CoGnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
491
Oportunidades digitales previas, autoeficacia y brecha de
segundo nivel en la educación superior ecuatoriana
Prior digital opportunities, self-efficacy and the second-level
divide in Ecuadorian higher education
Oportunidades digitais prévias, autoeficácia e fosso de
segundo nível no ensino superior equatoriano
AUTORES:
Mayra Alexandra Dávila Muñoz
Unidad del Centro de Aprendizaje de Aplicaciones Informáticas Escuela Superior
Politécnica Agropecuaria de Manabí Manuel Félix López. Ecuador.
madavila@espam.edu.ec
https://orcid.org/0009-0004-7502-6210
Wendy Litanep Menéndez Pinargote
Unidad del Centro de Aprendizaje de Aplicaciones Informáticas. Escuela Superior
Politécnica Agropecuaria de Manabí Manuel Félix López. Ecuador.
wlmenendez@espam.edu.ec
https://orcid.org/0009-0009-3479-472X
Fecha de recepción: 2026-07-08
Fecha de aceptación: 2026-09-03
Fecha de publicación: 2026-10-05
DOI: https://doi.org/10.33936/cognosis.v11i4.8640
RESUMEN
La participación digital en la educación superior no depende únicamente de la
conectividad, sino también de la calidad de las oportunidades de aprendizaje
previas de los estudiantes, de su confianza para realizar tareas digitales y de la
492
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
adecuación de los dispositivos disponibles para las exigencias académicas. El
objetivo del estudio fue analizar la relación entre las oportunidades digitales
previas, la autoeficacia informática y las condiciones tecnológicas de acceso con la
experiencia académica de estudiantes universitarios en Ecuador. Se desarrolló un
estudio cuantitativo, no experimental, transversal y correlacional, con una muestra
analítica de 334 estudiantes. Los resultados mostraron que las oportunidades
digitales previas se asociaron con la autoeficacia actual, aunque esta relación dejó
de ser significativa al considerar conjuntamente la autoeficacia retrospectiva y las
condiciones tecnológicas actuales. Entre quienes habían completado al menos un
módulo, la autoeficacia actual fue superior a la reportada retrospectivamente para
el periodo previo a la universidad. Asimismo, una mejor calidad de conexión a
Internet se asoció con mayor autoeficacia actual, mientras que la dependencia del
teléfono móvil como dispositivo principal de estudio se relacionó con menor
autoeficacia y mayor probabilidad de repetición de módulos. Los hallazgos
evidencian que la brecha digital universitaria trasciende la disponibilidad de
conectividad e involucra las oportunidades acumuladas, la confianza para realizar
tareas informáticas y la adecuación funcional del acceso tecnológico. En
consecuencia, se destaca la importancia del diagnóstico temprano, la nivelación de
competencias digitales y el acceso institucional a dispositivos adecuado.
PALABRAS CLAVE: brecha digital; autoeficacia informática; competencia digital;
educación superior; aprendizaje móvil.
RESUMO
A participação digital no ensino superior não depende apenas da conectividade,
mas também das oportunidades prévias de aprendizagem, da autoeficácia
informática e da adequação dos dispositivos disponíveis às exigências académicas.
O objetivo do estudo foi analisar a relação entre as oportunidades digitais prévias,
a autoeficácia informática e as condições tecnológicas de acesso com a experiência
académica de estudantes universitários no Equador. Foi realizado um estudo
quantitativo, não experimental, transversal e correlacional, com uma amostra
analítica de 334 estudantes. Os resultados mostraram que as oportunidades
digitais prévias se associaram à autoeficácia atual, embora essa relação tenha
deixado de ser significativa ao considerar conjuntamente a autoeficácia
retrospetiva e as condições tecnológicas atuais. Entre aqueles que haviam
concluído pelo menos um módulo, a autoeficácia atual foi superior à relatada
retrospetivamente para o período anterior à universidade. Além disso, uma melhor
qualidade da conexão à Internet associou-se a uma maior autoeficácia atual,
enquanto a dependência do telemóvel como principal dispositivo de estudo se
relacionou com menor autoeficácia e maior probabilidade de repetição de módulos.
Os resultados evidenciam que o fosso digital no ensino superior transcende a
CoGnosis
Revista de Educación
493
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
disponibilidade de conectividade e envolve as oportunidades acumuladas, a
confiança para realizar tarefas informáticas e a adequação funcional do acesso
tecnológico. Consequentemente, destaca-se a importância do diagnóstico precoce,
da nivelação das competências digitais e do acesso institucional a dispositivos
adequados.
PALAVRAS-CHAVE: fosso digital; autoeficácia informática; competência digital;
ensino superior; aprendizagem móvel.
ABSTRACT
Digital participation in higher education depends not only on connectivity but also
on prior learning opportunities, computer self-efficacy, and the suitability of
available devices for academic demands. The aim of this study was to analyze the
relationship between prior digital opportunities, computer self-efficacy, and
technological access conditions with the academic experience of university
students in Ecuador. A quantitative, non-experimental, cross-sectional, and
correlational study was conducted with an analytical sample of 334 students. The
results showed that prior digital opportunities were associated with current self-
efficacy, although this relationship was no longer significant when retrospective
self-efficacy and current technological conditions were considered jointly. Among
students who had completed at least one module, current self-efficacy was higher
than that retrospectively reported for the pre-university period. Better Internet
connection quality was also associated with higher current self-efficacy, whereas
reliance on a mobile phone as the primary study device was related to lower self-
efficacy and a greater likelihood of module repetition. The findings show that the
digital divide in higher education extends beyond connectivity and involves
accumulated opportunities, confidence in performing computer-related tasks, and
the functional adequacy of technological access. Consequently, the findings
highlight the importance of early diagnostic assessment, digital skills bridging
support, and institutional access to appropriate devices.
KEYWORDS: digital divide; computer self-efficacy; digital competence; higher
education; mobile learning.
1. INTRODUCCIÓN: PUNTO DE PARTIDA
Durante las últimas décadas, la educación superior ha pasado de incorporar la
tecnología en el trabajo académico a fundamentar gran parte del proceso educativo
en las TIC. Se espera que los estudiantes sean capaces, no solo de comunicarse
digitalmente, sino que también tengan las capacidades para crear y formatear
documentos, organizar y analizar datos, producir contenido multimedia, resolver
problemas técnicos y aprender aplicaciones desconocidas con un soporte limitado.
494
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
A medida que las universidades incorporan la enseñanza híbrida, la analítica del
aprendizaje y, cada vez más, la inteligencia artificial generativa, la distancia entre
poseer un dispositivo conectado y poder realizar tareas académicas exigentes con
él se vuelve más relevante (UNESCO, 2023). El Marco Europeo de Competencia
Digital para los Ciudadanos (DigComp 2.2) refleja esta complejidad al definir la
competencia digital como una combinación integrada de conocimientos,
habilidades y actitudes necesarias para participar de forma segura, crítica y
autónoma en entornos digitales (Vuorikari et al., 2022). Así, el acceso nominal a la
tecnología revela poco sobre la capacidad del estudiante para realizar trabajos
complejos y específicos de cada disciplina.
Entendida de esta manera, la brecha digital resulta multidimensional y no se
reduce a una distinción binaria entre estudiantes conectados y no conectados. Una
línea de investigación ahora clásica distinguió una división de primer nivel en el
acceso físico de una división de segundo nivel en las habilidades y tipos de uso que
permite el acceso (Hargittai, 2002), y síntesis posteriores extendieron este
razonamiento a los resultados tangibles que producen el acceso y las habilidades
desiguales (van Dijk, 2020); de hecho, las diferencias en el acceso material
sostienen esas desigualdades incluso donde la conectividad es casi universal (van
Deursen y van Dijk, 2019), perpetuando así que las desigualdades persisten y a
menudo se profundicen, una vez lograda la conectividad básica (Soomro et al.,
2020). En América Latina, la conectividad desigual, la disponibilidad de
dispositivos y las oportunidades escolares para desarrollar competencia digital
siguen siendo limitaciones estructurales en esta brecha de segundo nivel (Comisión
Económica para América Latina y el Caribe [CEPAL], 2025). El Informe Global de
Seguimiento de la Educación advierte de manera similar que la tecnología puede
ampliar las oportunidades educativas y a la vez regenerar la exclusión cuando su
uso no se acompaña de acceso equitativo, relevancia pedagógica e implementación
informada por la evidencia (UNESCO, 2023).
Para los estudiantes universitarios, la familiaridad cotidiana con los smartphones
y las redes sociales no debe confundirse con competencia digital académica.
García-Martín y García-Sánchez (2022) señalaron que la desigualdad digital en la
educación superior también comprende diferencias en el conocimiento y en los
usos académicos productivos de la tecnología, y no únicamente en la disponibilidad
o propiedad de dispositivos. En Ecuador, Pegalajar Palomino y Rodríguez Torres
(2023) identificaron diferencias en el nivel de alfabetización digital de estudiantes
universitarios, particularmente en actividades relacionadas con la creación y
adaptación de contenido digital. Los estudios realizados a mayor escala también
han caracterizado la competencia digital como un constructo diferenciado y
multidimensional, que comprende diversos ámbitos más allá del acceso y la
comunicación (Mejías-Acosta et al., 2024). Sin embargo, suelen evaluar la
CoGnosis
Revista de Educación
495
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
competencia en un momento determinado y tratarla como un resultado, mientras
que las oportunidades de aprendizaje que contribuyen a su desarrollo, las
creencias sobre la propia capacidad y las condiciones materiales que pueden
facilitar o limitar su aplicación no siempre se analizan de manera conjunta. Esta
revisión plantea la necesidad de examinar cómo las oportunidades digitales
anteriores al ingreso universitario, la autoeficacia informática y las condiciones
materiales de acceso se relacionan con la experiencia académica de los estudiantes.
La autoeficacia informática aporta una dimensión psicológica para analizar estas
diferencias. Desde la teoría cognitiva social, la autoeficacia se refiere a las creencias
de una persona sobre su capacidad para organizar y ejecutar las acciones
necesarias para afrontar situaciones futuras (Bandura, 1997; Compeau y Higgins,
1995). Aplicada al aprendizaje digital, la autoeficacia informática puede influir en
si los estudiantes intentan tareas desconocidas, persisten tras los errores, buscan
soluciones de forma independiente o recurren a ayuda externa. Empíricamente, las
actitudes digitales, la alfabetización y la autoeficacia de los estudiantes están
relacionadas con la participación en el aprendizaje online (Getenet et al., 2024);
mientras la autoeficacia predice las competencias digitales y el compromiso
académico en los estudiantes universitarios (Gómez-Apaza et al., 2025); a la vez
que está asociada con la integración real de las tecnologías de la información y la
comunicación en entornos educativos (Afari et al., 2023). Conceptualmente, esto
conecta dos marcos que a menudo se invocan por separado, modelos de
competencia como DigComp 2.2 que especifican lo que los estudiantes deben ser
capaces de hacer; mientras que, la teoría de la autoeficacia ayuda a explicar si
creen que pueden y, por tanto, si participan. Las oportunidades previas para
practicar tareas digitales pueden llegar a ser educativamente relevantes en parte
porque moldean las creencias de capacidad que median el compromiso con
tecnologías cada vez más exigentes.
El tipo y la calidad del acceso actual pueden condicionar aún más si la confianza
se traduce en una participación efectiva. Un smartphone puede ser suficiente para
mensajería, lecturas cortas y algunas interacciones de gestión del aprendizaje, pero
es sustancialmente menos adecuado que un ordenador para hojas de cálculo,
producción prolongada de documentos, edición de imágenes y vídeo, y software
especializado (Napoli y Obar, 2014). Tratar todos los dispositivos conectados a
internet como equivalentes oscurece precisamente la división de segundo nivel
descrita previamente, la diferencia en la adecuación funcional del acceso en lugar
de en el acceso en sí. Esta distinción es especialmente evidente en universidades
que exigen a los estudiantes que completen módulos prácticos basados en
ordenadores entre disciplinas.
496
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
El presente estudio se desarrolló en un centro de aplicaciones informáticas de una
institución pública de educación superior en Ecuador. El centro ofrece formación
tecnológica a estudiantes de diferentes programas de grado y niveles académicos,
con contenidos que abarcan procesamiento de textos y presentaciones, hojas de
cálculo básicas, diseño multimedia con software de edición de imágenes y vídeo, y
un módulo optativo de aplicaciones avanzadas. La diversidad de trayectorias
educativas de los estudiantes permite analizar como las experiencias digitales
previas se relacionan con la capacidad informática percibida y las condiciones
tecnológicas disponibles durante la formación universitaria. En este contexto
también permite explorar si estas diferencias se vinculan con determinados
indicadores de trayectoria académica.
Los estudios revisados han abordado la competencia digital, la autosuficiencia
informática y las condiciones de acceso como dimensiones relacionadas con la
experiencia tecnológica de los universitarios, aunque con frecuencia se han
analizado de manera independiente. Esta separación limita la comprensión de
como las experiencias digitales acumuladas antes del ingreso universitario pueden
relacionarse con la percepción retrospectiva de las capacidades y las condiciones
tecnológicas de los estudiantes durante la formación superior. Por esto, el estudio
integra las oportunidades digitales previas al ingreso universitario, la percepción
retrospectiva de las propias capacidades informáticas y las condiciones
tecnológicas disponibles durante la educación superior. A partir de esta
integración, se analiza su relación con la autoeficacia informática actual y con
determinados indicadores de trayectoria académica en una muestra de estudiantes
universitarios ecuatorianos.
Guiado por este modelo, el estudio abordó la siguiente pregunta de investigación:
¿cómo se relacionan las oportunidades de aprendizaje digital durante la educación
secundaria con la autoeficacia actual del ordenador entre los estudiantes
universitarios y cómo se relacionan estos factores, junto con las condiciones
tecnológicas actuales, con las trayectorias de los estudiantes en los módulos de
formación tecnológica? El objetivo principal se sustentó en explicar cómo se
combinan, es decir, estimar la contribución relativa de oportunidades previas,
creencias de capacidad anteriores y condiciones actuales a la autoeficacia actual y
la trayectoria académica. Específicamente, el estudio buscó caracterizar las
condiciones sociodemográficas, académicas y tecnológicas de los estudiantes;
examinar las propiedades psicométricas y los niveles de los índices de
oportunidades digitales previas y la autoeficacia informática para determinar sus
asociaciones ajustadas con la repetición de módulos, el número de módulos
completados y la satisfacción con la formación. Dado el diseño transversal y
parcialmente retrospectivo, todas las asociaciones se interpretaron como no
causales.
CoGnosis
Revista de Educación
497
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
Figura 1. Modelo conceptual de asociaciones hipotetizadas entre oportunidades previas,
autoeficacia, condiciones tecnológicas y trayectoria académica
Nota. Modelo conceptual propuesto que relaciona oportunidades digitales previas, la autoeficacia
informática retrospectiva y actual, las condiciones tecnológicas actuales y la trayectoria académica.
Las flechas sólidas denotan asociaciones hipotetizadas examinadas en este estudio. La flecha
discontinua indica un camino directo que se espera se atenúe una vez que se tenga en cuenta la
autoeficacia anterior.
2. MÉTODOS: RUTA METODOLÓGICA
2.1 Diseño y ambientación
Se llevó a cabo un estudio cuantitativo, no experimental, transversal con objetivos
descriptivos y correlacionales. El estudio se desarrolló bajo un enfoque cuantitativo
postpositivista en el que los constructos derivados de la teoría se miden con
instrumentos estructurados y se evalúan probabilísticamente, reconociendo que la
medición es falible y los resultados son provisionales. Se observaron variables sin
manipulación, los datos se recopilaron durante un único periodo del 24 al 27 de
julio de 2026 y los ítems que pedían a los participantes que evaluaran su capacidad
informática al final de la educación secundaria fueron retrospectivos. En
consecuencia, las comparaciones entre la autoeficacia retrospectiva previa a la
universidad y la actual se interpretaron como diferencias percibidas más que como
cambios pretest-posttest o evidencia de un efecto de intervención.
El estudio tuvo lugar en un Centro de Aplicaciones Informáticas de una
universidad pública en Manabí, Ecuador. El centro ofrece formación práctica en
informática a estudiantes de diferentes programas de grado, semestres y orígenes
geográficos.
498
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
2.2 Población, muestra y elegibilidad
La población objetivo estaba compuesta por estudiantes matriculados en los
módulos de formación informática del centro durante el periodo de abril - agosto
de 2026. Los registros de matrícula institucional indican que durante este periodo
se registraron 4.268 estudiantes en la universidad; mientras que, el centro oferta
los estudiantes cuatro niveles de formación a través de 39 secciones de clase
activas. No existe un recuento preciso de estudiantes matriculados específicamente
en los módulos del centro de forma centralizada, ya que aproximadamente la mitad
de las secciones activas funcionaban a plena capacidad y el resto tenía entre 10 y
20 estudiantes.
Se utilizó un enfoque de participación voluntaria no probabilística, por lo que la
muestra debe interpretarse como un grupo autoseleccionado; por tanto, los
análisis buscan explicar las asociaciones dentro del grupo participante en lugar de
estimar la prevalencia o cobertura poblacional (véase la Sección 4.2). La base de
datos inicial contenía 366 cuestionario de los cuales se excluyeron treinta y dos
registros porque los participantes no dieron su consentimiento, dejando una
muestra analítica de 334 estudiantes.
Los casos elegibles se completaron con cuestionarios de estudiantes matriculados
que proporcionaron consentimiento e información suficiente sobre las variables
principales. Se excluyeron los registros sin consentimiento y duplicados
verificables. Diez personas reportadas menores de 16 años se consideraron
incompatibles con la población universitaria y se trataron como ausentes en
estadísticas descriptivas específicas por edad; las respuestas restantes de esos
casos se conservaron.
El umbral de 16 años refleja que el acceso regular a la educación superior
ecuatoriana sigue a la finalización de la educación secundaria superior, que
normalmente ocurre entre los 17 y 18 años; Por tanto, las edades reportadas
menores de 16 años se consideraron incompatibles con la inscripción genuina y
más consistentes con un error de introducción de datos.
2.3 Instrumento y variables
Los datos se recogieron mediante un cuestionario electrónico estructurado que
comprendía 53 variables organizadas en consentimiento, características
sociodemográficas y académicas, condiciones tecnológicas, experiencias digitales
durante la educación secundaria, autoeficacia retrospectiva previa a la
universidad, la trayectoria del módulo, autoeficacia para aprender informática,
utilidad percibida, autoeficacia actual y satisfacción.
CoGnosis
Revista de Educación
499
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
El cuestionario se desarrolló para este estudio en lugar de administrar una única
escala preexistente. Sus ítems se basaron en la experiencia profesional del cuerpo
docente del centro y se organizaron en torno a fuentes conceptuales establecidas,
donde los ítems sobre oportunidades digitales previas se escribieron para
muestrear las actividades prácticas y dominios de aplicación descritos en DigComp
2.2 (Vuorikari et al., 2022); mientras que, los ítems de autoeficacia siguieron la
lógica referenciada a tareas de la tradición de autoeficacia informática, en la que
los encuestados valoran su capacidad para realizar tareas informáticas específicas
(Compeau y Higgins, 1995), consistente con la teoría cognitiva social (Bandura,
1997).
El instrumento fue revisado internamente por el personal docente antes de la
administración, pero no fue validado formalmente por expertos externos ni un
estudio piloto independiente; su estructura interna y fiabilidad se examinaron
empíricamente en la muestra presente (Sección 3.2).
Las oportunidades digitales previas estaban representadas por 10 ítems que
evaluaban la frecuencia con la que los estudiantes tenían acceso o practicaban con
ordenadores, uso de Internet, clases prácticas, Word, PowerPoint, Excel, edición de
imágenes, edición de vídeo, software especializado y orientación durante la
educación secundaria. Las respuestas iban de 0 (nunca) a 4 (siempre) y el índice
se calculó como la media de los artículos disponibles. Aunque estos ítems abarcan
el acceso, la frecuencia de práctica, aplicaciones específicas y orientaciones, se
trataron como un único índice porque se concibieron como indicadores de un
constructo subyacente (la oportunidad global de desarrollar competencia
informática antes de la universidad) y porque este tratamiento unidimensional fue
posteriormente respaldado por análisis paralelos y alta coherencia interna (Sección
3.2).
La autoeficacia informática retrospectiva preuniversitaria consistió en seis tareas
evaluadas con referencia al final de la educación secundaria. La autoeficacia
informática actual utilizó los mismos seis dominios de tarea evaluados en el
momento de la encuesta. Las respuestas de autoeficacia iban de 0 (no podría
hacerlo) a 4 (podría hacerlo de forma independiente y sin esfuerzo), y se calcularon
las puntuaciones medias para cada escala.
Los indicadores de trayectoria académica incluyeron el número de módulos
completados, la repetición auto-reportada de módulos, la retirada y la satisfacción.
Las covariables incluían la calidad percibida de Internet, el dispositivo principal de
estudio, el área de educación secundaria, el estado laboral actual, la edad y el
género. Para la comparación descriptiva emparejada, se calculó una puntuación
retrospectiva de diferencia como la eficacia actual menos la autoeficacia previa a la
500
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
universidad y se examinó solo entre estudiantes que habían completado al menos
un módulo (ver Tabla 1).
Tabla 1. Operacionalización de variables principales
Variable
Indicadores
Escala / cálculo
Oportunidades
digitales previas
10 elementos: informática, Internet, clases
prácticas, Word, PowerPoint, Excel, edición de
imágenes, edición de vídeo, software
especializado, orientación
Frecuencia 0-4;
Promedio de los
ítems
Autoeficacia
retrospectiva previa a
la universidad
Seis tareas informáticas valoradas en función del
final de la educación secundaria
Capacidad 0-4;
Promedio de seis
ítems
Autoeficacia
informática actual
Los mismos seis dominios de tarea valorados en
la encuesta
Capacidad 0-4;
Promedio de seis
ítems
Trayectoria académica
Módulos completados, repetición, retirada,
satisfacción
Conteos, variables
binarias, escala
ordinal
Covariables
Calidad de Internet, dispositivo principal, zona
escolar, empleo, edad, género
Cuantitativa o
categórica
Nota. Los ítems de oportunidades digitales previas y de autoeficacia se puntuaron en una escala de
0 a 4; cada índice corresponde al promedio de sus ítems.
2.4 Preparación de datos y análisis estadístico
Se conservó una copia sin modificar de la base de datos original y se generó un
conjunto analítico en el que se eliminaron los identificadores directos, se
estandarizaron las categorías y se recodificaron las respuestas ordinales. La
consistencia interna de los índices se analizó mediante el alfa de Cronbach,
mientras que la estructura interna se evaluó mediante el índice de Kaiser-Meyer-
Olkin (KMO), la prueba de esfericidad de Bartlett y análisis paralelo. Estos
procedimientos aportaron fiabilidad y dimensionalidad de los índices de esta
muestra, pero no establecen por sí solos la validez del contenido, convergente o
discriminante (véase la Sección 4.2).
Las variables categóricas se resumieron mediante frecuencias y porcentajes,
mientras que para las variables cuantitativas se utilizaron medidas de tendencia
central y dispersión. Las asociaciones bivariadas se examinaron mediante el
coeficiente rho de Spearman. La autoeficacia informática retrospectiva previa a la
universidad y la autoeficacia actual se compararon mediante la prueba de rangos
CoGnosis
Revista de Educación
501
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
con signo de Wilcoxon entre los participantes que habían completado al menos un
módulo; para las comparaciones entre grupos independientes se utilizó la prueba
de Wilcoxon-Mann-Whitney.
Para examinar las asociaciones ajustadas con la autoeficacia informática actual se
estimó un modelo de regresión lineal múltiple que incluyó como predictores las
oportunidades digitales previas, la autoeficacia retrospectiva, la calidad de
Internet, los antecedentes rurales, el teléfono móvil como dispositivo principal de
estudio, el empleo actual y el género. De manera complementaria, se estimó una
regresión logística binaria para analizar la repetición autoinformada de módulos.
Se informaron coeficientes, odds ratios ajustados, intervalos de confianza del 95 %
y valores p bilaterales, con un nivel de significación de 0,05. Se comprobaron los
principales supuestos y diagnósticos de ambos modelos y, ante la presencia de
heterocedasticidad en el modelo lineal, se utilizaron errores estándar robustos
HC3.
Se realizaron estadísticas descriptivas, diagnósticos de componentes principales,
correlaciones, comparaciones de grupos y regresión lineal en InfoStat/L (versión
30/04/2020). El alfa de Cronbach, el KMO, la prueba de Bartlett, el análisis
paralelo y la regresión logística se calcularon además usando rutinas reproducibles
en Python 3.12 con pandas, NumPy y SciPy. La IA generativa se utilizó durante la
preparación de manuscritos para la traducción al inglés y el refinamiento editorial;
Todos los resultados estadísticos, interpretaciones, citas y redacción final fueron
revisados por las autoras, quienes retiene toda la responsabilidad sobre el
manuscrito.
2.5 Consideraciones éticas
La participación fue voluntaria y precedida por consentimiento informado. Se
excluyeron los registros de personas que no dieron su consentimiento. El conjunto
de datos analítico no contenía nombres ni direcciones de correo electrónico y los
hallazgos se informan de forma agregada. En esta fase no se vincularon los
registros académicos oficiales con las respuestas del cuestionario; los 308
participantes que lo autorizaron constituyen la base para una fase posterior de
enlace.
3. RESULTADOS: INDICIOS Y HALLAZGOS
Los resultados se organizaron en torno a tres hallazgos centrales que responde a
la pregunta de investigación. Antes de presentar las asociaciones, se describen la
características de la muestra y las propiedades psicométricas de los índices
utilizados. Posteriormente se examinan las tres relaciones principales: a) la
asociación entre las oportunidades digitales previas; b) la relación entre la
502
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
autoeficacia retrospectiva y la autoeficacia actual y; c) el papel del dispositivo
principal y la calidad del internet sobre la autoeficacia actual y la trayectoria
académica.
3.1 Características de los participantes
La muestra analítica incluyó a 334 estudiantes. Después de que las edades
inválidas se consideraran ausentes, la edad media fue de 28,62 años (DE = 8,98;
mediana = 27; rango = 17-59; n = 324). La muestra incluyó a 246 mujeres (73,7%)
y 84 hombres (25,1%); cuatro participantes eligieron otra opción o prefirieron no
responder. La mayoría de los participantes (79,0%) habían asistido a un instituto
público y el 31,4% informó de un entorno rural de secundaria.
En el momento de la encuesta, el 51,8% estaba empleado. El dispositivo principal
más común del estudio fue un ordenador portátil (54,5%), seguido por un teléfono
móvil (30,5%). La calidad media percibida de Internet fue de 6,72 sobre 10 (DE =
2,00). Sesenta y cinco estudiantes (19,5%) reportaron haber repetido al menos un
módulo. Entre 282 participantes que habían cursado módulos y respondido al ítem
de satisfacción, 234 (83,0%) declararon estar satisfechos o muy satisfechos. En
conjunto, sobre la muestra analítica de 334 estudiantes, 251 habían completado
al menos un módulo, 282 habían cursado módulos y respondieron al ítem de
satisfacción, y 308 autorizaron el enlace anónimo con sus registros académicos;
estos subconjuntos constituyen las bases de los análisis correspondientes.
Tabla 2. Características sociodemográficas y tecnológicas
Variable
Categoría
n
%
Género
Mujeres
246
73,7
Hombres
84
25,1
Otros / prefiero no responder
4
1,2
Área de la escuela secundaria
Urbano
215
64,4
Rural
105
31,4
Urbano-marginal
14
4,2
Tipo de escuela secundaria
Público
264
79,0
Privada o subvencionada públicamente
70
21,0
Empleo
No empleado
161
48,2
Empleados
173
51,8
Dispositivo principal de estudio
Portátil
182
54,5
Teléfono móvil
102
30,5
Escritorio, tablet o sin dispositivo
50
15,0
Repetición de módulos
No
269
80,5
Uno o más módulos
65
19,5
CoGnosis
Revista de Educación
503
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
Nota. n = 334. Los porcentajes se calcularon sobre los casos válidos de cada variable; por redondeo,
pueden no sumar exactamente 100 %.
3.2 Propiedades psicométricas de los índices
Los tres índices principales mostraron una consistencia interna elevada y valores
adecuados de KMO. La prueba de esfericidad de Bartlett fue estadísticamente
significativa para todos los conjuntos de ítems (p < 0,001). Para el índice de
oportunidades digitales previas, el análisis paralelo indicó que el primer valor
propio observado (5,98) superó el percentil 95 de valores propios aleatorios (1,37),
mientras que los valores propios posteriores no lo hicieron. Este primer
componente representó aproximadamente el 59,8% de la varianza. En las escalas
retrospectiva y actual de autoeficacia, los primeros valores propios fueron 4,36 y
4,71, que corresponden al 72,7% y 78,6% de la varianza, respectivamente.
En conjunto, estos resultados proporcionan evidencias de consistencia interna y
de una estructura predominante unidimensional de los índices en la muestra
estudiada. Por ello, se consideró adecuado utilizar las puntuaciones medias de los
ítems como medidas sintéticas para los análisis posteriores. No obstante, estos
resultados no constituyen por si solos una validación completa de los índices, dado
que el instrumento fue construido específicamente para este estudio y n se realizó
una validación formal mediante expertos externos ni un estudio piloto
independiente.
3.3 Asociaciones bivariados y diferencia entre autosuficiencia retrospectiva y actual
Las oportunidades digitales previas se asociaron moderadamente con la
autoeficacia retrospectiva previa a la universidad y débilmente con la autoeficacia
actual. La relación bivariante más fuerte se produjo entre la autoeficacia
retrospectiva y la actual. La autoeficacia actual también se asoció positivamente
con el número de módulos completados y la satisfacción.
Entre los 251 participantes que completaron al menos un módulo, la autoeficacia
actual fue mayor que la autoeficacia retrospectiva previa a la universidad (2,79
frente a 2,10; estas medias de subgrupos difieren ligeramente de los valores de
muestra completa en la Tabla 3, que también incluyen a estudiantes que aún no
habían completado un módulo). La diferencia media fue de 0,69 puntos y la
diferencia mediana de 0,50. El 65,7% de estos participantes presentó una
puntuación actual superior a su valoración retrospectiva, el 23,9% no notó
diferencias y el 10,4% reportó una puntuación actual inferior. La prueba de rangos
por signo de Wilcoxon mostró una diferencia estadísticamente significativa entre
ambas puntuaciones (Z = -11,25, p < 0,001; suma de rangos positivos = 2887,50).
504
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
Las métricas muestran una diferencia entre la autoeficacia informática actual y la
valoración retrospectiva de la autoeficacia previa a la universidad, pero no permiten
determinar que se haya producido un cambio atribuible al proceso formativo,
puesto que, las estadísticas correspondientes al periodo previo a la universidad
fueron obtenidas retrospectivamente y no se contó con una medición prospectiva
realizada antes del inicio de la formación ni con un grupo de comparación. Por
tanto, la diferencia observada debe interpretarse como una comparación entre dos
valoraciones referidas a momentos distintos y no como una evidencia de cambio
longitudinal o de efecto de la formación.
Tabla 3. Propiedades psicométricas y estadísticas descriptivas de índices
Índice
Elementos
KMO
Bartlett χ²
(df)
Alfa de
Cronbach
Media ±
SD
Oportunidades digitales previas
10
0.891
2401.99 (45)
0.924
1,46 ±
0,97
Autoeficacia retrospectiva previa a
la universidad
6
0.888
1495.04 (15)
0.923
2,12 ±
0,98
Autoeficacia actual de los
ordenadores
6
0.887
1914.02 (15)
0.945
2,78 ±
0,90
Nota. La prueba de esfericidad de Bartlett < 0,001 para los tres índices.
Tabla 4. Correlaciones de Spearman entre oportunidades, autoeficacia y trayectoria
Relación
Spearman ρ
p
Oportunidades previas – autoeficacia retrospectiva
0.49
< .001
Oportunidades previas – autoeficacia actual
0.23
< .001
Retrospectiva – autoeficacia actual
0.53
< .001
Autoeficacia actual – módulos completados
0.13
.020
Autoeficacia actual – satisfacción
0.39
< .001
Nota. ρ = coeficiente de correlación de Spearman. n = 334, salvo la correlación con la satisfacción
(n = 282). Las asociaciones son bivariadas y no implican causalidad.
Los estudiantes que dependían principalmente de un teléfono móvil reportaban
una menor autoeficacia actual que aquellos que usaban otros dispositivos (2,50
frente a 2,91; W = 14108,50; p < .001). Los estudiantes que reportaron haber
repetido un módulo también tuvieron una autoeficacia actual menor que aquellos
sin repetición (2,51 frente a 2,85; W = 9399,00; p = .032). No se observaron
CoGnosis
Revista de Educación
505
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
diferencias estadísticamente significativas según el origen rural (W = 16742,50; p
= 0,299) ni el estado laboral (W = 25548,00; p = 0,105)
3.4 Modelos multivariables
El modelo de regresión lineal múltiple fue estadísticamente significativo, F(7, 326)
= 23,59, p < 0,001, y explicó el 33,6% de la varianza en la autoeficacia actual del
ordenador (R² = 0,34; R² ajustado = 0,32). La autoeficacia retrospectiva previa a la
universidad fue el predictor positivo más fuerte (B = 0,51, IC 95% [0,42, 0,61], p <
0,001). La calidad de Internet también se asoció positivamente con la autoeficacia
actual (B = 0,05, p = 0,014), mientras que la dependencia primaria en un teléfono
móvil se asoció con una reducción media de 0,23 puntos (p = 0,011). Las
oportunidades digitales previas no fueron estadísticamente significativas tras
controlar la autoeficacia retrospectiva y las condiciones actuales (p = 0,149). Los
factores de inflación de la varianza fueron bajos (VIF máximo = 1,43) y los
diagnósticos de influencia no identificaron observaciones preocupantes (distancia
máxima de Cook = 0,05).
Las comprobaciones diagnósticas apoyaban la especificación del modelo en donde
los residuos eran aproximadamente normales (Shapiro-Wilk W = 0,99, p = 0,26;
Jarque-Bera p = 0,29), independiente (Durbin-Watson = 1,91) y no mostró
evidencia de especificación incorrecta de las formas funcionales (Ramsey RESET p
= 0,43). Una prueba de Breusch-Pagan indicó heteroscedasticidad (p < 0,001); Por
ello, se aplicaron errores estándar heteroscedásticos consistentes (HC3), bajo los
cuales la autoeficacia retrospectiva previa a la universidad (p < 0,001), la calidad
de Internet (p = 0,026) y la dependencia del teléfono móvil (p = 0,014)
permanecieron significativas y las estimaciones de coeficientes permanecieron sin
cambios (ver Tabla 5).
Tabla 5. Regresión lineal múltiple que predice la autoeficacia actual del ordenador
Predictor
B
IC 95%
p
Oportunidades digitales previas
-0.07
-0,17 a 0,03
.149
Autoeficacia retrospectiva previa a la universidad
0.51
0,42 a 0,61
< .001
Calidad de Internet
0.05
0,01 a 0,10
.014
Antecedentes rurales
0.02
-0,16 a 0,20
.820
Teléfono móvil como dispositivo principal
-0.23
-0,41 a -0,05
.011
Actualmente empleado
0.02
-0,15 a 0,18
.855
Género: mujer
-0.06
-0,25 a 0,13
.533
Nota. B = coeficiente no estandarizado; IC 95 % = intervalo de confianza del 95 %. Modelo F(7, 326)
= 23,59; p < 0,001; R² = 0,336; R² ajustado = 0,32. Ante la heterocedasticidad detectada (Breusch-
Pagan, p < 0,001) se emplearon errores estándar robustos (HC3), con resultados equivalentes.
506
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
En el modelo de regresión logística complementaria, la dependencia primaria de un
teléfono móvil fue el único predictor estadísticamente significativo de la repetición
de módulos. Los estudiantes cuyo principal dispositivo de estudio era un teléfono
móvil presentaron 2,14 veces mayores probabilidades relativas de reportar
repetición de módulos en comparación con los que usaban otro dispositivo
principal (IC 95% [1,19, 3,82], p = 0,010). Otros predictores no alcanzaron
significación estadística en el modelo ajustado. El modelo mostró una calibración
adecuada (Hosmer-Lemeshow χ² = 8,17, df = 8, p = 0,42) pero una discriminación
modesta (área bajo la curva ROC = 0,63) y una baja variación explicada (McFadden
R² = 0,03; Nagelkerke R² = 0,05), consistente con un modelo de cribado
parsimonioso en el que un solo predictor era significativo (ver Tabla 6).
Tabla 6. Regresión logística que predice la repetición de módulos
Predictor
O ajustado
IC 95%
p
Oportunidades previas (por SD)
1.24
0,89 a 1,72
.208
Autoeficacia retrospectiva (según SD)
0.77
0,56 a 1,06
.104
Calidad de Internet (por SD)
0.93
0,70 a 1,23
.594
Antecedentes rurales
0.88
0,47 a 1,64
.682
Teléfono móvil como dispositivo principal
2.14
1.19 a 3.82
.010
Actualmente empleado
1.17
0,66 a 2,06
.586
Nota. OR = odds ratio ajustado; IC 95 % = intervalo de confianza del 95 %; SD = desviación estándar.
n = 334 (65 eventos de repetición). El modelo mostró calibración adecuada (Hosmer-Lemeshow, p
= 0,42) y discriminación modesta (área bajo la curva ROC = 0,63).
4. DISCUSIÓN: SIGNIFICADOS EN DIÁLOGO
El estudio examinó las asociaciones entre las oportunidades previas de aprendizaje
digital, la capacidad informática percibida y las condiciones actuales de acceso,
vinculados con la confianza digital y las trayectorias académicas de los estudiantes
universitarios en un entorno de educación superior ecuatoriana. Los resultados
demuestran que las condiciones digitales previas al ingreso universitario ofrecen
información sobre la experiencia de los estudiantes después de su ingreso en la
universidad, aunque su influencia no persiste de manera independiente cuando se
consideran otras variables. Específicamente, se identificaron limitadas
oportunidades de aprendizaje digital durante la educación secundaria, mientras
que la autoeficacia informática actual era más alta que la reportada
retrospectivamente para el periodo previo al ingreso universitario. La calidad de la
conexión internet también muestra una relación positiva con la autoeficacia actual.
Otro hallazgo importante es la asociación entre el dispositivo utilizado
principalmente para estudiar y los indicadores analizados. Los estudiantes que
dependían del teléfono móvil reportaron menor autoeficacia informática y una
CoGnosis
Revista de Educación
507
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
mayor probabilidad de reportar repetición de módulos. Estas asociaciones se
mantuvieron después de incorporar las variables consideradas en los modelos
multivariables; sin embargo, debido al carácter transversal del estudio los
resultados deben entenderse como asociaciones y no como evidencia de relaciones
causales.
La puntuación media baja sugiere que las oportunidades de la muestra estudiada
para desarrollar experiencias digitales antes del ingreso a la universidad fueron
limitadas. Este análisis incluyó no solo el uso de internet, sino también las
oportunidades para practicar aplicaciones de oficina, edición de imágenes y vídeo,
software especializado y actividades guiadas. Esta operacionalización permitió
valorar la brecha digital más allá de la disponibilidad de conexión, al considerar
también las habilidades y las posibilidades de uso de la tecnología con fines
concretos (Soomro et al., 2020; van Dijk, 2020). Este planteamiento coincide con
la propuesta de DigComp 2.2, en la que estructura la competencia digital en áreas
relacionadas con la alfabetización en información y datos, comunicación, creación
de contenidos, seguridad y resolución de problemas (Vuorikari et al., 2022).
La relación entre las oportunidades previas y la autoeficacia actual indica que las
experiencias educativas antes del ingreso universitario tienen influencia en como
los estudiantes perciben su propia capacidad informática. García-Martín y García-
Sánchez (2022) plantearon que la brecha digital en contextos universitarios abarca
no solo el acceso a la tecnología, sino también al uso productivo de esta en el ámbito
académico. En Ecuador, diversos estudios han detectados diferencias en
competencias como la creación de contenido digital (Pegalajar Palomino y
Rodríguez Torres, 2023), mientras que otros estudios con muestras universitarias
indican que la competencia digital es un constructo diferenciado y
multidimensional (Mejías-Acosta et al., 2024). Los resultados del presente estudio,
por su parte, apoyan esta línea al mostrar que las oportunidades digitales previas
se vinculan de forma directa con la capacidad percibida y varios indicadores de
rendimiento académico.
En contraparte, cuando se incluye la autoeficacia retrospectiva del modelo, el
alcance de las oportunidades digitales previas disminuye. En el análisis simples,
ambas variables se asociaron con la autoeficacia actual; no óbstateme, en el modelo
ajustado las oportunidades previas ya no mostraron una relación significativa. En
contraste, la autoeficacia retrospectiva obtuvo el coeficiente más alto entre todos
los predictores. Este patrón sugiere que las experiencias digitales previas pueden
estar relacionadas con la confianza en la capacidad informática desarrollada antes
de ingresar a la universidad. De acuerdo con la teoría cognitiva social, la
experiencia de dominio es una fuente clave de autoeficacia (Bandura, 1997); y estos
estudios sobre autoeficacia informática han relacionado estas creencias con el uso
508
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
posterior de la tecnología (Afari et al., 2023; Compeau y Higgins, 1995). Aun así,
los datos disponible no permiten determinar si existe un efecto de mediación ya
que las variables fueron recogidas en un único momento y la medida
correspondiente al periodo preuniversitario fue retrospectiva.
La calidad de la conexión a Internet mantuvo una relación positiva con la
autoeficacia actual, incluso después de considerar las experiencias digitales
previas. Este resultado adquiere mayor sentido al observar el comportamiento e los
estudiantes de acuerdo con el principal dispositivo utilizado para estudiar. Los
estudiantes que usaban principalmente el teléfono móvil presentaron menores
niveles de autoeficacia en comparación con los estudiantes que utilizaban otros
dispositivos. Esta diferencia puede estar relacionada con las características de las
actividades académicas que incluyen hojas de cálculo, documentos extensos,
edición de imágenes y video y aplicaciones especializadas.
Aunque un teléfono puede utilizarse en una amplia variedad de actividades
académicas, sus posibilidades no con comparables a las de un ordenador para
estas tareas; por esto, la conectividad es solo una parte de las condiciones
necesarias para el desarrollo y cumplimiento de las actividades formativas
(Hargittai, 2002; van Dijk, 2020). Los resultados respaldan esta diferencia entre
disponer de conectividad y tener las condiciones de acceso adecuadas para el tipo
de actividad académica a realizar. En este sentido, la funcionalidad del dispositivo
actúa como puente entre las condiciones materiales del acceso y las desigualdades
de uso y competencias que caracterizan la brecha digital de segundo nivel, de modo
que la conectividad pueda traducirse en oportunidades de participación académica
sustancialmente distintas según el dispositivo disponible.
La relación entre el uso prioritario del teléfono y la repetición de módulos debe
interpretarse con cuidado, ya que el diseño del estudio no establece que el uso del
teléfono cause la repetición de módulos. En contraste, la dependencia del teléfono
podría reflejar limitaciones económicas más amplias, acceso restringido a
computadores en casa, presión de tiempo u otras desventajas no medidas. No
obstante, la asociación permaneció como valida tras considerar varias
características medidas y la dirección fue consistente tanto en los resultados de
autoeficacia como en los de repetición. Para la toma de decisiones institucionales,
el tipo de dispositivo principal es una variable útil, porque es fácil de medir y está
directamente vinculado a un recurso gestionable, el acceso a un ordenador
adecuado.
La autoeficacia actual se asoció positivamente con la satisfacción y, en menor
medida con el número de módulos completados. Este resultado coincide con
investigaciones que han vinculado la autoeficacia con la participación en contextos
de aprendizaje digital (Getenet et al., 2024). Sin embargo, ambas variables
CoGnosis
Revista de Educación
509
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
representan aspectos distintos de la experiencia académica y no constituyen por sí
mismas una medida de desempeño. Un estudiante puede sentirse competente sin
demostrar dominio en tares específicas y un estudiante satisfecho podría tener
dificultades en las mismas tareas. Por esta razón, estudios futuros podrían las
evaluaciones subjetivas con tareas prácticas y resultados reales. Los 308
participantes que autorizaron el enlace anónimo ofrecen una base para una fase
posterior donde las respuestas del cuestionario podrían evaluarse frente a
calificaciones, productos de evaluación y finalización de módulos.
El análisis no demostró diferencias ajustadas por género, procedencia rural o
situación laboral. Este resultado no supone que estos factores sean irrelevantes
para la brecha digital. Dentro de estas condiciones, las variables relacionada al
acceso tecnológico y la percepción de capacidad informática aportaron más
información que las categorías sociodemográficas. Esto reduce la utilidad de
asumir diferencias de competencia digital con base en características grupales y
respalda el uso de evaluaciones diagnósticas individuales al inicio de la formación
académica.
Los hallazgos obtenidos en esta institución permiten plantear una consideración
aplicable a contextos universitarios ecuatorianos, aunque su generalización
requiere estudios con muestras más amplias y diseños que permitan
comparaciones. Disponer de un teléfono inteligente o utilizar con frecuencia
plataformas online no garantiza que los estudiantes puedan resolver por si solos
las tareas académicas que requieren programas informáticos específicos. Esta
diferencia puede presentar mayor relevancia en planes de estudio que incluyan
análisis de datos, producción multimedia, IA generativa y software especializado,
ya que estas actividades requieren competencias que no se desarrollan mediante
el uso cotidiano de dispositivos móviles o plataformas digitales. En consecuencia,
la equidad en el acceso tecnológico requiere valorar si los estudiantes cuentan con
las condiciones y habilidades necesarias para realizar las actividades concretas que
exige su formación, no solo si disponen de conexión a internet o de algún
dispositivo digital.
4.1 Implicaciones educativas
Los resultados permiten plantear acciones institucionales orientadas a reducir
diferencias en las condiciones con las que los estudiantes afrontan las exigencias
del currículo. La primer medida consiste en aplicar un diagnóstico breve al inicio
de la formación que evalúe tanto la confianza previa en el uso de herramientas
informáticas como las oportunidades y experiencias de aprendizaje digital
desarrolladas antes del ingreso a la universidad. Esta información permitiría
identificar necesidades específicas de nivelación y orientar actividades de apoyo
durante las primeras semanas de cada módulo, de modo que las estrategias de
510
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
acompañamiento respondan a las dificultades identificadas en lugar de asumir un
nivel de competencia informática homogénea entre los estudiantes.
Como segunda medida, en los casos en que el diagnostico presente baja
autoeficacia y/o dificultades para desarrollar las actividades prácticas, sería
conveniente incorporar tutorías tempranas específicas para estos casos. En tercer
lugar, dado que la dependencia del teléfono móvil se asoció con menor autoeficacia
y mayor repetición, el acceso prioritario a laboratorios informáticos o el préstamo
institucional de ordenadores portátiles constituye una medida directamente
accionable para los estudiantes que carecen de un equipo adecuado para el trabajo
académico. En cuarto lugar, conviene revisar el diseño de las tareas y evaluaciones
de los módulos de manera que reconozcan estas desigualdades de dispositivo, por
ejemplo, previendo espacios de trabajo presencial en computador para quienes no
cuentan con uno propio, en lugar de asumir un acceso homogéneo.
Por último, es importante dar seguimiento a los estudiantes que presenten bajo
capital digital previo, baja autoeficacia y dependan del teléfono móvil, como
dispositivo principal de uso, con el propósito de identificar posibles dificultades en
el desarrollo académico y brindarles atención prioritaria. Para estos casos en
particular, la institución puede ofrecer acompañamiento regular con actividades
adicionales como tutorías específicas, clases presenciales de refuerzo o espacios de
apoyo donde puedan mejorar sus habilidades digitales.
Estas medidas no buscan reducir las exigencias académicas, sino facilitar a los
estudiantes condiciones suficientes para afrontar las tareas previstas en el
currículo. En este contexto, el diagnostico debería evaluar capacidades
relacionadas con el procesamiento de textos, presentaciones, hojas de cálculo,
creación de contenidos multimedia y el uso de aplicaciones avanzadas, de acuerdo
con las demandas de formación. DigComp 2.2 puede utilizarse como referencia útil
para ampliar progresivamente esta evaluación hacia competencias vinculadas con
la alfabetización en información y datos, la comunicación y colaboración, la
creación de contenido digital, la seguridad y la resolución de problemas (Vuorikari
et al., 2022).
4.2 Limitaciones
Los resultados deben interpretarse considerando varias limitaciones del estudio.
La primera limitación se relaciona con el procedimiento de selección de los
participantes, mismo que estuvo basado en participación voluntaria y sin un marco
de inscripción completamente enumerado para el centro. Esta condición limita la
posibilidad de generalizar los resultados y no permite estimar la cobertura de la
población estudiantil. También debe considerarse que las principales variables
fueron auto informadas. En particular, la autoeficacia correspondiente al periodo
CoGnosis
Revista de Educación
511
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
previo a la universidad fue medida retrospectivamente, por lo que puede estar
afectada por el recuerdo de los participantes. Por la misma razón, la diferencia
entre autoeficacia retrospectiva y la actual no puede interpretarse como un cambio
equivalente a una medición pretest-postest. La repetición y la finalización de
módulos también fueron declaradas por los estudiantes, dado que los registros
académicos oficiales todavía no han sido vinculados con la base utilizada en este
análisis.
Otra limitación corresponde al instrumento; el cuestionario fue construido a partir
de la experiencia del personal docente fundamentados en marcos conceptuales
establecidos y, posteriormente, revisados de manera interna. Sin embargo, no se
realizó una validación formal con expertos externos ni un estudio piloto
independiente. Aunque los resultados sobre la consistencia interna y estructura
fueron adecuados, la validez del contenido y la estabilidad de la estructura factorial
deben comprobarse en estudios futuros. Además, el diseño transversal no permite
establecer relaciones temporales o causales. El modelo logístico presentó una
buena calibración, pero mostro una capacidad de discriminación limitada y explicó
solo un pequeña porción de la viabilidad del resultado. La cantidad de datos
disponible también restringe la complejidad del modelo y el número de variables
que pueden incorporarse con falibilidad. Estas condiciones deben considerarse al
interpretar el alcance predictivo de los resultados.
Un estudio prospectivo podría evaluar a los estudiantes al inicio y al final de cada
módulo, incluir tareas de desempeño objetivo, calificaciones oficiales y registrar de
forma continua el acceso real a los dispositivos. Este enfoque permitiría determinar
con mayor precisión si los cambios en la autoeficacia coinciden con el aprendizaje
real y si el acceso al ordenador modifica las diferencias observadas. La replicación
en diferentes contextos institucionales también ayudaría a determinar si las
relaciones entre dispositivo, autoeficacia y trayectoria academia se mantienen en
entornos de educación superior ecuatorianos y latinoamericanos.
5. CONCLUSIONES: MIRADA HACIA EL FUTURO
Los resultados indican que la desigualdad digital entre los estudiantes
universitarios no se explica únicamente por la falta de acceso a Internet. En el
estudio, las experiencias digitales previas estuvieron relacionadas con la
autoeficacia percibida de los estudiantes, aunque esta relación dejó de ser
significativa al incorporar la autoeficacia retrospectiva y las condiciones
tecnológicas actuales. La calidad de la conexión a Internet mantuvo una relación
positiva con la autoeficacia actual, mientras que el uso predominante del teléfono
móvil se asoció con menores niveles de autoeficacia y mayor probabilidad de
repetición de módulos.
512
e-ISNN 2588 – 0578 Vol. XI, Núm. 4: octubre-diciembre, año 2026
La diferencia observada entre la autoeficacia retrospectiva y la actual no debe
interpretarse como evidencia de un efecto de la formación, debido al carácter
transversal y retrospectivo del estudio. No obstante, Los hallazgos respaldan la
conveniencia de identificar tempranamente las necesidades digitales de los
estudiantes y proporcionar apoyos diferenciados como nivelación, tutorías y acceso
institucional a ordenadores cuando las exigencias académicas superen las
posibilidades funcionales de los dispositivos disponibles.
En consecuencia, la brecha digital universitaria no termina cuando el estudiante
logra conectarse; persiste cuando las oportunidades previas, las competencias y
las condiciones funcionales de acceso no le permiten participar académicamente
en condiciones equivalentes.
6. DECLARACIÓN DE CONFLICTO DE INTERESES
Las autoras declaran que no existen conflictos de intereses en relación con
este artículo. No han recibido financiamiento ni apoyo de ninguna
organización o entidad que pudiera influir en el contenido del trabajo
7. CONTRIBUCIÓN DE LOS AUTORES
Autora 1
Conceptualización, Análisis formal, Investigación, Metodología,
Recursos, Redacción, Software, Supervisión, Validación,
Redacción – borrador original.
Autora 2
Investigación, Metodología, Administración del proyecto,
Análisis formal, Validación, Visualización, Redacción – borrador
original –, Redacción – revisión y edición.
Uso de la IA generativa en la preparación de manuscritos
La IA generativa se utilizó para ayudar con la traducción al inglés, portugués y el
refinamiento editorial durante la preparación del manuscrito. Las autoras
revisaron y verificaron el contenido científico, los resultados estadísticos, las
referencias, la interpretación y la redacción final y asume toda la responsabilidad
sobre el manuscrito.
8. REFERENCIAS BIBLIOGRÁFICAS
Afari, E., Eksail, F. A. A., Khine, M. S., y Alaam, S. A. (2023). Computer self-efficacy and ICT
integration in education: Structural relationship and mediating effects. Education and
Information Technologies, 28(9), 12021–12037. https://doi.org/10.1007/s10639-023-
11679-8
Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
CoGnosis
Revista de Educación
513
Oportunidades digitales previas, autoeficacia y brecha de segundo nivel en la educación
superior ecuatoriana
Mayra Alexandra Dávila Muñoz, Wendy Litanep Menéndez Pinargote
Comisión Económica para América Latina y el Caribe. (2025). Educación y desarrollo de
competencias digitales en América Latina y el Caribe. CEPAL.
https://www.cepal.org/en/publications/81378-education-and-development-digital-
competences-latin-america-and-caribbean
Compeau, D. R., y Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and
initial test. MIS Quarterly, 19(2), 189–211. https://doi.org/10.2307/249688
García-Martín, J., y García-Sánchez, J. N. (2022). The digital divide of know-how and use of digital
technologies in higher education: The case of a college in Latin America in the COVID-19
era. International Journal of Environmental Research and Public Health, 19(6), 3358.
https://doi.org/10.3390/ijerph19063358
Getenet, S., Cantle, R., Redmond, P., y Albion, P. (2024). Students' digital technology attitude,
literacy and self-efficacy and their effect on online learning engagement. International
Journal of Educational Technology in Higher Education, 21, 3.
https://doi.org/10.1186/s41239-023-00437-y
Gómez-Apaza, R. D., Levano-Rodriguez, D., Huanca-Galindo, M., y Casildo-Bedon, N. E. (2025).
Self-efficacy and academic commitment as predictors of digital skills in Peruvian university
students. Journal of Technology and Science Education, 15(2), 516–528.
https://doi.org/10.3926/jotse.3193
Hargittai, E. (2002). Second-level digital divide: Differences in people's online skills. First Monday,
7(4). https://doi.org/10.5210/fm.v7i4.942
Mejías-Acosta, A., D'Armas Regnault, M., Vargas-Cano, E., Cárdenas-Cobo, J., y Vidal-Silva, C.
(2024). Assessment of digital competencies in higher education students: Development and
validation of a measurement scale. Frontiers in Education, 9, 1497376.
https://doi.org/10.3389/feduc.2024.1497376
Napoli, P. M., y Obar, J. A. (2014). The emerging mobile Internet underclass: A critique of mobile
Internet access. The Information Society, 30(5), 323–334.
https://doi.org/10.1080/01972243.2014.944726
Pegalajar Palomino, M. C., y Rodríguez Torres, Á. F. (2023). Digital literacy in university students
of education degrees in Ecuador. Frontiers in Education, 8, 1299059.
https://doi.org/10.3389/feduc.2023.1299059
Soomro, K. A., Kale, U., Curtis, R., Akcaoglu, M., y Bernstein, M. (2020). Digital divide among higher
education faculty. International Journal of Educational Technology in Higher Education, 17,
21. https://doi.org/10.1186/s41239-020-00191-5
UNESCO. (2023). Global education monitoring report 2023: Technology in education — A tool on
whose terms? UNESCO.
Van Deursen, A. J. A. M., y van Dijk, J. A. G. M. (2019). The first-level digital divide shifts from
inequalities in physical access to inequalities in material access. New Media y Society, 21(2),
354–375. https://doi.org/10.1177/1461444818797082
Van Dijk, J. A. G. M. (2020). The digital divide. Polity Press.
Vuorikari, R., Kluzer, S., y Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for
Citizens — with new examples of knowledge, skills and attitudes. Publications Office of the
European Union. https://doi.org/10.2760/115376