pequeños y por lo tanto es posible una selección autosesgada, y la orientación rural puede ser sobre‐representada. Sin embargo, las diferencias entre los países con muestras relativamente grandes (Alemania, Hungría, Finlandia) sugieren que las diferencias son sobre todo válidas.
Figura 18: Paquetes de e‐learning para las zonas rurales por país (%)
11,6%17,4%
23,5% 24,2%
31,3% 33,3%
44,0%48,6%
51,4%
68,2%
75,0%
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
DE PT PL IT ESP SE GR FI HU UK EE
No hay una clara evidencia de una correlación de una orientación rural con cualquiera de los parámetros estructurales descritos anteriormente.
E‐RURALNET
17
4.2 Orientación al cliente
La mayoría de los proveedores en la muestra priorizan a los empleados de grandes empresas, mientras que otros grupos de usuarios se clasifican uniformemente. La "orientación rural" de los proveedores se refleja en el grupo objetivo de clientes. Proveedores que ofrecen paquetes especiales de e‐learning para las zonas rurales priorizan más a menudo a los trabajadores por cuenta propia (r = 0.164 **), los desempleados (r = 0.148 **), estudiantes (r = 0.134 **), así como otros grupos (r = 0,160). Así, el foco de los proveedores parece ser más amplio. Sin embargo, los efectos generales son pequeños.
Figura 19: Prioridades del proveedor con respecto al cliente: particulares
14
49
96 101
59
2551
8876
23
72 81 80 90 92
125141
78 8472
238
119
90 88 85
0
50
100
150
200
250
Empleados engrandes
compañías
Auto‐empleo Desempleados Estudiantes Otros
No prioritario Baja prioridad Prioridad media Alta prioridad Prioridad máxima
La orientación hacia el cliente con respecto a los tipos de organizaciones se distribuye más uniformemente, aunque hay una clara indicación de que las grandes organizaciones (empresas grandes y medianas empresas, organizaciones del sector público) generalmente reciben una prioridad más alta que las pequeñas empresas y microempresas. Una vez más la orientación de las zonas rurales se refleja en la priorización. Proveedores que ofrecen paquetes especiales de e‐learning para las zonas rurales priorizan más a menudo a pequeños empresas (r = 0.201 **) y microempresas (r = 0.267 **).
E‐RURALNET
18
Figura 20: Prioridades del proveedor con respecto al cliente: organizaciones
53
35 3852 48
56
36 41
6955
80 77
9782 8581
136123
10391
148135 131
114
133
0
20
40
60
80
100
120
140
160
Grandescompañías
Medianasempresas
Pequeñasempresas
Microempresas Organizacionesdel sectorpúblico
no priority small priority medium priority large priority top priority
4.3 Financiación
Se ha pedido a los proveedores que indicasen las fuentes de financiación para los cursos de e‐learning. Los proveedores pueden seleccionar varias opciones. En promedio, los proveedores optaron por dos opciones (media = 1,988). Si se informa sólo de una sola fuente de financiación todas las fuentes se mencionan de manera uniforme. Si existe una combinación de dos fuentes de financiación, las privadas (empleador y / o prácticas) son las más comunes (r = 0.337 **).
La orientación rural está débilmente correlacionada positivamente con la opción de financiación. Se presentan con mayor frecuencia cursos de e‐learning totalmente subvencionados en proveedores que ofrecen paquetes especiales para las zonas rurales (r = 0.135 **).
Figura 21: Financiación de cursos de e‐learning
311
293
181
177
56
0 50 100 150 200 250 300 350
Pagadas por la empresa
Pagadas por el alumno
Financiación mixta público ‐ privada
Totalmente subsidiadas por la administraciónpública
Otros
E‐RURALNET
19
El uso de fuentes de financiación particular difiere significativamente entre países. La mayor diferencia se observa para el elemento "pagos privados por el alumno" (χ 2 = 70,074 (df = 10), C = 0341, w = 0,362). Todas las otras fuentes de financiación muestran similares efectos, abarcando desde w = 0.267 (parcialmente subvencionada) a w = 0315 (a cargo del empleador).
Sin embargo, la combinación de fuentes de financiación muestra tres patrones básicos. En Alemania, Portugal, Estonia, Polonia, Finlandia y España las fuentes de financiación privada son dominantes, mientras que en el Reino Unido y Grecia, las subvencionadas parecen dominar. En los demás países las fuentes de financiación son utilizadas de manera más uniforme.
Figura 22: Financiación de los cursos de e‐learning por país
76%
67%
63%
61%
55%
54%
48%
41%
35%
34%
30%
66%
80%
78%
55%
65%
68%
25%
31%
24%
34%
44%
23%
17%
41%
32%
48%
46%
40%
52%
29%
20%
60%
39%
7%
4%
29%
40%
30%
37%
66%
29%
32%
30%
0% 20% 40% 60% 80% 100%
DE
PT
EE
PL
FI
ES
HU
UK
SE
IT
GR
Pagada por la empresa Pagada por el alumno
Totalmente subvencionada Parcialmente subvencionada
4.4 Motivación
E‐RURALNET
20
Se les ha preguntado a los proveedores por su motivación para empezar a ofrecer e‐learning. La motivación más importante es "la demanda particular". En la categoría de otros, los proveedores de forma regular se refieren a la competitividad, las opciones estratégicas, oportunidades de mercado y el interés por las nuevas tecnologías como otras motivaciones importantes. La orientación a las zonas rurales es de nuevo correlativa a las motivaciones. Proveedores que ofrecen paquetes especiales de e‐learning para las zonas rurales informan más a menudo " de la demanda particular como la principal causa. Una vez más el efecto (r = 0.134 **) es débil.
Figura 23: Motivación para empezar a ofrecer e‐learning
234
166
166
139
130
0 50 100 150 200 250
Demanda de personas individuales
Demanda por parte de pymes
Otros
Demanda de grandes empresas
Subvenciones por parte de la UE o nacionales
4.5 Materias ofertadas
Hay claro dominio de temas generales, tales como Negocios y Gestión, así como las TIC y otros temas similares en el campo del e‐learning. Temas técnicos del sector primario y del turismo como actividades típicas de las zonas rurales sólo se ofrecen un 9,4% y 15,6% respectivamente en todos los proveedores. Sin embargo, esto refleja la importancia global de estas actividades económicas. Proveedores de, en general paquetes especiales para las zonas rurales no se diferencian con respecto a las materias que se imparten, con excepción de las dos actividades específicamente rurales. Estos proveedores representan a 28 de 50 proveedores que ofrecen temas técnicos para el sector primario y casi el 50% de los proveedores que ofrecen cursos para el turismo, a pesar de que representan menos de un tercio (30,2%) de la muestra.
E‐RURALNET
21
Figura 24: Materias ofertadas
55%
55%
35%
30%
29%
26%
16%
9%
0% 10% 20% 30% 40% 50% 60%
Gestión y dirección
TIC y comunicaciones
Otros
Materias técnicas para el sector industrial
Otros servicios
Idiomas
Turismo
Materias técnicas para el sector primario
4.6 Calificaciones / certificados
Casi todos los proveedores de e‐learning ofrecen al menos un tipo de certificación. Sin embargo, sólo el 20,6% informó de que ofrecen una cualificación formal. Proveedores que otorgan una calificación formal, o una certificación de reconocimiento nacional o internacional, por lo general también ofrecen su propia certificación. La gran mayoría de los proveedores (61,1%) ofrecen un solo tipo de calificación. Esto se halla en más de dos tercios de los casos (69,2%) la certificación de los prestadores y en un 14% de los casos otra calificación no reconocida oficialmente.
Los proveedores que ofrecen paquetes especiales para las zonas rurales son significativamente más propensos a otorgar títulos o certificados reconocidos oficialmente. Sin embargo, los efectos son débiles (r = 0,109 *, respectivamente, 0.105 * y * 0,093). No hay correlación entre el tipo y el tamaño de un proveedor y la naturaleza de los títulos que se ofrecen.
Figura 25: Certificaciones ofrecidas
71%
26%
21%
16%
14%
0% 10% 20% 30% 40% 50% 60% 70% 80%
Certificación propia
Certificación nacional reconocida de enseñanza noformal
Cualificación formal
Certificación internacional reconocida de enseñanzano formal
Otros
E‐RURALNET
22
Las calificaciones y certificaciones que ofrecen los proveedores de e‐learning difieren de manera significativa entre países. El siguiente diagrama muestra una fuerte tendencia de venta libre, por un lado, una creciente proporción de proveedores que ofrecen certificaciones propias y, por otro lado, una parte cada vez menor de proveedores que ofrecen títulos (r = ‐ 0352 *).
Figura 26: Certificados ofrecidos por país
8%
28% 29%25%
9%
17% 18%13%
24%
7% 9%
29%33%
41%44% 46% 48%
54%
60%
68% 70%77%
0%
10%
20%
30%
40%
50%
60%
70%
80%
GR UK SE FI PT ESP HU DE EE PL IT
Cualificación formal Certificación formal reconocida
Certificación formal reconocida Certificado propio
Lineal (Cualificación formal) Lineal (Certificado propio)
5 Métodos de entrega del e‐learning, herramientas y pedagogías
5.1 Plataformas empleadas
En esta sección se incluyen 509 casos para los cuales la respuesta de Q8 (años de enseñanza e‐learning) no es «la planificación para empezar en el futuro». Hay 8 casos de desaparecidos. Los 501 casos restantes seleccionaron alrededor de dos métodos de entrega de cada uno (ø = 1,86).
Figura 27: Formas de entrega
427
211
163
80
40
19
10
0 50 100 150 200 250 300 350 400 450
Plataformas E‐learning
Websites para descargar material
Video DVDs/CDs
Otros
Teléfonos Móviles
Programas de televisión
Programas de radio
E‐RURALNET
23
Otros métodos de aplicación mencionados son Videoconferencias / Skype / aulas virtuales y seminarios. Además se mencionan archivos MP3, correos electrónicos y WebTV.
Casi la mitad de los proveedores (44,9%) utilizan sólo un método de entrega. Esto es por lo general una página web o una plataforma de e‐learning. Un pequeño número de proveedores utilizan Videos / DVDs o CDs como el método de entrega único. Donde más métodos de entrega se utilizan se añaden sucesivamente otros métodos de aplicación. El orden de aparición es los teléfonos móviles, programas de televisión y programas de radio.
Plataformas E‐learning
Websites para descargar material
Video DVDs/CDs
Teléfonos Móviles
Programas de radio
Teléfonos Móviles
Otros total
193 21 4 0 0 0 24 242 79,8% 8,7% 1,7% ,0% ,0% ,0% 9,9% 109 76 50 0 0 6 15 128 85,2% 59,4% 39,1% ,0% ,0% 4,7% 11,7% 87 79 72 3 0 11 27 93 93,5% 84,9% 77,4% 3,2% ,0% 11,8% 29,0% 23 20 22 5 1 12 9 23 100,0% 87,0% 95,7% 21,7% 4,3% 52,2% 39,1% 9 9 9 5 3 5 5 9 100,0% 100,0% 100,0% 55,6% 33,3% 55,6% 55,6% 6 6 6 6 6 6 0 6 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% ,0% Total 427 211 163 19 10 40 80 501
* Los porcentajes y recuentos se basan en el número de casos.
Existen diferencias considerables entre los países con respecto al número de métodos de entrega aplicados. A pesar de que las variaciones en los países son elevados y que el número de casos en algunos países es pequeño, un análisis de varianza (ANOVA) produce resultados significativos (F = 4.111, df = 10). Los resultados sugieren que los medios en Grecia, España y Portugal son diferentes los de otros países.
E‐RURALNET
24
Figura 28: Número medio de métodos de entrega
Los siguientes tres países (SE, Reino Unido; FI) se agrupan en el grupo 1 y otros tres países (Grecia, ESP, PT) se agrupan en el grupo 3. El resto de los países se agrupan en el grupo 2.
Se puede demostrar que el uso de métodos de entrega depende de la experiencia del proveedor, el tamaño del proveedor (número de alumnos y / o profesores) y lo más importante según el país del proveedor.
Se han aplicado por etapas regresiones logísticas (sobre la base de los criterios de prueba de Wald) para analizar los efectos de las variables seleccionadas en el uso de métodos menos comunes de entrega. A continuación se presenta una regresión logística en el uso de DVD / CD / Video como método de entrega. El procedimiento paso a paso ha excluido a la mayoría de las variables, pero tres variables permanecen en la solución final. El modelo es estadísticamente significativo, pero parámetros pseudo‐R 2 indican un efecto moderado (por ejemplo, Nagelkerkes R 2 = 0,076).
Tabla 2: Regresión logística: DVD / CD / Videos utilizado como método de entrega
Variable Coeficientes de regresión B
Std. error
Wald df Sig. Exp(B)
years5andmore ,391 ,234 2,795 1 ,095 1,478 Number of e‐learning students
,000042 ,000 3,598 1 ,058 1,00004
Country Group 3 ‐,981 ,315 9,717 1 ,002 ,375 const ‐,851 ,153 30,934 1 ,000 ,427
E‐RURALNET
25
Una regresión logística se utiliza para la predicción de la probabilidad de ocurrencia de un evento. En este caso la probabilidad de que los DVD / CD / Videos se utilicen como método de entrega. La última columna de la tabla (exp (B)) representa la probabilidad de una variable. Por lo tanto, Exp (B) = 1 significa un 50% de probabilidad
Los resultados sugieren lo siguiente:
1. El término constante representa la probabilidad del uso de DVD / CD / videos como
un método de entrega con respecto a una situación de referencia. La referencia (ficticia) son los proveedores que no están en el Grupo de Campo 3 (GR, ESP, PT), que ofrecen cursos de aprendizaje electrónico por menos de cinco años y que tienen
cero estudiantes de e‐learning. En este caso, la probabilidad estimada de que el DVD
/ CD / videos se utilicen como métodos de entrega es del 30%. (La razón de probabilidad es 0427 / 1).
2. Los proveedores de formación, que ofrecen cursos de aprendizaje electrónico por cinco o más años tienen una probabilidad 60% mayor de la utilización de DVD / CD / videos como métodos de entrega.
3. Por 1000 estudiantes de e‐learning la razón de probabilidad aumenta sólo
ligeramente a 1.043. Eso es un aumento de la probabilidad del 1%. 4. Si una empresa está ubicada en un país del Grupo de Campo 3, la probabilidad de
que el DVD / CD / videos se utilicen como métodos de entrega se reduce a 13,8%.
Tabla 3: Regresión logística. TV y Radio usados como métodos de entrega
LogReg Radio Programmes Regression coefficient B
Std. error
Wald df Sig. Exp(B)
Country Group 1 2,811 ,829 11,508 1 ,001 16,627 const ‐5,097 ,709 51,639 1 ,000 ,006 LogRegTV Programmes Regression
coefficient B Std. error
Wald df Sig. Exp(B)
Percentage of e‐teachers ,000 ,000 7,762 1 ,005 1,000 Country Group 1 2,582 ,622 17,248 1 ,000 13,220 const ‐4,439 ,511 75,570 1 ,000 ,012
El mismo procedimiento se ha aplicado para analizar el uso de programas de TV o Radio como métodos de entrega. Los resultados sugieren que los métodos de entrega se utilizan casi exclusivamente en los países del grupo de países 1 (SW, Reino Unido, FI).
Es de destacar que el informe final describe la televisión y la radio como enfoques "tradicionales" de la provisión de educación a distancia. Esto permite dos posibles conclusiones. La amplitud de los métodos de distribución refleja, por un lado las
E‐RURALNET
26
tradiciones nacionales de educación a distancia y / o, por otro lado, la continuidad de los actores en este campo.
5.2 Herramientas
En esta sección se incluyen los casos en que la respuesta de Q 8 (años de enseñanza e‐learning) no es «la planificación para iniciar en el futuro». Los restantes 451 casos seleccionaron en promedio entre 3 y 4 (3,6) las herramientas técnicas (de = 1.958). Las herramientas más comunes que se aplican son mensajes de correo electrónico, grupos de discusión y salas de chat.
Figura 29: Herramientas
15%
19%
22%
27%
34%
36%
50%
63%
82%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
Otros
Podcasts
Blogs
Wikis
Comunidades E‐learning
Videoconferencias a través de Webcams
Chats
Grupo de Discusion
E‐mails
El número total de elementos seleccionados para esta pregunta puede ser considerado como prueba a gran escala de las normas técnicas del proveedor de formación. La fiabilidad de esta escala (alfa de Cronbach) es α = 0,669, que no es bueno. La escala de la prueba mejora, cuando dos elementos (E‐mails, otros) se eliminan. Después de esto la fiabilidad es aceptable (α = 0,717). Esta escala de la prueba se utiliza en las siguientes.
Se puede demostrar que el uso de herramientas técnicas depende de la experiencia del proveedor, el número de paquetes de e‐learning que ofrece y el país del proveedor. El tamaño o el tipo de organización no es relevante para las decisiones de tecnologías. Para identificar las causalidades que explican el nivel técnico de los proveedores de formación de e‐learning se ha aplicada una regresión lineal por pasos. El procedimiento de selección es el cambio de R 2. El siguiente modelo ha sido identificado como el (variable dependiente Q17_010Sum2) más adecuado:
E‐RURALNET
27
Tabla 4: Regresión en la escala de prueba "Norma Técnica"
Coefficients Regressions coefficient B
Standard error
Beta T Sig.
Constant term 1,628 ,283 5,777 ,000 years5andmore 1,024 ,321 ,263 3,185 ,002 years_1t05 ,546 ,316 ,141 1,730 ,084 E‐learning packages offered (1000)
2,272 ,726 ,152 3,130 ,002
country group 3 ,555 ,230 ,115 2,410 ,016
ANOVA RSS df MSS F Sig. Regression 125,454 4 31,613 9,162 ,000 Non standardised Residuals 1414,718 410 3,451 Total 1541,171 414
Tres variables se incluyen en el modelo (número de años de enseñanza de e‐learning, el número de paquetes de e‐learning que ofrece y el porcentaje de e‐profesorado). El efecto global de estas variables en la escala de norma técnica es de mediana a pequeña (R 2 = 0,082; f 2 = 0,089), y el modelo es altamente significativo. Los coeficientes de las regresiones sugieren lo siguiente:
1. El término constante sugiere que alrededor de 1,63 puntos se anotan en general.
2. Si el proveedor ofrece cursos de e‐learning por cinco o más años, la puntuación aumenta en un promedio de 1024 (en comparación a los proveedores que iniciaron cursos de e‐learning en el último año). Si el proveedor de formación ofrece cursos de e‐learning entre uno y cinco la puntuación de aumento es de sólo el 0546.
3. Si el número de paquetes de e‐learning es de 1000 la puntuación se incrementa en 2.272.
4. Si el país está en el grupo de países 3 (GR, PT, ESP), el aumento es de 0,555.
5.3 Métodos pedagógicos
En esta sección se incluyen 451 casos para los cuales la respuesta de Q 8 (años de enseñanza de e‐learning) no es «la planificación para iniciar en el futuro». El número total de respuestas a todos los elementos es 2387.Así, en promedio cada proveedor ha seleccionado a 4,8 de cada 11 artículos.
E‐RURALNET
28
Figura 30: Métodos pedagógicos
12%
12%
17%
22%
39%
48%
58%
61%
65%
65%
77%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
Otros
Audio l ibros
Aprendizaje basado en roles
Aprendizaje basado en juegos
Simulaciones
Adjuntos a E‐mail
Videos
Links a Websites
Contenidos interactivos
Presentaciones de PowerPoint
Lecturas de texto
Un análisis factorial exploratorio (análisis de eje principal, rotación oblicua) se ha aplicado a la prueba, si los elementos describen una variable latente. El análisis factorial (FA) sugiere que los elementos cargan en más de un factor.
Tabla 5: Resultados del análisis factorial exploratorio de los métodos pedagógicos
Muster matrix Factor* Item 1 2 Lecturas de texto ,450 Presentaciones de Powerpoint ,546 Aprendizaje basado en juegos ,587 Contenidos interactivos ,478 Simulaciones ,606 Videos ,488 Audio libros ,382 Enlaces a Websites ,556 Adjuntos a E‐mail ,467 Aprendizaje basado en juegos ,531 Otros
* Sólo factores de carga> 0,3 se presentan en la tabla.
Los parámetros de la tabla ‐ llamados factores de carga ‐ sugieren que "la lectura ", "PowerPoint", "enlaces a sitios web" y "adjuntos de correo electrónico" se correlacionan positivamente. Por lo tanto, se pueden combinar a un común "factor". Lo mismo sucede con el otro grupo de herramientas de la lista. Los dos
E‐RURALNET
29
factores se pueden interpretar como "el uso de métodos avanzados" (factor 1) y el "uso de métodos simples" (factor 2).
En base a este análisis una calificación de la prueba para el factor 1 se ha generado por la aplicación de un análisis de componentes principales. La puntuación de los factores está estandarizado con un valor de 0. Por último, una regresión paso a paso lineal de los resultados de las pruebas (los valores de los factores) se ha aplicado. El siguiente modelo ofrece los mejores resultados:
Tabla 6: Regresión lineal en la escala de prueba "Métodos avanzados de Pedagogía"
Coefficients Regression coefficient B
Std. Error
Beta T Sig.
(const) ‐,394 ,083 ‐4,738 ,000 years5andmore ,270 ,099 ,135 2,717 ,007 Commercial ,243 ,096 ,123 2,545 ,011 Number of eLearning students (1000)
0,055 ,016 ,179 3,499 ,001
Number of e‐learning packages offered (1000)
1,521 ,407 ,188 3,740 ,000
a. Variable dependiente «REGR factor de puntuación de 1 para el análisis 1»
El modelo es significativo (F = 16.374, gl = 4), y las variables tienen un efecto medio común (R 2 = 0,145, f 2 = 0,169). El término constante negativo indica una situación de referencia 1, en el que sólo se hace poco uso de avanzados métodos de e‐learning. Por lo tanto, todas las demás variables aumentan el factor. Los coeficientes sugieren:
• Los proveedores de e‐Learning que ofrecen cursos de e‐learning por cinco o más años usan métodos de e‐learning mucho más avanzados que otros proveedores.
• Los proveedores comerciales utilizan métodos avanzados con mayor frecuencia que los proveedores de formación públicos o no gubernamentales.
• El tamaño de las actividades de e‐learning y el número de estudiantes tienen un efecto positivo en los métodos aplicados.
6 Problemas y factores de éxito
A los proveedores se les preguntó sobre los principales problemas asociados con el e‐learning, especialmente en las zonas rurales, las expectativas de los estudiantes, y los factores necesarios para la entrega exitosa de e‐learning.
6.1 Problemas asociados al e‐learning en zonas rurales
De acuerdo con el siguiente diagrama la infraestructura sigue siendo el principal problema para el e‐learning en las zonas rurales. Sin embargo, hay grandes
E‐RURALNET
30
diferencias nacionales en la respuesta a esta pregunta. La parte nacional de un "Sí" como respuesta a este punto oscila entre 29,4% (Suecia) y el 87,8% (Italia).
Figura 31: Problemas asociados al e‐learning en zonas rurales
57%
49%
24%
23%
20%
14%
14%
0% 10% 20% 30% 40% 50% 60% 70%
Infraestructuras inadecuadas
Analfabetismo digital
Limitada capacidad financiera de losestudiantes
No hay financiación pública disponible
Ningún personal de apoyo en las zonasrurales
Materiales didácticos inadecuados
Otros
En promedio, todos los proveedores han marcado alrededor de 2 aspectos. Casi no hay una correlación positiva entre los elementos. Una débil correlación positiva (r = 0,165) entre los elementos de "No hay infraestructura adecuada" y "analfabetismo". 2 Es interesante que el tema "Otros" está negativamente correlacionada con cinco de los seis puntos. La fuerte correlación negativa es en el tema "No hay infraestructura adecuada". Esto indica que la respuesta "otros" contiene aspectos adicionales, alternativas, que no están cubiertos en los temas propuestos. El análisis del texto de las preguntas adicionales abiertas para el ítem "otros", revela cuestiones como "la falta de aceptación", "falta de conocimiento sobre la tecnología", y también dudas sobre la ventaja distintiva de e‐learning en comparación con los "tradicionales" enfoques de aprendizaje. En suma, mientras que los temas propuestos se refieren principalmente a los parámetros estructurales, el ítem "otros" a menudo se refiere a los parámetros subjetivos / actitudes.
6.2 Expectativas de los proveedores con respecto a los estudiantes
Las expectativas de los proveedores con respecto a los estudiantes (P25) fueron intervenidas al preguntar a los proveedores por la importancia de la tasa de 5 cualidades que los alumnos deben poseer para completar con éxito un curso de e‐learning. Los valores medios se presentan en el siguiente diagrama. De acuerdo con este todos los elementos se consideran de media (pensamiento crítico) de gran importancia.
E‐RURALNET
31
Figura 32: Expectativas de los proveedores con respecto a los estudiantes
4,63 4,4 4,163,89
3,57
0
1
2
3
4
5
Voluntad deaprender
Auto‐disciplina
Perseverancia Disponibil idadhoraria
Pensamientocrítico
Los valores medios de todos los artículos varían de manera significativa entre países. 3 Por ejemplo, el promedio nacional de calificaciones para el tema "autodisciplina" va desde 3,69 (Hungría) a 4,89 (Estonia). Además, las calificaciones promedio para el elemento de formulario "disponibilidad de tiempo" abarca de 2,93 (Polonia) a 4,29 (Finlandia). Los valores medios de la partida "La voluntad de aprender" difieren de forma significativa, cuando los datos se agrupan de acuerdo a la "orientación rural" (Q7) y "años de enseñanza e‐learning" (P8). Los proveedores que ofrecen paquetes especiales para la las zonas rurales este lo puntúan un poco más alto. También hay una tendencia lineal significativa por este concepto con respecto a los años de prestación de e‐learning. Cuanto mayor sea la experiencia de los proveedores más alta es la tasa de este artículo.
Los parámetros de tamaño de los proveedores no parecen tener mucho efecto sobre estos temas. Existe una pequeña correlación negativa entre el número de estudiantes de e‐learning y los elementos de "dominio propio" (r =‐ 0,12 *) y la "perseverancia" (r =‐ 0,165 **). Mientras que el efecto del número de estudiantes de e‐learning se mantiene en una regresión múltiple, el efecto de la orientación rural se desvanece.
Tabla 7: Regresión lineal en el punto de "auto‐disciplina"
None (??) stand. Coeff. Standardised coefficient
Model
b Std. error β
T Sig.
(const) 4,226 ,122 34,556 ,000 Q10_1000a ‐,030 ,011 ‐,123 ‐2,834 ,005 Greece ,356 ,188 ,102 1,894 ,059 Germany ,304 ,133 ,191 2,287 ,023 Hungary ‐,554 ,153 ‐,236 ‐3,612 ,000 Poland ,268 ,164 ,098 1,631 ,104
1
United Kingdom
,298 ,180 ,093 1,660 ,098
E‐RURALNET
32
None (??) stand. Coeff. Standardised coefficient
Model
b Std. error β
T Sig.
Portugal ,507 ,175 ,166 2,895 ,004 Estonia ,768 ,183 ,230 4,188 ,000 Finland ,207 ,168 ,073 1,234 ,218 Sweden ‐,065 ,229 ‐,014 ‐,283 ,777 Spain ,454 ,165 ,164 2,755 ,006
R2 = 0,199, F(11,443)=10,001***; f2 = 0,248. Italy is reference. a. Number of students/1000
La situación hipotética de referencia para la regresión lineal en la Tabla 8 es un proveedor en Italia con cero estudiantes. La estimación para ese proveedor es una calificación de 4.226 (constante) de la partida "autodisciplina". Por cada 1.000 estudiantes la nota disminuye un 0,3. Si el proveedor se encuentra en otro país, las calificaciones se incrementan (disminución en el caso de Hungría), de acuerdo a los coeficientes en la columna 2. Sólo en casos como Suecia y Finlandia podría no haber diferencias, ya que los coeficientes estimados no se apartan significativamente de cero.
La regresión multivariante sobre el tema "La voluntad de aprender", confirma el análisis univariante, excepto para la orientación rural. El modelo que muestra los mejores resultados lleva a un grupo de países, como la referencia con menos de cinco años de experiencia en la prestación de e‐learning y profesores hipotéticamente cero. La calificación por 100 profesores se reduce en 0.023, mientras que aumenta para las empresas con cinco o más años de enseñanza de e‐learning por 0.156. Variaciones nacionales también son posibles para los países que figuran en la tabla.
Tabla 8: Regresión lineal en el punto "La voluntad de aprender"
None Stand. Coefficient Standardised Coefficient
Model
b Std. error β
T Sig.
(const) 4,579 ,040 114,099 ,000 years5andmore
,156 ,056 ,124 2,787 ,006
Q05_100a ‐,023 ,013 ‐,076 ‐1,708 ,088 Greece ,324 ,121 ,118 2,674 ,008 Poland ‐,205 ,102 ‐,089 ‐2,017 ,044 Portugal ,238 ,115 ,091 2,071 ,039 Estonia ,268 ,120 ,099 2,239 ,026 Finland ,205 ,101 ,090 2,038 ,042
1
Spain ‐,466 ,104 ‐,200 ‐4,493 ,000 R2 = 0,100 , F(8,480)=6,658***; f2 = 0,111 a. Number of teachers/100
El modelo de regresión múltiple sobre el tema "La perseverancia" parece más simple, ya que sólo dos países difieren sustancialmente de la media. Una vez más, un
E‐RURALNET
33
efecto de la cantidad de alumnos de e‐learning se confirma, mientras que la orientación de las zonas rurales ha caído.
Tabla 9: La regresión lineal sobre el tema "perseverancia"
None stand. Coeff. Standardised coefficient
Model
b Std. error β
T Sig.
(Const.) 4,312 ,043 99,262 ,000 Hungary ‐,288 ,115 ‐,111 ‐2,495 ,013 Italy ‐1,006 ,147 ‐,307 ‐6,860 ,000
1
Q10_1000 ‐,038
‐,138 ‐3,104 ,002
R2 = 0,126 , F(3,447)=21,460***; f2 = 0,144
7 Percepciones del proveedor sobre la innovación
Se preguntó a los proveedores si ofrecen nuevos cursos de e‐learning que podrían considerar como innovadores (P27). Más de la mitad (55,7%) respondieron de manera positiva y se les pidió que precisar en qué sentido se consideran sus cursos de e‐learning como innovadores, en relación con los aspectos de: nuevas herramientas de aprendizaje electrónico y las tecnologías, nuevos métodos pedagógicos, el acceso de los programas de e‐learning a los grupos vulnerables, nuevas soluciones organizativas e institucionales, nuevas formas de ayudar a los usuarios. Las respuestas de proveedores en los aspectos que consideran innovadores en los nuevos cursos de aprendizaje electrónico que ofrecen se presentan en la tabla de abajo.
Cabe señalar sin embargo que las respuestas del proveedor reflejan su opinión subjetiva sobre lo que es innovador y por lo tanto, pueden no coincidir con sus respuestas en cuanto a las herramientas de e‐learning y los métodos pedagógicos que se utilizan realmente, que se presentan en la sección V. Así, por ejemplo, los proveedores pueden reportar el uso de teléfonos móviles en los cursos de e‐learning que ofrecen, pero no pueden considerar los teléfonos móviles como innovadores.
E‐RURALNET
34
Figura 33: La innovación en e‐learning
39%
37%
37%
32%
31%
27%
22%
21%
18%
18%
13%
8%
6%
0% 5% 10% 15% 20% 25% 30% 35% 40%
Los alumnos recoben respuestas rápidas y personalizadas
Comunicación con otros estudiantes
Los alumnos combinar el trabajo individual con el debatey el intercambio de conocimientos
Evaluaciones Online
Plataformas especiales
Contratación no discriminatoria o no exclusiva
Un mejor acceso a los programas de e‐learning a losvulnerables y excluidos los grupos
Herramientas Web 2.0
Sistema de protección de datos
Nuevas formas de apoyo a los usuarios
Wikis
Aprendizaje basado en juegos
Teléfonos móviles
El diagrama sugiere que los nuevos métodos pedagógicos (por ejemplo, las evaluaciones, la respuesta personalizada) se han adaptado con bastante frecuencia, mientras que otras herramientas de aprendizaje más recientes (aprendizaje de GBL / juego basado en los teléfonos móviles, wikis) rara vez son implementadas.
Los elementos de la pregunta 27 recogen diferentes tipos de innovación. El uso de teléfonos móviles y el aprendizaje basado en el juego tienen una correlación positiva (r = 0.365 **). Ambos artículos reflejan un enfoque en la innovación técnica que está relacionada con la especialización en e‐learning. Pero la asociación es relativamente débil (w = 0.124).
Tabla 10: Uso de aprendizaje basado en juegos por parte de e‐learning
up to 20% more than 20 to 80
more than 80%
Total
GBL No GBL 230 95 83 408 GBL 17 11 16 44 Total 247 106 99 452
Como era de esperar, el uso de estas tecnologías también se asocia con la experiencia del proveedor medido por el número de años en un negocio relacionado
E‐RURALNET
35
con el mercado. Sin embargo, una vez más el efecto es débil (w = 0.129). La orientación rural no tiene ningún efecto sobre el uso de GBL.
Hay una serie de artículos que están relacionados, tales como el "uso de los wikis", el uso de "herramientas sociales Web 2.0 ", "los alumnos comunicándose con otros estudiantes" y "aprendices combinando el trabajo individual con el debate y el intercambio de conocimientos". Estos elementos reflejan a grandes rasgos lo que podríamos llamar la innovación pedagógica hacia un enfoque de aprendizaje como práctica social. Para estos elementos, los resultados son similares a los del primer grupo. La especialización y la experiencia de un proveedor tienen un efecto positivo pero débil (w = w 0.147respectively = 0,125), mientras que la orientación rural no.
Tabla 11: Artículo "Los alumnos comunicándose con otros estudiantes" por parte del proveedor
up to 20% more than 20 to 80
more than 80%
Total
Trainees communicate with other students
No 132 44 36 212
Yes 115 62 63 240 Total 247 106 99 452
Los elementos de "reclutamiento no discriminatorio o no exclusivo" y "Mejor acceso a programas de aprendizaje electrónico a los grupos vulnerables / excluidos" reflejan un enfoque en la innovación de la inclusión social. Para estos artículos la situación está cambiando con bastante claridad. Si bien la especialización y la experiencia parece no tener efecto sobre estos temas, la orientación rural se correlaciona positivamente con ambos (r = 0,168 **, respectivamente, r = 0.178 **).
8 Conclusiones
Este informe presenta los resultados de una encuesta de proveedores de e‐learning en 11 países europeos. La encuesta se realizó durante el año 2010 y cubre más de 500 conjuntos de datos individuales. Este conjunto de datos es lo suficientemente grande como para permitir la inferencia estadística detallada. Sin embargo, las conclusiones tienen que ser elaboradas cuidadosamente, ya que el muestreo se ha enfrentado a algunos retos, como las dificultades para acceder a la comunidad objetivo, baja respuesta y en algunos casos alta tasa de abandono. Sin embargo, los datos permiten una visión detallada del estado actual y la trayectoria en la prestación de e‐learning en Europa en general, sino también las especificidades nacionales.
El estudio ha cubierto los perfiles de los proveedores de formación de e‐learning, así como su orientación hacia el mercado, materias que se ofrecen y la aplicación de metodologías. Además, un enfoque especial se ha dado en la orientación de las zonas rurales y el aspecto de la innovación en el e‐learning.
E‐RURALNET
36
Las diferencias nacionales son particularmente importantes en lo que respecta a los perfiles institucionales, la financiación de los cursos, así como las calificaciones y certificaciones ofrecidas. Esto refleja el hecho de que los mercados de educación y formación en la UE están organizados a nivel nacional y estructurados por normas nacionales heterogéneas.
También hay enormes diferencias nacionales en cuanto a la orientación rural de los proveedores de e‐learning. La orientación de las zonas rurales se ha medido por la existencia de paquetes especiales de e‐learning que se ofrece para las zonas rurales. La orientación rural se refleja en el grupo objetivo del proveedor, las asignaturas, las calificaciones y certificados que se otorguen, y, curiosamente, en un mayor interés en los aspectos de innovación que se orientan hacia la integración social.
Las actitudes y prácticas con respecto a los métodos de entrega de e‐learning, aspectos técnicos y pedagógicos de la innovación y las expectativas de los estudiantes muestran un panorama mixto de los factores de influencia. Por un lado, el tamaño de las actividades de e‐learning, años de experiencia en la prestación de e‐learning y el grado de especialización en este campo tienen un impacto positivo en estos temas. Por otro lado, las diferencias nacionales predominan reflejando culturas y tradiciones nacionales en el área de educación y formación continuas. Estos hallazgos sugieren que las diferencias nacionales se mantienen fuertes en el futuro, continuando la innovación en e‐learning para difundir entre los proveedores de formación, con su creciente experiencia en esta área. Sin embargo, los resultados también sugieren que la inclusión social parece ser una zona donde esta regla no se puede aplicar fácilmente. Así, esta zona necesita más atención.
Anexo 1: Análisis estadístico: Algunas consideraciones metodológicas
Parámetros poblacionales
Es una suposición común, aunque todavía defectuosa que la representatividad se asocia principalmente con el tamaño de la muestra. La representatividad sólo puede garantizarse mediante un muestreo aleatorio. Sólo cuando las condiciones de un muestreo aleatorio se cumplen plenamente, un aumento de tamaño de la muestra puede mejorar la estimación de parámetros poblacionales. Es difícil de evaluar, que parte de la población está representado en esta muestra. La razón principal es que la población de los proveedores de formación difiere entre países, debido a la educación y diferentes sistemas de formación profesional. Además, e‐learning se aplica de manera desigual en los estados miembros de la UE. Además, no existen bases de datos de muestras aleatorias que se podrían haber sacado. Cada pareja ha tratado de superar ese límite de una manera diferente, basado en el acceso de socios individuales a la información requerida. Por lo tanto, es muy probable que la muestra esté sesgada, ya que el criterio de un muestreo aleatorio no está lo suficientemente cumplido. Se debe tomar con cuidado una conclusión a partir de parámetros de la muestra en los parámetros de población.
E‐RURALNET
37
En principio, los intervalos de confianza para los parámetros de la población se pueden estimar sobre la base de los parámetros de la muestra. Los intervalos de confianza se calculan aproximadamente con la fórmula:
(siendo n = tamaño de la muestra)
El parámetro puede ser un valor promedio o proporción de la población. En los intervalos de confianza siguientes no se calculan, pero el valor medio, desviación estándar y el tamaño de la muestra se proporcionan para las variables de intervalo de escala. La desviación estándar de un porcentaje se puede calcular con la siguiente fórmula:
σ% = siendo p = cuota de población; n = tamaño de la muestra
Por lo tanto, n está siempre en todas las tablas y diagramas.
Como un criterio adicional para el cálculo de los intervalos de confianza se requiere que la condición
n*p*(1‐p)≥9
se cumpla. Por lo tanto, con n = 533 intervalos de confianza puede ser estimado para las cuotas de población p ≥ 1,7%.
Causalidades y correlaciones
Aunque la muestra no puede ser plenamente representativa con respecto a la población de los proveedores de formación, la muestra todavía permite la inferencia estadística de exploración de las relaciones causales y las asociaciones de los parámetros de la muestra.
Tablas
Para el análisis de lo presentado, las posibilidades de la inferencia estadística de los datos nominales (por ejemplo, país, forma legal de un proveedor) es limitada. La prueba estadística más común de estas tablas es la χ 2‐test. χ 2‐valores son difíciles de interpretar, ya que están creciendo con el tamaño de la tabla y el tamaño de la muestra. Por lo tanto, es útil para calcular otras medidas estandarizadas. El coeficiente de contingencia C es la medida más ampliamente utilizada de la asociación en tablas de contingencia.
C =
E‐RURALNET
38
C varía entre 0 y 1. Dado que C ofrece una manera fácil de calcular el tamaño del efecto w (ver más abajo), también se calculará, cuando la χ 2‐test se aplica.
Comparación de los valores medios
Una forma de analizar la asociación de datos de intervalo y escala de datos nominal / categórica es comparar los valores promedio del grupo. Se puede aplicar para probar diferencias significativas entre las medias de un análisis (de ida) de la varianza (ANOVA). En este caso, un F‐test se utiliza para comparar la variación causada por las diferencias de medias con la varianza restante. Cuando se aplica un ANOVA para las variables con más de 2 categorías, un importante valor F‐sólo señala que las medias de grupo difieren. Con el fin de identificar qué medias de grupo han sido la causa es necesario el análisis (por ejemplo, un Scheffé‐Test). En este informe los resultados de los análisis se mencionan, sin entrar en detalles metodológicos.
Coeficiente de correlación r
Una medida estadística más común es el coeficiente de correlación r. Para datos de intervalo se calcula la correlación producto‐momento de Pearson. Además, los coeficientes de correlación adicionales disponibles pueden ser utilizados de una manera similar. La correlación biserial punto es un caso especial de la correlación de Pearson producto‐momento aplicado a las variables dicotómicas y continuas. Ejemplos de variables son preguntas Sí, No, que han sido ampliamente utilizadas en el cuestionario. Para algunos datos nominales (por ejemplo, tipo de organización) se han creado variables ficticias dicotómicas (O, 1), y se han calculado las correlaciones biserial punto. Para medir la asociación de dos variables binarias se ha calculado el coeficiente phi (π). Es idéntica a la correlación de Pearson producto de dos variables dicotómicas. Por convención, en este todos los coeficientes de correlación se reportarán como "r".
Regresiones
Las regresiones se calculan para analizar los efectos combinados de varias variables independientes (x i) en una sola variable dependiente (y). En el caso más común de una regresión lineal del modelo toma la siguiente forma:
y = a + b1*x1+ b2*x2…bi*xi donde b es el coeficiente de regresión y a es un término constante.
El efecto conjunto de un modelo se mide por un coeficiente de determinación R 2. Los efectos individuales pueden ser descritos por b i.
Para un modelo de regresión lineal con un poco de manipulación nominal, se pueden utilizar ordinales y datos de intervalos de escala como variables independientes, pero las variables dependientes deben escalarse por intervalos.
E‐RURALNET
39
La regresión logística nominal de los datos a escala (para datos binarios) y las regresiones multinomiales se aplican habitualmente. Las estadísticas detrás de esto son fundamentalmente diferentes a las regresiones lineales. Aquí no, el número de cuentas se estima, pero la probabilidad de ocurrencia de un evento se predice. Por ejemplo, en una regresión logística la variable dependiente toma la forma de un logit llamada, que es log (p / (1‐p), donde p es la probabilidad de un evento. El coeficiente de determinación R 2 no se puede calcular directamente para estos modelos, puesto que está basado en una técnica de estimación diferente. Los programas estadísticos calculan similares medidas llamadas Pseudo R 2 , pero, tienen que ser interpretados con cuidado. Este conjunto de herramientas es de gran alcance, pero los parámetros a veces son difíciles de interpretar. En este informe vamos a hacer uso de regresiones logísticas de una manera ejemplar, sin entrar en demasiados detalles de las estadísticas detrás de él.
Importancia y efecto tamaño
La significación estadística es una convención basada en el llamado α‐error. El α‐error es la probabilidad de rechazar una hipótesis nula verdadera. Un convenio de importancia es definir la probabilidad de error de 5%.Si la probabilidad de error es inferior al 1% se considera altamente significativa. En este informe, estos dos niveles de significación están marcados con (*) para α <5% y (**) para α <1%.
La significación estadística es una condición necesaria pero no suficiente para el análisis de los efectos causales y/o la fuerza de las asociaciones. La razón principal de esto es que la significación estadística depende del tamaño de la muestra. Cuanto mayor sea el tamaño de la muestra, más probable es que las variables que tienen sólo efectos débiles sean significativas. Por lo tanto, los tamaños del efecto llamada se calcularán, pues permiten evaluar si un significado también señala relevancia. Si los efectos son pequeños son prácticamente irrelevantes.
La siguiente tabla recoge los tamaños del efecto utilizado en este informe. Se toman de Cohen (1988):
Tabla 12: Efectos tamaño
Statistical Test/Parameter
Effect size Large effect Medium Effect Small effect
Χ2/ C
w=
w=0,5 w=0,3 w=0,1
F (ANOVA)
f=
f=0,4 f=0,25 f=0,1
r r r=0,5 r=0,3 r=0,1
E‐RURALNET
40
R2 /Regression
f2=
f2=0,35
f2=0,15
f2=0,02
Por ejemplo, el coeficiente de correlación r es un tamaño del efecto comúnmente aplicado. Cohen (1988) ha sugerido que r = 0,1 se puede interpretar como un pequeño efectp, r = 0,3, como uno medio, y r = 0,5, como uno fuerte. El tamaño de la muestra de 533 es suficiente para identificar un efecto pequeño (r ≈ 0,1). El parámetro que se utiliza para calcular el tamaño del efecto f de ANOVA, describe la relación entre la varianza explicada en la variable dependiente de un predictor.
Los tamaños del efecto también se calculan en su caso. Como orientación, se puede suponer que un efecto medio o superior es relevante. Para las pruebas estadísticas, que se aplican en este análisis, el tamaño de la muestra es suficiente para identificar los efectos medios.
Anexo 2: Datos
Anexo 2.1: Tipo de organización por país
Tipos de organización
Publica Privada ONG Otras Gesamt
GR 3 14 3 5 25 DE 22 117 21 9 169 HU 5 33 12 10 60 PL 2 30 3 3 38 UK 10 9 6 2 27 PT 1 22 4 2 29 EE 4 17 2 3 26 FI 13 1 9 16 39 SE 9 3 0 5 17 ESP 1 26 6 3 36
Country
IT 8 17 6 9 40 Total 78 289 72 67 506
E‐RURALNET
41
Anexo 2.2: Correlaciones entre parámetros estructurales
Q03_DumPublic
Q03_DumCom Q03_DumNGO
Percentage of e‐teachers
Number of teachers for eLearning
Years 5 and more
Percentage offemale e‐L. students
Number of eLearning students?
Num. of e‐lear. packages offered?
R ‐ ‐ ‐ ,094* ,212** ,075 ,,025 ,052 ,062
Sig. (2sided) ‐ ‐ ‐ ,040 ,000 ,082 ,739 ,251 ,170
Q03_DumPublic
N ‐ ‐ ‐ 484 505 533 355 484 487 r ‐ ‐ ‐ ‐,012 ‐,106* ‐,132** ‐,113* ,090* ,006 Sig. (2sided) ‐ ‐ ,796 ,017 ,002 ,033 ,048 ,894
Q03_DumCom
N ‐ ‐ ‐ 484 505 533 355 484 487 r ‐ ‐ ‐ ‐,036 ‐,055 ,069 ,149* ‐,097* ‐,043 Sig. (2sided) ‐ ‐ ‐ ,424 ,217 ,109 ,005 ,034 ,339
Q03_DumNGO
N ‐ ‐ ‐ 484 505 533 355 484 487 r ,094* ‐,012 ‐,036 1 ,176** ‐,015 ,011 ,020 ,006 Sig. (2sided) ,040 ,796 ,424 ,000 ,740 ,847 ,670 ,902
Percentage of e‐teachers
N 484 484 484 484 474 484 332 448 442 r ,212** ‐,106* ‐,055 ,176** 1 ,235** ,098 ,311** ,420** Sig. (2sided) ,000 ,017 ,217 ,000 ,000 ,069 ,000 ,000
Number of teachers for eLearning
N 505 505 505 474 505 505 344 466 462 r ,075 ‐,132** ,069 ‐,015 ,235** 1 ,057 ,277** ,244** Sig. (2sided) ,082 ,002 ,109 ,740 ,000 ,285 ,000 ,000
years5andmore
N 533 533 533 484 505 533 355 484 487 r ,,025 ‐,113* ,149* ,011 ,098 ,057 1 ,008 ,,27 Sig. (2sided) ,739 ,033 ,005 ,847 ,069 ,285 ,885 ,616
Share of female students
N 355 355 355 332 344 355 355 355 337 r ,052 ,090* ‐,097* ,020 ,311** ,277** ,008 1 ,327** Sig. (2sided) ,251 ,048 ,034 ,670 ,000 ,000 ,885 ,000
Number of eLearning students?
N 484 484 484 448 466 484 355 484 456 r ,062 ,006 ‐,043 ,006 ,420** ,244** ‐,004 ,327** 1
Sig. (2sided) ,170 ,894 ,339 ,902 ,000 ,000 ,931 ,000
Number of e‐learning packages offered?
N 487 487 487 442 462 487 414 456 487
E‐RURALNET
42
PARTE II DEMANDA DE E‐LEARNING: E‐LEARNERS Y ENCUESTAS A GRUPO DE CONTROL
1. Consideraciones metodológicas
Este informe se refiere a los e‐learners y las encuestas al grupo de control en 11 países. La encuesta del grupo de control se ha centrado en las personas que participaron en la educación y la formación continua (CVT), que no ofrece el e‐learning. También contiene una submuestra de encuestados que no participaron en ningún curso de formación profesional permanente después de la escuela.
Las encuestas nacionales han hecho uso de dos cuestionarios, los cuales han sido desarrollados conjuntamente por la asociación y que se basan en un proyecto anterior. Los cuestionarios han sido traducidos a los idiomas nacionales y se han hecho accesibles los cuestionarios en línea en la página web del proyecto. Ambos cuestionarios cubren una gama de criterios socio‐económicos comunes y un conjunto de preguntas idénticas para identificar las diferencias en las actitudes y opiniones de ambos grupos. Además, se les hace a ambos grupos preguntas específicas. En el caso de los e‐learners el objetivo de este conjunto de preguntas es comparar sus opiniones con las percepciones de los proveedores de formación, mientras que al grupo de control se le ha preguntado por la dirección de sus conocimientos y su disposición a hacer uso de e‐learning. La encuesta por correo a los alumnos abarca un total de 1.737 casos, mientras que la encuesta de grupo de control abarca 1.679 casos. El tamaño de la muestra nacional se amplía de 41 a 474 (promedio 157,91) en el estudio de los e‐learners y de 35 a 368 (media de 152,64) en la encuesta al grupo de control.
La muestra de los e‐learners fue construida acercándose a los proveedores de e‐learning que participaron en la encuesta de proveedores y pidiendo que reenvíen la invitación a participar en la encuesta entre sus alumnos actuales o pasados. En el caso del grupo de control, la muestra fue construida acercándose a los posibles encuestados a través de varios canales, incluyendo: proveedores de formación que ofrecen cursos de formación convencional y pidiendo que reenvíen la invitación a participar en la encuesta de grupo de control entre sus alumnos; a PYME, cámaras, asociaciones profesionales y pidiendo que reenvíen la invitación a participar en la encuesta entre sus miembros y / o cargar el cuestionario en su página web; a las empresas individuales (las microempresas y las PYME) e invitándoles a participar en la encuesta.
El procedimiento de muestreo para ambos grupos no fue diseñado para la construcción de muestras representativas. En consecuencia, las inferencias de los datos de un determinado conjunto de las poblaciones tienen que ser tomadas con mucho cuidado. Sin embargo, el diseño de la investigación cuasi‐experimental permite probar la hipótesis de diferencia entre e‐learners y el grupo de control sin tenerles en cuenta. Varias técnicas pueden ser aplicadas con el fin de aumentar la validez de los resultados de las muestras no aleatorias. (1) La comparación de las sub‐muestras con características similares (por ejemplo, mujeres de mediana edad con un grado educativo bajo) (2), adecuación de las muestras, que es la reorganización de una muestra, de modo que las personas seleccionadas para el análisis compartan las propiedades de todos, excepto las que se investiga, las de grupo, de modo que los parámetros de grupo de los dos grupos son muy similares (también llamado
E‐RURALNET
43
paralelización). (3) Control de factores de confusión mediante la medición de los factores de confusión conocidos y su inclusión como covariables en el análisis multivariado.
La técnica (3) se aplicará en el presente informe, en particular en forma de múltiples regresiones (logísticas). Regresiones múltiples permiten incluir tanto la variable de grupo como otras variables en un análisis singular. El coeficiente de regresión de la variable de agrupación directamente se puede interpretar como la diferencia de medias entre los grupos. También es posible poner a prueba si estos coeficientes (y por lo tanto la diferencia de medias) son estadísticamente significativos, aunque otras variables son tomados en consideración. Por lo tanto, ya que este último es el interés principal del análisis en este informe, las ecuaciones deregresión estimada individuales no se presentan. Por el contrario, se acentúa si la variable de agrupación y otras variables llegan a ser estadísticamente significativas. Como la mayoría de las preguntas que serán objeto de análisis estadístico multivariado, se codifican en variables binarias (0, 1), regresiones logísticas, se aplica una técnica de regresión especial. Un ejemplo se describe en el anexo 2.
Además, el enfoque meta‐analítico se utiliza para comparar los resultados de las once encuestas nacionales. Aquí, todas las muestras nacionales son tratadas como estudios separados e individuales. Para las pruebas estadísticas comunes se dispone de los llamados tamaños del efecto, que pueden ser utilizados para comparar los resultados de varios estudios con resultados heterogéneos, y para poner a prueba la idea de que un cierto patrón, que se puede observar en algunos, pero no en todos los estudios apunta a un efecto real en lugar de ser al azar. Puesto que todas las encuestas nacionales utilizan preguntas idénticas, un análisis estadístico de los resultados es sencillo.
La desventaja de este enfoque meta‐analítico es que las diferencias nacionales son tratadas como las variaciones de los parámetros comunes y no como verdaderas diferencias entre los países. Para controlar este supuesto se aplica una prueba llamada de homogeneidad (para más detalles véase el anexo 1). Si la prueba falla, las características de las muestras nacionales varían demasiado para permitir una generalización a escala europea.
2 Características socio‐económicas
El perfil socio‐económico de los encuestados: los e‐learners y el grupo control, fue realizado con tres conjuntos de variables:
• género, edad, educación, • lugar de residencia y lugar de trabajo, • situación laboral y sector de trabajo.
Los perfiles de los dos grupos se presentan y se comparan en los histogramas que siguen a continuación. Los procedimientos estadísticos se aplican para poner a prueba la hipótesis que observó que las diferencias estructurales entre e‐learners y el grupo de control son importantes, por lo que la hipótesis nula (no hay diferencia) tiene que ser rechazada.
El test Chi‐Square se aplica para todas las tablas de toda la muestra. Dado que los resultados de los primeros pueden estar sesgados, alternativamente, un meta‐análisis se lleva a cabo,
E‐RURALNET
44
en el que todas las encuestas nacionales son tratadas como estudios independientes. El procedimiento de prueba se describe en el Anexo 1. Incluye (1) una prueba estadística, si los resultados confirman la conclusión de rechazar la hipótesis nula y (2) una prueba de homogeneidad. Si la prueba de homogeneidad falla, sugiere que las diferencias en las muestras nacionales no permiten una conclusión general para todos los países.
2.1 Género
Las relaciones de género difieren entre ambos grupos. Mientras que en el grupo de muestra de control las acciones de ambos sexos son casi iguales (hombres, mujeres 49,9% 50,1%), la proporción de mujeres es mucho mayor (61%) en la muestra del e‐learning. El test Chi‐Square (χ 2 = 40,0 (gl = 1) **) 1 de agregados sugiere una fuerte diferencia y muy significativa entre los alumnos y el grupo de control.
Figura 1: Género
39%
61%
50%
50%
0% 20% 40% 60% 80%
Hombre
Mujer
control
e‐learners
Para confirmar este resultado, el meta‐análisis se aplica sobre la base de las 11 encuestas nacionales. Hay una diferencia promedio de 10,9% para la proporción de mujeres entre los dos grupos. Sólo en tres países se registra una mayor diferencia, mientras que 6 informan de una menor diferencia positiva, y dos países incluso informan de una menor participación de las mujeres en ambos grupos. El efecto promedio ponderado, el tamaño (ES m = 0,314) sugiere un efecto positivo moderado. El intervalo de confianza del 5% oscila entre 0.160 a 0.468, por lo que la comparación de todos los estudios parece confirmar el resultado del test Chi‐Square. Sin embargo, la prueba de homogeneidad falla (Q = 41.694 (df = 10 )**). Esto sugiere que las diferencias de la participación de la mujer entre los grupos son específicas dentro de cada país. En particular, los alemanes y los resultados de Estonia, ambos reportando una mayor proporción de mujeres en el grupo de e‐learning, se apartan considerablemente de los resultados de todos los demás países. Sin embargo, los resultados son estables, cuando se retiran estos casos extremos. A continuación, la diferencia estimada de la proporción de mujeres entre los grupos es menor. El ratio estimado de excepciones es
E‐RURALNET
45
de 1,2. Dado que la distribución de género parece estar también en el grupo control, esto indica una cuota de un 4,5% más alto de la mujer en el grupo de e‐learning.
2.2 Edad
Ambas muestras sólo en parte reflejan las experiencias de otros estudios de formación profesional permanente. El grupo de "hasta 35" representa aproximadamente la mitad de los participantes en ambas muestras. En general, la participación en la formación profesional permanente de este grupo es similar al grupo de "36‐50". (Kailis y Pilos, 2005) por lo que se habría esperado una mayor participación, incluso en la encuesta. Por lo tanto, el grupo de "hasta 35" parece estar representado en ambas muestras. Esto podría haber sido causado por el uso de cuestionarios online.
Figura 2: Estructura de edad
51%
37%
10%
2%
52%
31%
14%
3%
0% 10% 20% 30% 40% 50% 60%
Menos de 35
36‐50
51‐65
Más de 65
control
e‐learner
Los e‐learners y el grupo de control difieren de forma significativa en lo que se refiere a la edad (χ 2 = 29,5 (gl = 3 )**). La proporción de estudiantes entre 36 a 50 es un 7,4% mayor en el grupo de e‐learners, mientras que es inferior en todos los otros grupos. El tamaño medio del efecto ponderado es significativamente positivo (odds ratio = 1.241) y confirma los resultados, aunque el valor de la diferencia estimada es inferior al valor agregado (~ 4,8%). Las encuestas nacionales difieren. Ambos países muestran una disminución en la participación de este grupo de edad. En cuatro países el incremento es inferior al 7,4%, mientras que en seis países el incremento es mayor. Sin embargo, la prueba de homogeneidad no rechazar la hipótesis nula. Así, las muestras nacionales no se desvían demasiado. En suma, el meta‐análisis confirma la mayor proporción de encuestados de 36 a 50 en el grupo de e‐learning.
E‐RURALNET
46
2.3 Educación
En ambas muestras los grados de educación superior están excesivamente representados en comparación con la población general. Esto está en consonancia con la experiencia general de que las personas con títulos de educación superior también son más activos a la hora de mejorar vocacionalmente sus competencias profesionales. Sin embargo, la gran proporción de títulos de educación superior no deja de ser sorprendente, ya que los títulos universitarios son menos comunes. Por lo tanto, las dos muestras no son representativas hacia mayores grados de la educación.
Figura 3: Grados educativos
0%
3%
27%
22%
47%
1%
9%
22%
17%
50%
0% 10% 20% 30% 40% 50% 60%
Completamenteobligatoria
No obligatoria
Nouniversitaria
Gradouniversitario
Posgradouniversitario
control
e‐learners
Ya que la categoría "educación semi‐obligatoria " no está suficientemente representada en la muestra se ha fusionado con la categoría de "completar la educación obligatoria" para el análisis estadístico posterior. Las muestras de e‐learners y del grupo de control difieren significativamente con respecto a los niveles de educación, el nivel más alto y el más bajo de la educación escolar. (Χ 2 = 73,6 (gl = 4 )**).
Se ha aplicado el meta‐análisis para probar los cambios de la proporción de los grupos de "educación post‐obligatoria", "educación no universitaria" y el recientemente fusionado “enseñanza semi‐obligatoria" sobre la base de las 11 encuestas nacionales. no se ha encontrado un aumento de la proporción para los dos primeros grupos que sea estadísticamente significativo. Los tamaños del efecto no se desvían mucho de cero, y son tanto positivos como negativos. Para ambas categorías cuatro de las once muestras presentan cambios negativos de las proporciones. El meta‐análisis para la "enseñanza semi‐obligatoria" no pasó la prueba de homogeneidad. Así, las muestras nacionales difieren mucho en este sentido. En suma, las diferencias en el sistema educativo nacional, entre el grupo de control y los e‐learners parecen ser aleatorios y específicos de las muestras nacionales.
E‐RURALNET
47
2.4 Lugar de trabajo y de vivienda
El objetivo del proyecto era apuntar a la población rural. A los encuestados se les pidió que indicaran el tamaño de la comunidad en la que viven, y también el tamaño de la comunidad en la que trabajan.
Figure 4: Lugar de vivienda
16%
24%
23%
16%
21%
33%
23%
19%
13%
12%
0% 10% 20% 30% 40%
Municipiopequeño
Municipiomediano
Municipiogrande
Ciudad
Gran ciudad
control
e‐learner
Hay una diferencia significativa en las acciones de la población entre el e‐learner y el grupo control. Sin embargo, el meta‐análisis de los datos nacionales no confirmó esto como una tendencia general. La prueba de homogeneidad ha fallado. Así, las muestras nacionales difieren demasiado. En algunos países (Finlandia, Suecia, Italia), el grupo "pueblo" es muy pequeño. Esto puede ser debido a la manera en que las autoridades locales están institucionalizadas en los diferentes países. Por lo tanto, la percepción de la definición del tamaño de la ubicación de vivienda pudo haber sido diferente (en el sentido de la resolución, o en el sentido de la política municipal).
El lugar de trabajo no es necesariamente el mismo que el lugar de vivienda (desplazamientos). El supuesto teórico es que los habitantes rurales que trabajan en un entorno urbano pueden tener un mejor acceso a la prestación de e‐learning y por lo tanto pueden tener una mayor oportunidad de participar en cursos de e‐learning. Como indica el cuadro siguiente, la ubicación del trabajo y de residencia se corresponden fuertemente (r = 0,5 **).
E‐RURALNET
48
Tabla 1: Lugar de vivienda y de trabajo
Ubicación trabajo
Ubicación vivienda
Menos de 2000 residentes
de 2001 a 20 000
De 20 001 a 100 000
De 100 001 a 300 000
Más de 300 001 Desempleados
Menos de 2000 residentes
45,4% 15,8% 12,9% 5,5% 5,9% 14,5%
de 2001 a 20 000 4,4% 50,5% 16,1% 6,4% 9,4% 13,2%
De 20 001 a 100 000
4,0% 7,5% 64,3% 4,4% 9,3% 10,6%
De 100 001 a 300 000
2,8% 5,0% 4,1% 66,7% 7,8% 13,5%
Más de 300 001 1,3% 2,1% 3,0% 2,1% 78,3% 13,3%
Además, cuanto mayor sea el lugar de vivienda más grande es el mercado de trabajo local y es más probable que la gente encuentre un lugar de trabajo en su ciudad natal. Por lo tanto, no son de extrañar esos valores en el aumento de la diagonal de los pueblos a las grandes ciudades. La variación de las tasas de desempleo entre los lugares de vivienda no es estadísticamente significativa.
Figura 5: El efecto del lugar de vivienda en la oportunidad de estar en el grupo de e‐learners
La correlación binaria de ambos, lugar de trabajo y de vivienda, con la variable "grupo" es significativamente positiva (r ll = 0,2, r = wl 0107). Por lo tanto, cuanto mayor sea el tamaño del lugar de vivienda / trabajo es más probable la oportunidad de ser un participante de e‐learning. Un modelo simple ha sido creado para analizar si permanecen los efectos del lugar de trabajo y lugar de vivienda, cuando ambas variables se consideran en conjunto en el análisis. Los coeficientes de trayectoria (p) que se muestran en el gráfico se pueden interpretar como el coeficiente de correlación. Los resultados sugieren que, mientras que el efecto del lugar de vivienda en la participación de e‐learning permanece, cuando la correlación entre la vida y lugar de trabajo está incluida en el análisis, el efecto del lugar de trabajo se desvanece casi por completo. Resulta que hay una correlación espuria. Por lo
E‐RURALNET
49
tanto, para su posterior análisis sólo una de las dos variables (lugar de vivienda) será considerada.
2.5 Estado laboral
Los e‐learners y el grupo de control difieren significativamente con respecto a la situación laboral. Empresarios y empleados de pequeñas empresas están mucho menos representados en el grupo de e‐learners (cambio relativo de la representación de grupo de ‐49,9% a ‐42,4%), Mientras que la proporción de empleados de grandes empresas y los desempleados es mayor en el grupo e‐learners (cambio relativo + 75,1% y +30,1%).
Figura 6: Situación laboral
14%
16%
17%
29%
7%
4%
11%
4%
24%
14%
15%
16%
6%
8%
8%
7%
0% 5% 10% 15% 20% 25% 30%
Empleado micro‐empresa
Empleado pequeña empresa
Empleado mediana empresa
Empleado gran empresa
Autoempleo
Emprendedor
Desempleado
Inactivo
control
e‐learners
Se ha aplicado meta‐análisis para comparar las muestras nacionales con respecto a las diferencias de grupo para los empleados de las microempresas y trabajadores de grandes empresas. (1) los resultados nacionales son muy consistentes en lo que se refiere a los empleados de grandes empresas. Con base en los efectos ponderados las ratio de excepciones se calculan como O = 1,72 emplc. Por lo tanto, la oportunidad de participar en un grupo de e‐learning es 1,7 veces mayor cuando una persona está empleada en una gran empresa. (2) Para los empleados en micro‐empresas la oportunidad de participar en los cursos de e‐learning es sólo la mitad que el de cualquier otra persona (OR = emplmb 0498). Sin embargo, la prueba de heterogeneidad ha fallado. Los resultados de las encuestas nacionales varían mucho. En particular, Finlandia y Reino Unido difieren mucho en este sentido. Por lo tanto, la baja participación de los empleados de microempresas parece ser un problema en la mayoría, pero no en todos los países.
2.6 Sector económico
La participación de los empleados del sector público es relativamente grande en ambas muestras. En la Unión Europea, el empleo público se mantuvo prácticamente constante en
E‐RURALNET
50
las últimas décadas, y fluctuó alrededor del 17% (Handler et al. 2004). Así, la muestra no es representativa en este sentido. Hay una diferencia pequeña, pero significativa entre los alumnos virtuales y el grupo de control con respecto a la participación de los empleados del sector público. Sin embargo, el meta‐análisis de las muestras nacionales no apoyan la conclusión de que los empleados del sector público son menos propensos a participar en los cursos de e‐learning. Seis de los once países incluso informan de una mayor participación de los empleados del sector público en la muestra de e‐learning.
Figura 7: Sector Privado / Público
43%
57%
46%
54%
0% 10% 20% 30% 40% 50% 60%
Sector público
Sector privado
control
e‐learners
La estructura ocupacional de ambas muestras se caracteriza por una proporción relativamente alta de los encuestados, que trabajan en el sector primario. Además, informática y telecomunicaciones están excesivamente representadas en las dos muestras en comparación con los datos europeos de Población Activa. Mientras que otras actividades económicas se acercan a las medias europeas, el sector servicios también está sobre‐representado. La estructura de los sectores de la economía por un lado refleja el enfoque rural de la encuesta, pero, por otro lado, puede apuntar a una auto‐selección sesgada de los actores, quienes muestran un mayor interés en los objetivos de investigación.
E‐RURALNET
51
Figura 8: Sector ocupacional
6%
25%
6%
11%
44%
9%
17%
22%
4%
5%
46%
7%
0% 10% 20% 30% 40% 50%
Sector primario
Sector secundario
Turismo
Telecomunicaciones
Otros servicios
Otros servicios
control
e‐learners
El grupo de control de e‐learning muestra diferencias en particular, con respecto a los encuestados que trabajan ya sea en el sector primario o sector de TI y comunicación. Mientras que la proporción relativa de los encuestados que trabajan en el sector primario es considerablemente menor en el e‐learning que en el grupo de control, el porcentaje de encuestados que trabajan en la información y la comunicación es mucho mayor. Además, la mayor proporción de encuestados que trabajan en el sector turístico en el grupo de estudiantes, parece ser importante.
El meta‐análisis de las muestras nacionales sólo en parte confirma estas conclusiones. (1) La comparación de las diferencias de la proporción de encuestados que trabajan en el sector primario adolece de un bajo número de casos en algunas muestras nacionales, y una gran heterogeneidad entre las muestras. El análisis rechaza el supuesto de un patrón general. (2) Por el contrario, el meta‐análisis confirma la diferencia en el porcentaje de encuestados que trabajan en el sector de las TI y comunicación en la muestra e‐learners. Sin embargo, el efecto ponderado es algo menor que la estimación basada en la muestra agregada. Una persona que trabaja en el sector de TI y comunicación tiene 1,8 (odds ratio = 1.791) veces mayor probabilidad de participar en un curso de e‐learning que una persona que trabaja en otro sector. (3) Las diferencias en las proporciones de la ocupación del sector del turismo no se confirman.
3 Experiencia formativa del e‐learner y del grupo de control
La experiencia formativa del e‐learner y el grupo control se registró a partir del curso más recientemente con conjuntos de variables de árbol:
• Participación en cursos • Financiación del curso • Valor del curso
E‐RURALNET
52
3.1 Participación en cursos
En esta sección se analizan tres preguntas (el tema del curso, los motivos individuales de participación, y la duración del curso), que han sido planteadas en la encuesta por correo a los alumnos, y los encuestados del grupo de control, que recientemente participaron en un curso de formación .
Figura 9: Objeto del curso
22%
20%
20%
23%
17%
26%
14%
6%
11%
6%
4%
6%
0% 5% 10% 15% 20% 25% 30%
control
e‐learners
Turismo
Idiomas
Tecnico (sectorsecundario)
Tecnico (sectorprimario)
TIC
Negocios
Otros servicios
Los temas principales de formación de ambos grupos eran mejorar las habilidades de negocio, capacidades de TI y habilidades relacionadas con otros servicios. El e‐learning y el grupo de control difieren significativamente con respecto a los objetivos de su curso. Para evaluar mejor las diferencias y las clasificaciones, se han resumido en la siguiente tabla. Las diferencias relativas son particularmente grandes en habilidades técnicas en el sector primario, habilidades de TI (+), idiomas (‐).
Tabla 2: Diferencias y cambio de clasificación de los sectores económicos
Negocios Técnico (sector primario)
Técnico (sector secundario)
TIC Turismo Otros servicios
Idiomas
Abs. entre Control y E‐learners Group
3,2% ‐8,0% 0,8% 8,8% 2,1% ‐1,7% ‐5,2%
Rel. entre Control y E‐learners Group
15,9% ‐58,8% 6,5% 51,2%
53,9% ‐7,7% ‐48,2%
Diferencia + ‐ + + + ‐ ‐ Ranking Control 2 4 5 3 7 1 6
Ranking E‐learners 2 6 4 1 5 3 6
Es importante señalar que los objetivos de aprendizaje están relacionados con la estructura
ocupacional de las muestras. Por lo tanto, los resultados se corresponden con el hecho de que las
E‐RURALNET
53
personas que trabajan en el sector primario son menos probables así como los encuestados que trabajan en la informática y comunicación, así como el sector del turismo es más propenso a
participar en un curso de e‐learning. Sin embargo, no están claras las causalidades. ¿Es la razón de una menor absorción de e‐learning en el sector primario causado por la falta de cursos que se
ofrecen o una actitud negativa de las personas que trabajan en este sector? Los resultados de la encuesta de proveedores apunta a la falta de ofertas de formación.
Tabla 3: Habilidades buscadas por los encuestados según el sector económicos de su empleo
Habilidades
Sector Economico Negocios Técnico
(sector primario)
Técnico (sector secundario)
TIC Turismo Otros servicios
Idiomas
Primario 15,2% 57,0% 4,0% 9,0% 3,6% 6,7% 4,5%
Secundario 23,9% 4,0% 38,2% 15,3% 1,9% 11,1% 5,5%
Turismo 19,4% 2,8% 1,9% 25,0% 33,3% 10,2% 7,4%
Telecomunicaciones 29,5% 1,2% 3,6% 45,2% 6,6% 10,8% 3,0%
Otros servicios 20,4% 4,5% 7,3% 23,3% 4,4% 30,6% 9,5%
Otros 33,8% 0,0% 9,7% 6,5% 1,9% 42,2% 5,8%
Los objetivos principales del estudio y su clasificación para participar en la formación profesional son similares en ambos grupos. La aprobación más alta se ha dado a la declaración "Para hacer mejor mi trabajo y mejorar las perspectivas de carrera / conseguir el ascenso", seguido de "Para obtener los conocimientos y habilidades útiles en mi vida diaria o en un tema que me interesa." Por lo tanto, las perspectivas estratégicas y el desarrollo personal están altamente clasificadas. Otras declaraciones que han encontrado la aprobación de media, eran "Para aumentar mis posibilidades de conseguir un trabajo / conseguir un nuevo empleo / cambiar mi trabajo" y "para obtener un certificado", que están poniendo de relieve los beneficios individuales más directos. Las diferencias en los porcentajes son en gran parte debido al comportamiento de respuesta diferente del grupo de alumnos virtuales y el grupo de control. Mientras que los e‐learners seleccionaron en promedio 1,7 opciones, los encuestados del grupo de control sólo seleccionaron 1,3 respuestas, que se trata de un 26% menos. Si esto se toma en cuenta las diferencias entre los grupos, se contraen con respecto a los tres principales motivos individuales. Sólo la diferencia con el tema "para obtener un certificado" sigue siendo importante.
E‐RURALNET
54
Figura 10: Motivación para la participación en cursos
7%
5%
5%
29%
26%
44%
57%
3%
5%
6%
18%
20%
34%
50%
0% 10% 20% 30% 40% 50% 60%
Menor provabilidad de perder mi trabajo
Empezar mi propio negocio
Obligado por mi empleador
Obtener un certificado
Para aumentar mis posibil idades de conseguirun trabajo / conseguir un nuevo empleo /
cambio de mi trabajo
Para obtener los conocimientos y habilidadesútiles en mi vida cotidiana o sobre un tema que
me interesa
Para hacer mejor mi trabajo y mejorar lasperspectivas de carrera / conseguir el ascenso
e‐learners control
El e‐learner y el grupo de control difieren significativamente con respecto a la duración del curso pasado. Alrededor del 60% de los alumnos informó que su última formación duró más de 3 meses, mientras que esto se aplica sólo al 41% del grupo de control.
Figura 11: Duración de los cursos
16%
26%
19%
39%
39%
21%
15%
26%
0% 5% 10% 15% 20% 25% 30% 35% 40% 45%
Menos de un mes
Entre uno y tres meses
Entre 3 y 6 meses
Más de 6 meses
e‐learners control
Las fuentes de información para encontrar cursos de formación difieren entre los grupos. Mientras que la información proporcionada por el empleador y el rango de búsqueda de Internet intencional se sitúa casi por igual en la parte superior de las fuentes de información para el grupo de control, este último es con mucho la fuente más importante de información para e‐learners. Al mismo tiempo, los e‐learners utilizan otros medios con menos frecuencia y la información proporcionada por las oficinas de empleo se clasifica
E‐RURALNET
55
como la fuente menos importante de información. Ambos incluso llegan al tema "por casualidad mientras se navega por Internet".
Figura 12: Fuentes de información
37%
18%
14%
11%
8%
7%
6%
25%
9%
28%
13%
4%
12%
9%
0% 5% 10% 15% 20% 25% 30% 35% 40%
Búsqueda intencionada en Internet
A través de centro de formación ouniversidad
A través de mi empleador
A través de amigos o conocidos
Por casualidad, mientras navega porInternet
A través de otros medios decomunicación
A través de la oficina de empleo /empleo o agencia de asesoramiento
laboral
e‐learners control
Sin embargo, las fuentes de información varían en función del estado laboral. Las oficinas de empleo son la fuente más importante de información para los desempleados en el grupo de control y todavía ocupa el segundo lugar por detrás de la "búsqueda de Internet intencional", también para el grupo de e‐learners. Para los empleados en empresas de todos los tamaños, la información proporcionada por el empleador es la fuente más importante en el grupo de control, mientras que una vez más "la búsqueda de Internet intencional" es de lejos la fuente más importante de información para el grupo de e‐learners. Mientras que "la búsqueda de Internet intencional" se convierte en la más importante fuente de información para e‐learning, es interesante notar que la relevancia de las redes sociales (familia, amigos, compañeros de trabajo) se mantiene estable no sólo en la comparación de los e‐learners y el grupo de control, sino también entre los grupos de estatus ocupacional.
3.2 Financiación de los cursos
Se ha pedido a los participantes que nombren y evalúen las fuentes de financiación. La siguiente figura destaca que una proporción significativamente mayor de los e‐learners financiaron ellos mismos el curso.
E‐RURALNET
56
Figura 13: Financiación de cursos
17%27%
41%30%
31% 33%
11% 10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
e‐learners control
Financiación mixta
Totalmentesubvencionada
Auto‐financiación
Empleador
El meta‐análisis confirma este resultado para todos los países excepto Polonia. Polonia es el único país en el que los participantes de e‐learning son menos propensos a pagar completamente el curso de formación. Los resultados del metanálisis son homogéneos para todos los demás países, cuando Polonia se excluye. Las probabilidades estimadas son las probabilidades yo = 1,7. Por lo tanto, la "casualidad" de que un participante de e‐learning tenga que pagar en su totalidad el costo del curso es 1,7 veces mayor que la posibilidad para los participantes de otros cursos de formación.
Figura 14: Clasificación de costes
9,4%
32,6%
51,9%
4,4% 1,7%9,6%
27,8%
56,1%
4,7% 1,8%0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
Demasiadoelevado
Elevado Razonable Bajo Muy bajo
e‐learners control
También se ha pedido a los encuestados evaluar el precio del curso en una escala de cinco puntos, cuando se paga total o parcialmente la cuota. En la figura anterior se muestra que la distribución de las respuestas casi idéntica en los e‐learners y el grupo de control. Una prueba estadística para las diferencias de medias tampoco ha rechazado la hipótesis nula (no hay diferencia entre los grupos).
E‐RURALNET
57
3.5 Valor del curso
Se pidió a los e‐learners y al grupo de control con la experiencia de entrenamiento convencional evaluar los beneficios de la serie más reciente a la que asistieron y si en realidad usan lo que han aprendido.
Figura 15: Uso de los contenidos de e‐learning
29%
38%
23%
9%
2%
46%
36%
11%
7%
1%
0% 10% 20% 30% 40% 50%
Mucho
Un poco
No la uso pero lo haré en el futuro
No, yo no lo uso ahora, pero sinduda la util izaré en el futuro
Nada
control
e‐learners
Mientras que en ambos grupos, la mayoría de los encuestados dicen que pueden hacer uso de los contenidos aprendidos recientemente, es evidente que los resultados son mejores para el grupo de control con experiencia en la formación convencional. Para una mayor proporción de los e‐learners el contenido aprendido es más bien un valor opcional que puede o va a ser utilizado en el futuro, más que en la situación actual.
La imagen cambia cuando a los participantes del curso se les pregunta por beneficios concretos de la formación. En comparación con las expectativas descritas en la figura 10, los beneficios concretos son escasos. De hecho, parece que hay una brecha entre las expectativas y los beneficios percibidos, a pesar de que las categorías no son idénticas.
E‐RURALNET
58
Figura 16: Beneficios de la formación
10%
6%
29%
23%
4%
3%
4%
2%
50%
44%
18%
36%
6%
10%
0% 20% 40% 60%
control
e‐learners
No espero ningún beneficio
Hasta ahora ningúnbeneficio
Por interés personal
Incremento salarial
Promoción laboral
Mantener mi puesto detrabajo
Encontrar un nuevo trabajo
La respuesta al ítem "Hasta ahora no he obtenido beneficio alguno" no confirma los resultados de la figura anterior. Mientras que alrededor de un tercio de los alumnos está de acuerdo con este punto, ha sido sólo menos de un quinto del grupo de control. Además, la participación de los alumnos que no esperan ningún beneficio, es casi dos veces más alta que la proporción del grupo de control. Posteriormente, el grupo de control parece tener mayores beneficios individuales. Sin embargo, sólo hay beneficios modestos, ingresos directos o relacionados con el empleo. "Avance en los intereses personales", se afirma como el principal beneficio para ambos grupos. En general, el aprendizaje convencional parece crear mayores beneficios.
Se han utilizado regresiones logísticas por pasos (binomial) en las respuestas (Sí / No) para identificar los efectos de las variables socio‐económicas y los efectos de país sobre los beneficios seleccionados, y para separarlo de los efectos del grupo (Anexo 2 para una descripción de esta técnica) . Con el fin de mejorar el análisis estadístico, las categorías de estado de trabajo "no profesionales en activo" y "otros" han sido excluidas del análisis. Los resultados de estas regresiones se resumen en la siguiente tabla.
En primer lugar, los resultados de la regresión logística confirman que los e‐learners puntúan los beneficios de su programa de formación más reciente menos positivamente que los encuestados del grupo de control, que recibió la formación convencional. En segundo lugar, ni la ubicación de la vivienda ni los sectores empresariales han demostrado tener ningún efecto. En tercer lugar, las diferencias entre países son evidentes para todos los beneficios.
E‐RURALNET
59
Tabla 4: Percepción de los beneficios de la capacitación por características socio‐económicas, países y grupos
Nuevo trabajo Promoción Incremento salarial
Hasta ahora ningún beneficio
Genero Los hombres son más propensos a ser promocionados
Los hombres ligeramente más a menudo no ven los beneficios
Edad Los mayors de 65 no ven los beneficios más a menudo
Nivel educativo Cuanto mayor sea menor la probabilidad de conseguir un nuevo empleo
Ubicación del hogar
Categoría laboral Los empleados en empresas pequeñas y grandes
Los empleados ven menos beneficios
Sector Economico
País Importantes diferencias por país
Importantes diferencias por país
GR, UK, SWE tienen menos expectativas en este campo
Importantes diferencias por país
E‐learning Menos probabilidades de conseguir un nuevo empleo
Menos probabilidades de promoción
Menos probabilidades de un incremento salarial
Menor probabilidad de obtener beneficios
Un nuevo trabajo es el beneficio más probable, si el nivel educativo obtenido en la escuela es bajo. Esto es plausible. Alguien, que ya está bien entrenado, no necesariamente consigue un nuevo trabajo, asistiendo a un curso adicional. En términos económicos, el beneficio individual marginal de la formación disminuye cuanto mejor formado.
La promoción sólo es posible para los empleados que trabajan en empresas organizadas jerárquicamente. Esto es confirmado por la regresión. Es interesante ver que los hombres parecen beneficiarse más de la promoción después de asistir a un curso de formación que las mujeres.
Los hombres, los encuestados mayores de 65 años y los desempleados, tienen menos probabilidades de ver beneficios después de asistir a cursos. Dado que los desempleados se ven obligados a asistir a cursos de formación, si reciben las prestaciones de empleo, no es de extrañar que evalúen los resultados de manera más crítica, en particular, al no recibir un nuevo trabajo. Esto confirma la suposición de una brecha entre las expectativas y los beneficios para este grupo.
E‐RURALNET
60
4 Encuestados del grupo de control sin ningún tipo de experiencia de formación
Un total de 548 participantes del grupo de control (32,6%) no ha participado en alguna forma de educación continua ni formación después de terminar la escuela. A este grupo se le pidió una serie de preguntas para investigar, por qué no han participado, si estaban interesados en formarse, y en caso afirmativo, ¿qué les gustaría aprender?
Figura 17: Razones para no participar
3%
4%
5%
10%
13%
15%
18%
27%
28%
0% 5% 10% 15% 20% 25% 30%
Por cuestiones de edad o salud
No me gusta la idea de volver a la escuela
Falta de apoyo del empleador
Desplazamientos largos
No requieren nuevas habilidades
Por falta de información
Falta de tiempo debido a obligacionesfamiliares
Muy caro
Falta de tiempo debido a obligacioneslaborales
El tema "No he tenido tiempo debido a las obligaciones de mi trabajo", recibió la mayor aprobación. Los altos costos de la capacitación se mencionan como la segunda razón importante para no participar en la formación profesional permanente. La falta de tiempo debido a las obligaciones familiares sigue en tercera posición.
De este grupo, 354 encuestados (64,6%) afirmaron que estarían interesados en participar en la formación, ahora o en un futuro próximo, de los cuales 255 (46,5%) también señalaron que ya han buscado posibilidades de formación.
E‐RURALNET
61
Figura 18: Fuentes de información (grupo de control sin experiencia formativa)
11%
13%
18%
20%
23%
25%
81%
0% 20% 40% 60% 80% 100%
Oficina de empleo
Otras fuentes
Amigos o conocidos
Mi empleador
Otros medias
Centro de formación o universidad
Búsqueda en internet
Se ha pedido a los que ya han buscado posibilidades de formación que indiquen sus fuentes de información. En este caso, es evidente que Internet se ha convertido en una fuente de información general de enorme importancia. Otras fuentes son mucho menos importantes. Sin embargo, es interesante comparar las respuestas con las dadas por e‐learners y los encuestados en el grupo control con una experiencia de formación profesional permanente en el apartado anterior. En comparación con esto, Internet ha sido mucho menos importante como una estrategia de búsqueda exitosa de e‐learners y el grupo de control con una experiencia de formación profesional permanente, a pesar de que aún es mencionado al principio. Lo mismo se aplica para la información proporcionada por las escuelas (colegios / universidades). Al mismo tiempo, la información proporcionada por el empleador es más frecuentemente mencionada como una estrategia de búsqueda con éxito, en comparación con las fuentes de información utilizadas por los encuestados del grupo de control sin ningún tipo de experiencia formativa.
Figura 19: Habilidades buscadas
5%
10%
12%
13%
14%
19%
26%
0% 5% 10% 15% 20% 25% 30%
Turismo
Otros servicios
Habilidades técnicas (sector primario)
Habilidades técnicas (sector secundario)
Telecomunicaciones
Empresa y negocios
Idiomas
E‐RURALNET
62
Finalmente, también se ha pedido a este grupo de encuestados que seleccione el campo de interés en que busca formación.
5 Limitaciones y motivación para participar en e‐learning para e‐learners y el grupo de control
Se preguntó a los e‐learners si encontraron restricciones para obtener el máximo beneficio de los últimos cursos de e‐learning. Más de la mitad de los e‐learners declararon que no tenían restricciones para participar en cursos de e‐learning. La dificultad del contenido del curso fue considerada como la mayor restricción, seguido de "no tengo suficiente auto‐disciplina". Sin embargo, las muestras nacionales varían considerablemente en cuanto a restricciones conocidas.
Figura 20: Limitaciones del e‐learning (e‐learners)
52%
27%
12%
8%
6%
4%
4%
4%
0% 10% 20% 30% 40% 50% 60%
No hay restricciones
Contenido del curso difíci l
Falta de autodisciplina
Falta de tiempo
Mala conexión a internet
Deficiente acceso a los equipostécnicos
Otros
Deficiente manejo de recursosdigitales
Se ha preguntado al grupo de control si están de acuerdo o en desacuerdo con cuatro restricciones formuladas. Los cuatro estados sólo recibieron el apoyo de las minorías. El mayor apoyo se le dio al tema "el analfabetismo en TIC está muy extendido".
Figura 21: Limitaciones del e‐learning (grupo de control)
35%
18%
22%
26%
54%
74%
75%
80%
11%
8%
3%
0% 20% 40% 60% 80% 100%
Analfabetismo digital muyextendido
Las personas piensan que norequieren habilidades
telemáticas
No hay Internet adecuada rápidoen mi área
La compra de un ordenador y elacceso a internet es caro
Agree
Disagree
No opinion
E‐RURALNET
63
Sin embargo, las muestras nacionales variaron mucho con respecto a la percepción de estas declaraciones (véase figura 20 a 23). Es obvio que las restricciones se acumulan en algunos países y son casi insignificantes en otros.
Figura 22: Comprar ordenadores es demasiado caro
4%
9%
15%
16%
16%
25%
27%
32%
36%
44%
59%
96%
91%
85%
84%
78%
75%
59%
58%
64%
57%
41%
0%
0%
0%
0%
6%
0%
14%
10%
0%
0%
0%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
FI
SE
HU
EE
IT
DE
UK
PL
GR
PT
ES
Acuerdo Desacuerdo No opinan
Figura 23: Existe la creencia entre la gente de mi zona que no hay necesidad de conocimientos informáticos
1%
7%
7%
8%
9%
10%
13%
17%
25%
31%
90%
99%
93%
93%
92%
91%
81%
58%
83%
75%
69%
2%
0%
0%
0%
0%
0%
10%
30%
0%
0%
0%
8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
FI
DE
PT
EE
SE
UK
PL
HU
GR
ES
IT
Acuerdo Desacuero No opinan
E‐RURALNET
64
Figura 24: No hay infraestructura adecuada para Internet de alta velocidad en mi zona
8%
16%
22%
27%
27%
34%
36%
37%
49%
58%
59%
55%
84%
78%
73%
43%
51%
64%
63%
51%
42%
41%
37%
0%
0%
0%
30%
15%
0%
0%
0%
0%
0%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
IT
FI
PT
SE
PL
UK
GR
EE
DE
HU
ES
Acuerdo Desacuerdo No opinan
Figura 25: El analfabetismo en TIC está muy extendido
8%16%
22%
27%27%
34%36%
37%
49%58%
59%
55%84%
78%
73%43%
52%64%
63%
51%42%
41%
37%0%
0%
0%30%
15%0%
0%
0%0%
0%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
IT
FI
PTSE
PL
UKGR
EEDE
HU
ES
Acuerdo Desacuerdo No opinan
Las características socio‐económicas también influyen en las respuestas. Se han utilizado regresiones binarias en las respuestas (de acuerdo / en desacuerdo) para identificar los efectos de las variables socio‐económicas y los efectos de país. Con el fin de mejorar el análisis estadístico, las categorías de estado de trabajo "no profesionales en activo" y "otros" han sido excluidas del análisis. Los resultados de estas regresiones se resumen en la siguiente tabla.
Tabla 5: Percepción de las restricciones por las características socioeconómicas y del país
Altos costes No hay Internet No tengo necesidad de adquirir habilidades
Analfabetismo digital
E‐RURALNET
65
telemáticas Género Mujeres más de
acuerdo
Edad A mayor edad más de acuerdo
A mayor edad más de acuerdo
A mayor edad más de acuerdo
Educación A mayor nivel educativo más de acuerdo
A mayor nivel educativo más de acuerdo
A mayor nivel educativo más de acuerdo
Ubicación vivienda A menor tamaño de población, más de acuerdo
A menor tamaño de población, más de acuerdo
A menor tamaño de población, más de acuerdo
Categoría laboral Los desempleados están más en desacuero
Sector Económico TIC/Otros servicios más en desacuerdo
TIC/Otros servicios más de acuerdo
Las características socio‐económicas más influyentes son la edad y la educación. La percepción de las generaciones más jóvenes es en general más positiva. La educación también puede ser vista como sustituto para el ingreso. Es interesante notar que, cuando las características socioeconómicas están incluidas en el análisis, las diferencias nacionales, en parte, se desvanecen. Aunque las diferencias entre países en la respuesta al ítem "No hay infraestructura adecuada para Internet de alta velocidad en mi área" simplemente reflejan diferencias objetivas en la infraestructura de los países, es interesante notar que también las diferencias nacionales en cuanto a la necesidad percibida de habilidades con TIC permanecen.
6 Experiencia en e‐learning del grupo de e‐learners
La experiencia en e‐learning de los e‐learners se ha estudiado en términos de habilidades TIC disponibles, las instalaciones disponibles, modos de entrega de e‐learning, métodos, instrumentos y pedagogías en ese curso. Por último, se pidió a los e‐learners que evaluaran sus experiencias.
6.1 Requisitos particulares
La mayoría de los e‐learners (89,2%) declararon que han tenido al menos cualificaciones básicas de TIC antes de asistir a un curso de e‐learning.
E‐RURALNET
66
Figura 26: Habilidades TIC (e‐learners)
89,2%
9,1%1,7%
lo suficiente como parautil izar la computadoray el Internet fácilmente
No suficiente como parautil izar la computadoray el Internet fácilmente
Sin habilidades en elmanejo de ordenadores
Alrededor del 80% de los encuestados sugirió que requiere conexión de banda ancha para asistir al curso. La mayoría de los encuestados declararon que eran capaces de utilizar un acceso de banda ancha desde el hogar, mientras que un 26,3% disponían de acceso de banda ancha en el país y en el trabajo. Sólo el 4,1% declaró que no han tenido acceso en casa ni en el trabajo.
Figura 27: Acceso de banda ancha (e‐learners)
59%
11%
26%
4%
0% 10% 20% 30% 40% 50% 60% 70%
En casa
En el trabajo
En ambas
Otras ubicaciones
6.2 Características de los cursos
Se formuló a los encuestados una serie de preguntas para describir el más reciente curso de e‐learning en el que participaron.
Menos del 50% de los encuestados califica su curso de e‐learning como blended learning, que es una combinación de formación presencial y online. Alrededor de un tercio de los encuestados participaron en un curso a distancia tutorizado, mientras que una quinta parte participó en un curso auto‐administrado.
E‐RURALNET
67
Figura 28: Método de e‐learning
20%
44%
36% Educación a distanciaauto‐administrada
Educación a distanciaasistida por un tutor
Mixta
La gran mayoría de los e‐learners participaron en un curso de e‐learning entregado a través de plataformas de aprendizaje. Los sitios web son también mencionados por aproximadamente la mitad de los encuestados. Otros métodos de entrega son de menor importancia, lo que está en consonancia con los resultados de la encuesta de los proveedores.
Figura 29: Método de entrega de e‐learning
84,1%
47,8%
8,7%
3,9%
2,7%
1,2%
0,4%
0,0% 20,0% 40,0% 60,0% 80,0%
Plataforma E‐learning
Web
Video DVD/CD
Other
Teléfonos moviles
Programas de Television
Programas de Radio
Los correos electrónicos se mencionan como la herramienta de comunicación más común. Excepto los grupos de discusión, que han mencionado alrededor de un tercio de los encuestados, otras tecnologías interactivas son apenas mencionadas. Plataformas de e‐learning generalmente ofrecen la mayoría de estas tecnologías. A pesar del hecho, los cursos de e‐learning no parecen hacer mucho uso de estas opciones.
E‐RURALNET
68
Figura 30: Herramientas
2,7%
5,1%
8,5%
8,6%
9,0%
17,4%
19,8%
37,6%
66,8%
0,0% 20,0% 40,0% 60,0% 80,0%
Other
Podcasts
Wikis
Videoconferencias con webcams
Blogs
Comunidades virtuales
Chats
Grupos de discusión
E‐mails
Un panorama similar se dibuja para los métodos de e‐learning. En la práctica, los cursos de e‐learning sobre todo se centran en métodos tradicionales (lectura / presentaciones powerpoint), mientras que las formas interactivas de aprendizaje, tales como juegos basados en roles o en simulaciones sólo se mencionan por una minoría de los e‐learners.
Figura 31: Métodos de aprendizaje
80,9%
50,2%
38,5%
37,2%
29,0%
20,7%
15,2%
5,6%
4,0%
4,0%
0,0% 20,0% 40,0% 60,0% 80,0%
Lecturas de texto
Presentaciones PowerPoint
Links a webs
Adjuntos en E‐mail
Contenidos interactivos
Videos
Simulaciones
Aprendizaje basado en juegos
Aprendizaje basado en juegos
Otros
6.3 Evaluación de la experiencia en e‐learning
A los e‐learners también se les preguntó si los métodos y herramientas utilizados en su último curso eran fáciles de utilizar y si consideraban que eran innovadoras. También se les pidió evaluar si el curso cubrió sus necesidades de aprendizaje y cuáles son los aspectos que les gustaría ver mejorados.
La gran mayoría (93,6%) de los encuestados considera la aplicación de herramientas y métodos de e‐learning como fáciles de usar.
E‐RURALNET
69
Figura32: Sencillez de las herramientas y métodos aplicados
1%4%
50%44%
0%
10%
20%
30%
40%
50%
60%
Nada Poco Bastante Mucho
En contraste, sólo cerca de la mitad de los encuestados consideró el curso algo, o muy, innovador.
Figura 33: Capacidad de innovación de herramientas y métodos aplicados
4%
34% 36%
15%
7%
0%5%
10%15%20%25%30%35%40%
Nada Poco Bastante Mucho No sabe / Nocontesta
La evaluación de la satisfacción de las necesidades de aprendizaje es bastante positiva.
Figura 34: Cumplimiento de las necesidades de aprendizaje
2%
26%
52%
20%
0%
10%
20%
30%
40%
50%
60%
Nada Poco Bastante Mucho
E‐RURALNET
70
Esta calificación está estrechamente relacionada con la posibilidad de hacer uso de los contenidos aprendidos. En consecuencia, las sugerencias de mejora se centran en mejores contenidos de aprendizaje y más relevantes.
Figura 35: Propuestas de mejora
4%
24%
26%
27%
34%
36%
0% 10% 20% 30% 40%
Otros
Más trabajo en grupo con otrosestudiantes
Más apoyo del tutor
Certificación oficial de los cursos
Más herramientas innovadoras
Mejores contenidos
7 Opiniones sobre el e‐learning
Tanto al e‐learner como al grupo control se les preguntó si están de acuerdo o en desacuerdo con una serie de declaraciones sobre e‐learning.
E‐RURALNET
71
Figura 36: Opiniones sobre el e‐learning
23%
40%
69%
78%
85%
89%
89%
90%
96%
39%
48%
45%
82%
82%
89%
85%
88%
89%
0% 20% 40% 60% 80% 100%
E‐learning es más complejo que la educación formal
El e‐learning es menos motivador que tomar un curso deformación convencional
Aprender con ordenadores es divertido
El uso de computadoras e Internet para el aprendizajeahorra tiempo
El e‐learning permite decidir sobre el ritmo de suaprendizaje
El e‐learning permite ahorrar tiempo y dinero encomparación con acudir a los cursos
Computadoras y el Internet hacen más fácil elaprendizaje
El e‐learning le permite elegir el lugar donde se aprende
El e‐learning da flexibil idad en la programación delcurso
e‐learners control group
La actitud general de e‐learning expresada tanto por los estudiantes por correo como por el grupo de control es en general muy positiva. Las tasas de aprobación de los alumnos son generalmente un poco más altas que las del grupo de control con una sola excepción ("ahorro de tiempo"). Las mayores diferencias se producen sólo en los últimos tres puntos "diversión", "motivación" y la "dificultad". Los dos últimos elementos se enmarcan negativamente. Así, las bajas tasas de acuerdo para el último elemento están en línea con las tasas altas de acuerdo del grupo de alumnos sobre los demás elementos. También cabe destacar que cerca del 40% de los e‐learners no consideran el e‐learning como "diversión", y también están de acuerdo con la afirmación de que "e‐learning es menos motivador que un curso convencional". Además de calificar la dificultad del e‐learning como la más alta, los participantes del grupo de control son aún más críticos con respecto a los elementos de "motivación" y "diversión".
Con el fin de controlar los efectos de las características socio‐económicas y las diferencias entre países se han aplicado regresiones binomiales. Los resultados se resumen en la siguiente tabla. Con el fin de mejorar el análisis estadístico, las categorías de estado de trabajo "no profesionales en activo" y "otros" han sido excluidas del análisis. Los resultados de estas regresiones se resumen en la siguiente tabla.
E‐RURALNET
72
Tabla 6: Efectos de grupo, las características socioeconómicas y del país en las opiniones sobre el e‐learning
Item Variables que influeyen
El ordenador e Internet hacen que el aprendizaje sea más fácil
E‐learning Group (+), País
Uso de ordenador e Internet permiten ahorrar tiempo Educación (~), Ubicación (~),País El e‐learning da flexibilidad en la programación del curso E‐learning Group (+), Educación (+),País E‐learning ahorra tiempo y dinero Edad (~),País El e‐learning permite decidir sobre el ritmo de su aprendizaje
Género masculino (‐), País
Aprender con ordenadores es divertido E‐learning Group (+), Género masculino (‐), Educación (~), Desempleo (‐)
El e‐learning permite elegir el lugar donde se aprende Genero masculino (‐), Categoría laboral, País El e‐learning es menos motivador que tomar un curso de formación convencional
E‐learning Group (‐), Age (~), Educación (~)
E‐learning es más complejo que la educación formal E‐learning Group (‐), Men (+),País
Para las variables binarias / ordinales: (+) efecto lineal positivo, (‐) negativo efecto lineal, (~) el efecto no lineal.
Los resultados de la regresión sólo en parte confirman un efecto de grupo en las opiniones sobre e‐learning. Para cuatro de los nueve artículos no quedan diferencias entre los grupos (si existieran), después de incluir variables adicionales. Sin embargo, la tasa de "facilidad", "flexibilidad", "divertido", "motivación" y la "dificultad" de los e‐learners es más positiva que en el grupo de control.
El análisis también pone de manifiesto que las diferencias entre países son importantes. La variable país tiene un efecto significativo en siete de nueve puntos.
Efectos de las variables ordinales (educación, edad, [tamaño del] lugar de vivienda) no siempre son lineales. Por ejemplo, las respuestas de los grupos de mediana edad pueden ser más diferentes para ambos grupos de jóvenes y mayores.
8 Conclusiones
En este informe se presentan los resultados de un estudio comparativo de los e‐learners y el grupo de control, que se ha llevado a cabo en 11 estados miembro de la Unión Europea. Las encuestas nacionales no son representativas. Sin embargo, el diseño cuasi‐experimental permite hacer algunas generalizaciones con respecto a las diferencias entre grupos, en particular, cuando se aplican técnicas para mejorar la validez del análisis estadístico. Por lo tanto, en este informe se han utilizado meta‐análisis de regresión logística para investigar críticamente las diferencias de parámetros entre ambos grupos.
En la sección 2 se compara la estructura de la muestras de estudiantes y del grupo de control. Dado que el tamaño total de la muestra agregada es relativamente grande, incluso las diferencias entre los grupos pequeños son estadísticamente significativas. Sin embargo, puesto que la condición de un muestreo aleatorio no está completamente satisfecha en esta encuesta, los resultados pueden estar sesgados. Por lo tanto, se aplica un marco de meta‐análisis, en el que todas las muestras nacionales son tratadas en estudios individuales, con el fin de validar el test simple. Los resultados del meta‐análisis sólo en parte confirman los
E‐RURALNET
73
resultados de la comparación directa de la muestra agregada. Se pudo demostrar que la proporción de mujeres en el grupo de alumnos es mayor que en el grupo de control. Lo mismo ocurre con la proporción del grupo de edad "36‐50". Ambos resultados pueden ser sorprendentes, ya que se trata de una percepción común de que es el dominio de los hombres y las generaciones más jóvenes. Una posible explicación es la división sexual del trabajo, las mujeres son más comúnmente empleadas en contextos en los que se ofrece e‐learning de formación (sector secundario (en la administración), sector de servicios, grandes empresas). El grupo de edad es también un grupo objetivo particular de las cualificaciones profesionales en las grandes empresas (actualización de habilidades aprendidas).
El e‐learning está positivamente correlacionado con el tamaño del negocio y también se ofrece para los desempleados. En contraste, los empleados de las microempresas, los trabajadores autónomos y los empresarios son menos propensos a participar en un curso de e‐learning que en un curso de formación convencional. Los temas de capacitación de los e‐learners son más propensos a ser de TI o de negocios y menos probabilidades de tener un enfoque técnico al sector primario.
Las zonas rurales están también correlacionadas negativamente con la posibilidad de participar en los cursos de e‐learning. Por lo tanto, la comparación de las características socio‐económicas de los e‐learners y el grupo de control confirman esta hipótesis de una situación de desventaja de la población rural al participar en los cursos de e‐learning. Esta desventaja se compone de una combinación de efectos tales como la ubicación de vivienda, sector de empleo y tamaño de empresa.
El e‐learning, en promedio, lleva más tiempo y los participantes tienen más probabilidades de encontrar cursos de e‐learning a través de búsquedas en Internet. Sin embargo, las motivaciones para participar en los cursos de e‐learning no difieren mucho de las motivaciones para participar en un curso de formación convencional, con una notable excepción. Los e‐learners están significativamente más a menudo interesados en obtener un certificado. Además, la proporción de los e‐learners, que han pagado íntegramente sus cursos más recientes es mucho más grande que el grupo equivalente de los participantes en la capacitación en la formación convencional. Sin embargo, los e‐learners puntúan los beneficios de su formación menos que los participantes.
Los encuestados del grupo de control, que no participaron en ningún tipo de formación después de su cualificación inicial, declararon que esto era motivado principalmente por la falta de tiempo o la percepción de los costos involucrados. Además, los grupos de control de los encuestados no calificaron los costos de TI e Internet como una gran limitación, y la gran mayoría de los encuestados estuvo de acuerdo en las declaraciones señaladas en los supuestos de ahorro de tiempo en e‐learning. Por lo tanto, se podría seguir que el e‐learning ofrece la posibilidad de llegar también a esos grupos, que no participan en ningún tipo de formación. Sin embargo, el 40% de los e‐learners (y una proporción aún mayor de los encuestados del grupo de control) están de acuerdo con la afirmación de que el e‐learning es menos motivador que el aprendizaje convencional.
El estudio también investigó las experiencias en e‐learning de los e‐learners. Ni la infraestructura de TI, la disponibilidad de la computadora y banda ancha, ni (falta de) las
E‐RURALNET
74
habilidades han sido un gran problema. La gran mayoría de los encuestados afirmó que las herramientas que ofrece y los métodos son fáciles de aplicar. Sin embargo, la crítica más importante se ha hecho con respecto a la falta de capacidad de innovación de las herramientas y métodos aplicados y un cumplimiento insuficiente de las necesidades de aprendizaje. La falta de innovación se apoya en el hecho de que "la lectura del texto" y "presentaciones PowerPoint" siguen siendo los más importantes para aplicar los métodos de enseñanza. Otros métodos de aprendizaje, y también el uso de las aplicaciones Web 2.0 encontrará muy poco reconocimiento en la práctica. Por lo tanto, a pesar de los avances que se han hecho en los últimos años con respecto a la comprensión del diseño de cursos de e‐learning y la amplia disponibilidad de tecnologías apropiadas, la práctica de la docencia electrónica sigue yendo a la zaga. Además, una proporción relativamente grande de los cursos e‐learning no parece tener objetivos claros.
Sin embargo, la experiencia de e‐learning es muy positiva. Posteriormente, la opinión de los e‐learners sobre el potencial del e‐learning es más positiva que la de los encuestados del grupo de control.
En lo que respecta a las zonas rurales permite concluir que la menor participación de la población rural no se basa en las actitudes negativas hacia el e‐learning, sino simplemente en la falta de suministro adecuado de cursos de e‐learning, que se dirigen a los sectores rurales y microempresas , que cuentan para la gran mayoría de las empresas rurales y los empleados. Sin embargo, los Estados miembros difieren sustancialmente con respecto a una " brecha rural de e‐learning ". Por último, más allá de la inclusión, la división urbano‐rural social sigue siendo un problema.
E‐RURALNET
75
Anexo 1: Meta‐Análisis
El meta‐análisis es un método para comparar los resultados de diferentes estudios, que utilizan un enfoque similar y comparables medidas estadísticas. La comparación se basa en el cálculo de los tamaños del efecto llamada y un procedimiento de ponderación, que considera diferentes tamaños de la muestra y las diferencias. Por lo tanto, el meta‐análisis es un procedimiento de dos pasos. En primer lugar, los tamaños del efecto y los pesos se calculan para cada muestra y se agregan. En segundo lugar, se aplica una prueba de homogeneidad para medir las diferencias o semejanzas entre los diversos estudios.
En el caso de este estudio, el parámetro que debe evaluarse es el porcentaje general del grupo, por ejemplo, con el fin de comparar la proporción de mujeres en el grupo de e‐learners y el grupo de control. Aquí, el tamaño del efecto de aplicación general es la llamada relación de excepciones. Las excepciones son la ratio entre la probabilidad de que un evento ocurra con la probabilidad de que no vaya a suceder. Por ejemplo, en el grupo de e‐learners, la proporción de hombres es del 39%. Por lo tanto, las excepciones son excepciones m = 0,39
/ (1‐0,39) 0,64. Esto significa que la probabilidad de que un participante seleccionado al
azar de un curso de e‐learning sea un hombre sólo es aproximadamente 2 / 3. Una forma alternativa de calcular las probabilidades es simplemente dividir el número absoluto de casos de ambos grupos. La muestra de los e‐learners incluye 659 hombres y 1030
mujeres. Por lo tanto, sería m = 659/1030 0,64.
[e‐learners] [control]
Hombres 659 820
Mujeres 1030 823
Para comparar la diferencia entre dos grupos ‐ Aquí los e‐learners y el grupo de control ‐ se calculan las excepciones de ambos grupos. El ratio de excepciones es el cociente de las probabilidades de que ocurra un suceso en un grupo a las probabilidades de que ocurra en otro grupo. En este caso, el ratio de excepciones para el hombre es m = O (659/1030) /
(820/823) 0,64. Un ratio menor que uno indica que el evento (por ser un estudiante
varón) es menos probable en la muestra de e‐learners que en el grupo de control. Para la comparación no se utiliza directamente las muestras de la ratio. En cambio, se calcula el logaritmo natural de la razón de probabilidad [log (O)] (los llamados "logit"). Uno de los
E‐RURALNET
76
efectos de esta transformación es que el logaritmo natural es positivo cuando O> 0 y negativo cuando O <0. Por lo tanto, los signos positivo / negativo del tamaño del efecto (ES) indican una relación positiva / negativa. Los tamaños del efecto son calculados de acuerdo a todas las muestras y se ponderan por el inverso de la varianza (v) con
v = = 1/se 1/sqrt (1 / a +1 / b +1 / c +1 / d),
donde a, b, c, d son los valores de las celdas de la tabla.
El ES total se calcula como la suma ponderada de la EE individuales divididas por la suma de pesos. Por lo tanto, el total de ES se llama también el tamaño del efecto medio ponderado (ES wm). En el caso de las diferencias de género el efecto de medias ponderada para mujer es
ES wm = 50.987 / 162.466 0314.
Esto equivale a un ratio de O wm = exp (0.314) 1,37. Las pruebas estadísticas confirman un valor
mayor que 1.
Control E‐Learner
País Hombre Mujer Hombre Mujer
∆ % mujer
odds mujer se ES w w*ES w*ES^2
GR 36,1% 63,9% 38,6% 61,4% ‐2,5% 0,899 0,221 ‐0,106 20,390 ‐2,168 0,231
DE 61,9% 38,1% 39,6% 60,4% 22,3% 2,482 0,270 0,909 13,689 12,444 11,311
HU 45,5% 54,5% 39,3% 60,7% 6,1% 1,287 0,165 0,252 36,664 9,241 2,329
PL 72,5% 27,5% 66,7% 33,3% 5,8% 1,317 0,226 0,275 19,546 5,380 1,481
UK 36,4% 63,6% 29,6% 70,4% 6,8% 1,362 0,316 0,309 10,044 3,104 0,959
PT 56,3% 43,8% 50,5% 49,5% 5,8% 1,261 0,285 0,232 12,320 2,857 0,663
EE 39,0% 61,0% 18,2% 81,8% 20,8% 2,871 0,258 1,055 14,998 15,818 16,684
FI 16,8% 83,2% 11,9% 88,1% 5,0% 1,503 0,390 0,408 6,589 2,686 1,095
SE 64,7% 35,3% 62,5% 37,5% 2,2% 1,100 0,485 0,095 4,247 0,405 0,039
ESP 49,5% 50,5% 35,0% 65,0% 14,5% 1,823 0,290 0,601 11,913 7,154 4,296
IT 43,4% 56,6% 55,7% 44,3% ‐12,2% 0,611 0,288 ‐0,492 12,065 ‐5,935 2,920
Total 49,9% 50,1% 39,0% 61,0% 10,9% 1,557 0,070 Sum 162,466 50,987 42,008
La prueba de homogeneidad se basa en una prueba estadística Q, donde Q es la suma de los tamaños del efecto ponderados cuadrado menos la media ponderada de ES.
Q = sum(ES^2 *w) – [sum(w*ES)^2/sum(w)]
Qwomen = 42,008 – [50,987^2/162,466] ≃ 26
E‐RURALNET
77
Q es de chi‐cuadrado distribuidos con grados de libertad (gl) igual al número de estudios (k) menos 1.
gl = k‐1, k = número de estudios
Si la prueba de heterogeneidad es significativo (Q mayor que un valor crítico, que es dependiente de la gl) de las diferentes muestras varía mucho con respecto al parámetro en cuestión. Para gl = 10 (11 países menos 1) el valor crítico es:
Χ2crit= 18,307
Siempre que Qwomen> Χ2crit tenemos que rechazar el supuesto de homogeneidad. Por lo tanto, llegamos a la conclusión de que existen características nacionales que no permiten una generalización de a escala europea con respecto a la participación de las mujeres.
Para saber más:
Lipsey, Mark W./ David B. Wilson (2001), Practical Meta‐Analysis. Sage: London/New Delhi.
E‐RURALNET
78
Anexo 2: Regresión Binomial
Las regresiones se calculan para analizar los efectos combinados de varias variables independientes (xi) en una sola variable dependiente (y). En el caso más común de una regresión lineal del modelo tiene la siguiente forma:
y = a + b1*x1+ b2*x2…bi*xi donde b son los coeficientes de regresión y una es el término constante.
Para una regresión logística en el nominal de los datos a escala (para los datos binarios) y regresiones multinomiales se aplican habitualmente. Aquí, la probabilidad de ocurrencia de un evento se predijo. Por ejemplo, en una regresión logística la variable dependiente toma la forma de un logit llamada, que es log (P / (1‐p), donde p es la probabilidad de un evento. En la regresión logística siguiente se ilustra para la declaración de "e‐learning es más difícil que el aprendizaje convencional." los datos han sido recodificados a un archivo binario (1 = de acuerdo, 0 = otros).
Tabla 7: Frecuencias de acuerdo (no está de acuerdo) el punto "E‐learning dificultad"
Häufigkeit Gültige Prozente
Gültig En desacuerdo 1798 69,4 Acuerdo 791 30,6 Gesamt 2589 100,0
Sólo 30,6% de los encuestados de acuerdo con esta declaración. Por lo tanto, las posibilidades de acuerdo en que son oddsagree = 30,6 / 69,4 = 0,44. El logit respectivo es logitagree = ‐0.819.
Un procedimiento por pasos hacia atrás se ha aplicado según el criterio de Wald. Esto significa que en un primer momento todas las variables se incluyeron en el análisis y las variables están excluidos sobre la base de un criterio común (en este caso la estadística de Wald), si la estimación global de mejora. El procedimiento finaliza, cuando la exclusión de una variable no genera ninguna mejora en la estimación. La siguiente tabla muestra la solución final para la regresión logística sobre el tema "e‐learning dificultad."
En esta estimación sólo las variables categóricas se utilizan, que han sido codificadas como la llamada "Dummy" (0,1). Por lo tanto, diez Maniquí de variables (por cada país, excepto uno) tiene que ser creado. El restante sirve como referencia. Desde hace tres variables categóricas se integran en el modelo, que son todos "Dummy" codificados, el término constante en la línea inferior es la estimación de la combinación de estas tres referencias (País = Italia, el grupo = Grupo de Control, el
Tabla 8: Regresión Logística en la opinión de "e‐learning dificultad"
Coefficient B Standard err. Wald df Sig. Exp(B) gupo(1) ‐,724 ,096 56,483 1 ,000 ,485 genero(1) ,181 ,094 3,705 1 ,054 1,198 País 70,649 10 ,000 Greece ,549 ,260 4,471 1 ,034 1,732 Germany 1,561 ,271 33,097 1 ,000 4,766 Hungary ,449 ,253 3,162 1 ,075 1,567 Poland ,758 ,251 9,135 1 ,003 2,135 United ,405 ,307 1,743 1 ,187 1,500
E‐RURALNET
79
Kingdom Portugal 1,117 ,287 15,144 1 ,000 3,056 Estonia 1,019 ,258 15,537 1 ,000 2,770 Finland 1,058 ,289 13,366 1 ,000 2,880 Sweden ,154 ,397 ,151 1 ,698 1,167 Spain 1,003 ,290 11,958 1 ,001 2,726 Const ‐1,100 ,235 22,011 1 .000 0,333
La última columna de la tabla (exp (B)) representa la probabilidad de una variable. Por lo tanto, Exp (B) = 1 significa un par, 50% de probabilidad. En este caso, Exp (B) = 1 se puede interpretar que la probabilidad de que una persona está de acuerdo es el mismo que no estar de acuerdo. Un valor constante de Exp (B) = const 0,333 significa que una mujer italiana es menos probable llegar a un acuerdo que otros encuestados, ya que de acuerdo a la tabla 6 las posibilidades de acuerdo en que son 0,44.
Por Dummy‐Variables el coeficiente B es el cambio adicional de la logit, cuando el valor de esta variable se cambia. Por ejemplo, si queremos cambiar el país de Italia a España B (el logit) se incrementa en 1.003 a ‐0.097. Desde ‐0097 es mayor que ‐0,44 este grupo también es más probable que de acuerdo a la media. Exp (B) en España = 2726 sugieren que los encuestados españoles tienen una probabilidad 2,7 veces mayor de acuerdo a la parte demandada de referencia.
Los maniquíes de género sugiere que el paso de las mujeres a los hombres aumenta la probabilidad de llegar a un acuerdo, mientras que el cambio del control de los e‐learners grupo disminuirá sustancialmente la posibilidad de llegar a un acuerdo. Desde entonces, la pregunta se enmarca en una manera negativa ("e‐learning es más difícil que el aprendizaje convencional") esto sugiere que los alumnos virtuales son menos propensos a encontrar el e‐learning más difícil que el aprendizaje convencional. Por lo tanto, las mujeres italianas en el grupo de los alumnos virtuales parecen ser los más positivos acerca de la dificultad del aprendizaje electrónico en comparación con el aprendizaje convencional, mientras que los más escépticos son hombre alemán en el grupo control.
Sin embargo, estas estimaciones no debe interpretarse más‐, ya que la calidad del ajuste es muy bajo. Los llamados seudo R‐al cuadrado rango de 0 a 1 (aunque algunos pseudo‐R al cuadrado nunca alcanzan 0 o 1) con valores más altos indican un mejor ajuste del modelo. Para este modelo, los valores de R2 pseudo están cerca de cero.
Pseudo‐R2 Cox & Snell R‐squared Nagelkerkes R‐squared
Value 0,062 0,088
E‐RURALNET
81
PARTE III. CONCLUSIONES
Los resultados de las encuestas implican que el mercado de e‐learning está diversificado y de rápido desarrollo, incluyendo proveedores públicos y privados, pequeños y grandes, sin haber logrado sin embargo un nivel satisfactorio de equilibrio entre la oferta y la demanda. El número de organizaciones comerciales "jóvenes" y de nuevos participantes describen un mercado dinámico, cuya competitividad parece estar enfocada en la innovación y la especialización. A pesar de que estos proveedores ofrecen una amplia gama de contenidos de aprendizaje, hay una fuerte concentración en habilidades TIC y de negocio, lo que limita el alcance de los alumnos que podrían ser atraídos. La demanda parece estar impulsada por la oferta, en gran medida, aunque la demanda latente (según lo revelado por el grupo de control) insta a una gama más amplia de ofertas de formación, que en las zonas rurales incluyen varios temas del sector primario e idiomas.
Es muy alentador que la mayoría de los proveedores de e‐learning den una gran importancia al desarrollo de contenidos y la capacitación del personal. Parece que se beneficiarían de una política que apoyase a los proveedores en estos aspectos, especialmente en cuanto a la inclusión en e‐learning de trabajadores y comunidades rurales, que en la actualidad no parecen beneficiarse tanto como sus contrapartes urbanas. Una gama más amplia de los temas de aprendizaje y los recursos adicionales para adaptar el contenido a las necesidades de los alumnos objetivo parece ser una consideración importante, compartida por los proveedores de educación y apreciada por los alumnos.
También es alentador que 5 de cada 10 proveedores de e‐learning preste atención a la innovación y perciba sus productos como innovadores. De alguna manera, esa innovación parece deberse más a los métodos pedagógicos interactivos centrados en el estudiante y la creatividad que a las innovaciones tecnológicas, tales como aprendizaje basado en juegos o el uso de teléfonos móviles. Esta atención a los métodos de aprendizaje es acorde con la actual política europea, pero la innovación tecnológica debe ser apoyada también por la política, para que los proveedores puedan ofrecer mejor formación y más eficaz, sino también para facilitar el aprendizaje a aquellos que no tienen acceso a causa de las limitaciones de infraestructura o falta de familiaridad con las TIC. Los medios de comunicación alternativos, y medios de comunicación social pueden tener también un efecto positivo, como lo demuestra el estudio de e‐ruralnet y el reciente trabajo del IPTS.
De hecho, los principales obstáculos para el desarrollo del mercado de e‐learning en las zonas rurales, de acuerdo con los proveedores, es el analfabetismo y la limitada infraestructura de Internet de alta velocidad. Por lo tanto, se requieren medidas políticas para hacer frente a este problema que sigue siendo fundamental para el acceso equitativo a las oportunidades de aprendizaje, aunque se suponía que se habría resuelto mucho antes .
Las subvenciones públicas han sido una motivación importante para los proveedores de e‐learning para entrar en el mercado, y esto sin duda varía entre países. Sin embargo, la mayoría de los e‐learners tienen financiados sus cursos de forma privada, mientras que la contribución de los empresarios y los subsidios públicos es importante, pero considerablemente más pequeña. Por otra parte, la brecha entre las expectativas relacionadas con el trabajo de los alumnos y los beneficios reales obtenidos por el aprendizaje también deja mucho que desear: los beneficios de carrera son disfrutados por una minoría de estudiantes, tanto asistiendo a cursos de e‐learning como cara a cara (convencional).
E‐RURALNET
82
Los empresarios parecen ser más bien escépticos hacia el e‐learning, como se deduce de su tendencia a apoyar el aprendizaje convencional en mayor medida, a pesar de que las ayudas públicos son accesibles por igual para ambos tipos de formación. La aparente renuencia de los empresarios para apoyar la capacitación del personal a través del e‐learning se refleja en la falta de resultados o en los limitados resultados de e‐learning en la promoción del empleo y el desarrollo profesional de los e‐learners. Las subvenciones públicas (que están disponibles en todos los países) podrían contribuir a una mejor vinculación entre el aprendizaje y el desarrollo profesional, mediante la creación de un "puente" entre empresarios y estudiantes vinculados a las perspectivas de trabajo del alumno.
La prueba del éxito del e‐learning es que la mayoría de los estudiantes están dispuestos a probarlo de nuevo, y que la mayoría de los e‐learners financian sus estudios a partir de fuentes propias, ya sea total o parcialmente; por otra parte, una gran mayoría admite haber obtenido beneficio para su desarrollo personal a través de este aprendizaje, tanto si conlleva beneficios laborales como si no. Estas experiencias positivas, junto con las actitudes positivas declaradas por ambos, e‐learners y miembros del grupo de control, confirman las perspectivas significativas del e‐learning para ser un canal importante de la educación inclusiva, una vez que las limitaciones de la oferta se retiren y el acceso a servicios relacionados con las TIC esté garantizado.
E‐RURALNET
83
BIBLIOGRAFIA
European Commission, “Employment in agriculture and in the other sectors”. http://ec.europa.eu/agriculture/agrista/2010/table_en/C5‐1‐3513.pdf (2010)
Handler H.einz, Koebel B., Reiss P., SchratzenstallerM, “The Size and Performance of Public Sector Activities in Europe” (2004)
Kailis E., Pilos S., “Lifelong learning in Europe”, Eurostat Statistics in Focus 8 (2005)
Redecker, Ch., Ala‐Mutka, K., Punie, Y., “Learning 2.0 ‐ The Impact of Social Media on Learning in Europe”, Policy Brief, IPTS‐JRC 56958, European Commission, Luxemburg (2010)
Ala‐Mutka , K., Mapping Digital Competence: Towards a Conceptual Understanding, IPTS‐JRC 67075, European Commission, Luxemburg (2011)
E‐RURALNET
84
LISTA DE TABLAS Y FIGURAS
PARTE I LISTA DE FIGURAS Figura 1: Tamaños de la muestra 6
Figura 2: Tipo de organización 8
Figura 3: Tipo de organización por país 8
Figura 4: Personal docente 9
Figura 5: Número de profesores. Medias nacionales 9
Figura 6: Profesores E‐learning 10
Figura 7: Número de alumnos de e‐learning por proveedor durante los últimos 6 meses 10
Figura 8: % de mujeres estudiantes de e‐learning por proveedor en los últimos 12 meses 11
Figura 9: Porcentaje de estudiantes del sexo femenino: medias nacionales 11
Figura 10: Número de paquetes de e‐learning que ofrece actualmente 12
Figura 11: Número de paquetes de e‐learning que se ofrecen actualmente: medias nacionales 12
Figura 12: Proporción de cursos e‐learning dentro de la oferta total 14
Figura 13: Número de profesores (media) 13
Figura 14: Número de alumnos de e‐learning (media) 14
Figura 15: Desarrollo de contenidos e‐learning 14
Figura 16: Años de prestación de e‐learning 15
Figura 17: Paquetes especiales para las zonas rurales 16
Figura 18: Paquetes E‐learning para las zonas rurales de cada país (%) 16
Figura 19: Prioridades del proveedor con respecto al cliente: particulares 17
Figura 20: Prioridades del proveedor con respecto al cliente: organizaciones 18
Figura 21: Financiación de los cursos e‐learning 18
Figura 22: Financiación de los cursos e‐learning por país 19
Figura 23: La motivación para empezar a ofrecer e‐learning 20
Figura 24:Materias ofertadas 21
Figura 25: Certificaciones ofrecidas 21
Figura 26: Certificaciones ofrecidas por país 22
Figura 27: Métodos e‐learning: formas de entrega 22
Figura 28: Número medio de métodos de entrega 24
Figura 29: Herramientas 26
Figura 30: Métodos pedagógicos 28
Figura 31: Problemas relacionados con el e‐learning en las zonas rurales 30
Figura 32: Expectativas de los proveedores con respecto a los estudiantes 31
Figura 33: La innovación en e‐learning 34
LISTA DE TABLAS
Tabla 1: Porcentaje de cursos e‐learning por tipo de organización 13
Tabla 2: Regresión logística: DVD / CD / Videos utilizadas como método de entrega 23
E‐RURALNET
85
Tabla 3: Regresión Logística Radio TV / utiliza como métodos de entrega 25
Tabla 4: Regresión en la escala de prueba "Norma Técnica" 27
Tabla 5: Resultados del análisis factorial exploratorio de los métodos pedagógicos 28
Tabla 6: Regresión lineal en escala de la prueba "Métodos Avanzados Pedagógicas" 29
Tabla 7: Regresión lineal sobre el tema de "auto‐disciplina" 31
Tabla 8: Regresión lineal sobre el tema "La voluntad de aprender" 32
Tabla 9: La regresión lineal sobre el tema "perseverancia" 33
Tabla 10: El uso de aprendizaje basado en juegos por parte de e‐learning 34
Cuadro 11: Tema "Los alumnos se comunican con otros estudiantes" por la participación
del e‐learning del proveedor 35
Tabla 12: Efectos tamaño 39
E‐RURALNET
86
PARTE II
LISTA DE FIGURAS
Figura 1: Género 44
Figura 2: Estructura de edad 45
Figura 3: Grados educativos 46
Figure 4: Lugar de vivienda 47
Figura 5: El efecto del lugar de vivienda en la oportunidad de estar en el grupo de e‐learners 48
Figura 6: Situación laboral 49
Figura 7: Sector Privado / Público 50
Figura 8: Sector ocupacional 51
Figura 9: Objeto del curso 52
Figura 10: Motivación para la participación en cursos 54
Figura 11: Duración de los cursos 54
Figura 12: Fuentes de información 55
Figura 13: Financiación de cursos 56
Figura 14: Clasificación de costes 56
Figura 15: Uso de los contenidos de e‐learning 57
Figura 16: Beneficios de la formación 58
Figura 17: Razones para no participar 60
Figura 18: Fuentes de información (grupo de control sin experiencia formativa) 61
Figura 19: Habilidades buscadas 61
Figura 20: Limitaciones del e‐learning (e‐learners) 62
Figura 21: Limitaciones del e‐learning (grupo de control) 62
LISTA DE TABLAS
Tabla 1: Porcentaje de cursos de e‐learning por tipo de organización 13
Tabla 2: Regresión logística: DVD / CD / Videos utilizado como método de entrega 24
Tabla 3: Regresión logística. TV y Radio usados como métodos de entrega 25
Tabla 4: Regresión en la escala de prueba "Norma Técnica" 27
E‐RURALNET
87
Tabla 5: Resultados del análisis factorial exploratorio de los métodos pedagógicos 28
Tabla 6: Regresión lineal en la escala de prueba "Métodos avanzados de Pedagogía" 29
Tabla 7: Regresión lineal en el punto de "auto‐disciplina" 31
Tabla 8: Regresión lineal en el punto "La voluntad de aprender" 32
Tabla 9: La regresión lineal sobre el tema "perseverancia" 33
Tabla 10: Uso de aprendizaje basado en juegos por parte de e‐learning 34
Tabla 11: Artículo "Los alumnos comunicándose con otros estudiantes" por parte del proveedor 35
Tabla 12: Efectos tamaño 39