INTRODUCCIÓN

La integración efectiva de herramientas digitales en sistemas educativos constituye uno de los desafíos más apremiantes del siglo XXI, especialmente en contextos donde las desigualdades socioeconómicas condicionan el acceso y uso de tecnologías de la información y comunicación. Agasisti et al. (2023), analizando datos de PISA 2018 en 2.757 escuelas latinoamericanas, encontraron que la disponibilidad de recursos tecnológicos se asocia significativamente con la eficiencia escolar, aunque con una ineficiencia promedio del 25% que revela la complejidad de traducir inversión tecnológica en mejoras educativas.

Paradójicamente, mientras la inversión global en tecnología educativa se ha incrementado exponencialmente, los resultados en aprendizaje estudiantil no siempre reflejan esta tendencia. Vargas et al. (2023), analizando 236.540 estudiantes de 44 países, identificaron una relación negativa entre el uso intensivo de TIC y el rendimiento académico, especialmente pronunciada en países en desarrollo. Esta evidencia contrarresta expectativas optimistas y advierte sobre replicar intervenciones sin adaptaciones contextualmente informadas.

No obstante, investigaciones específicas revelan efectos positivos cuando las tecnologías se implementan con enfoques pedagógicamente fundamentados. Dahl et al. (2024) demostraron en un meta-análisis de 53 estudios un efecto positivo pequeño pero significativo de la instrucción mediada por tecnología (g=0.24, p<.001), con ganancias notables en conciencia fonológica (g=0.31) y decodificación (g=0.29), aunque más modestas en comprensión lectora (g=0.12). Estos hallazgos subrayan la importancia de examinar diferencias por nivel educativo.

Las revisiones sistemáticas contemporáneas evidencian lagunas significativas en la investigación sobre competencia digital docente en contextos latinoamericanos. Fernández et al. (2024), en una revisión PRISMA de 56 artículos, identificaron predominio conceptual de “competencia digital” (50% de estudios), pero escasez notable de investigaciones en América Latina, donde países como Perú contribuyen marginalmente a la base de evidencia global.

Los enfoques teóricos sobre digitalización educativa en América Latina han evolucionado desde perspectivas centradas en el acceso hacia marcos que priorizan la apropiación significativa. Plaza et al. (2024) argumentan que las políticas educativas latinoamericanas deben trascender la dotación de equipos, enfocándose en estrategias “bottom-up” que consideren factores socioculturales y pedagógicos diferenciados según nivel educativo.

La investigación emergente sobre confianza docente hacia tecnologías avanzadas revela patrones culturales que podrían influir en la implementación diferenciada. Viberg et al. (2024), encuestando 508 docentes K-12 en seis países, encontraron que la autoeficacia y comprensión tecnológica predicen percepciones más positivas, con modelos explicando 49-58% de la varianza en confianza tecnológica según características contextuales.

En el contexto específico del Sur Global, Cueto et al. (2023) identifican brechas críticas, señalando que 53% de niños de 10 años en países de ingresos medios no comprenden oraciones simples, problemática exacerbada por tecnologías inadecuadamente contextualizadas. Su análisis del caso peruano revela que políticas nacionales frecuentemente ignoran disparidades urbano-rurales y diferencias entre niveles educativos.

A partir de esta revisión emerge un vacío significativo en la comprensión de cómo los factores predictivos de integración tecnológica exitosa operan diferenciadamente entre educación secundaria y universitaria en contextos latinoamericanos. La educación secundaria, caracterizada por mayor dependencia institucional y directividad docente, podría priorizar factores infraestructurales, mientras que la universitaria, con expectativas de mayor autonomía estudiantil y sofisticación pedagógica, podría depender más de la calidad de capacitación docente.

Por consiguiente, el presente estudio analiza y compara los factores asociados a la integración efectiva de herramientas digitales entre estudiantes de educación secundaria y universitarios del sistema público peruano, identificando predictores diferenciados de percepción de eficacia pedagógica tecnológica según nivel educativo, examinando el rol de competencia digital autopercibida, acceso a infraestructura institucional y calidad de capacitación docente en cada contexto.

METODO

Se implementó un diseño cuantitativo, no experimental, de corte transversal para examinar diferencias en integración de tecnología educativa entre estudiantes de educación básica regular secundaria y educación universitaria en el sistema público peruano.

La población objetivo comprendió estudiantes matriculados en instituciones públicas durante 2023-2024. Se implementó muestreo probabilístico estratificado por nivel educativo, considerando distribución geográfica en Lima, Arequipa, Cusco y Piura, representando aproximadamente 60% de la matrícula pública nacional. Los criterios de inclusión establecieron participación de estudiantes matriculados en instituciones públicas con al menos un año de experiencia en plataformas digitales educativas, edad mínima de 14 años para secundaria y 17 para universidad, y acceso regular a dispositivos tecnológicos. Los criterios de exclusión eliminaron estudiantes de programas completamente a distancia, aquellos con menos de seis meses de experiencia tecnológica educativa, y participantes con dificultades cognitivas.

La muestra final quedó constituida por 452 estudiantes: 268 de educación básica regular secundaria (59.3%) y 184 universitarios (40.7%). Esta distribución proporciona potencia estadística adecuada para detectar diferencias medianas entre grupos (d de Cohen ≥0.4) con confianza del 95% y potencia del 80%. La edad promedio de participantes de secundaria fue 15.2 años (DE=1.1), mientras universitarios presentaron edad promedio de 21.5 años (DE=2.3). La distribución por género resultó equilibrada: 48.2% masculinos y 51.8% femeninos, sin diferencias significativas entre niveles (χ² (1) =0.03, p=.862).

El instrumento de recolección consistió en un cuestionario estructurado desarrollado a partir de escalas validadas internacionalmente y adaptado al contexto peruano. Siguiendo recomendaciones de Ergül y Taşar (2023) y Tzafilkou et al. (2023), el cuestionario final comprendió 53 ítems organizados en cinco dimensiones: Competencia Digital Percibida (12 ítems, Likert 1-5), Frecuencia de Uso Tecnológico (8 ítems, frecuencia 1-5), Percepción de Eficacia Pedagógica (10 ítems, Likert 1-5), Acceso a Infraestructura Percibido (5 ítems, Likert 1-5), y Calidad de Capacitación Docente Percibida (6 ítems, Likert 1-5). Adicionalmente se recolectaron variables sociodemográficas incluyendo edad, género, tipo de acceso principal a internet y región de procedencia.

La validación psicométrica siguió estándares establecidos por Cabero et al. (2023). Se condujo Análisis Factorial Confirmatorio corroborando estructura de cinco factores con índices de ajuste adecuados: CFI=0.96, TLI=0.95, RMSEA=0.055 (IC 90%: 0.048-0.062), SRMR=0.068. La fiabilidad interna resultó satisfactoria: Competencia Digital (α=0.92, ω=0.93), Frecuencia de Uso (α=0.88, ω=0.89), Eficacia Pedagógica (α=0.91, ω=0.92), Acceso a Infraestructura (α=0.87, ω=0.88), y Calidad Capacitación Docente (α=0.89, ω=0.90). La fiabilidad compuesta global alcanzó α=0.891.

El procedimiento de recolección se implementó durante octubre-diciembre 2023, mediante administración presencial en instituciones participantes. Se obtuvo autorización de autoridades educativas y consentimiento informado de participantes, garantizando confidencialidad y anonimato. Los cuestionarios se aplicaron en sesiones grupales de 45 minutos aproximadamente. La tasa de respuesta fue 89.4% en secundarias y 92.1% en universidades, resultando en tasa global de 90.6%.

El análisis estadístico utilizó SPSS versión 28.0, aplicando enfoque secuencial que examinó diferencias grupales y predictores específicos por nivel educativo. Se calcularon estadísticas descriptivas, se utilizaron pruebas t de Student para muestras independientes en variables continúas verificando supuestos de normalidad mediante Kolmogorov-Smirnov y Shapiro-Wilk, y homogeneidad de varianzas con test de Levene. Para variables categóricas se aplicó Chi-cuadrado. Se exploraron relaciones bivariadas mediante correlaciones de Pearson.

Para identificar predictores diferenciados de percepción de eficacia pedagógica según nivel educativo, se construyeron dos modelos de regresión lineal múltiple. Se verificaron supuestos estadísticos: normalidad de residuos, linealidad, independencia de residuos con Durbin-Watson, multicolinealidad mediante VIF<5.0, y homocedasticidad con test de Breusch-Pagan. Los modelos incluyeron como predictor competencia digital percibida, acceso a infraestructura y calidad de capacitación docente, controlando por género y edad. Se utilizó método de introducción simultánea reportando coeficientes estandarizados beta, errores estándar, estadísticos t, valores p e intervalos de confianza del 95%. La significancia estadística se estableció en α=0.05.

RESULTADOS Y DISCUSIÓN

Características sociodemográficas de la muestra: La muestra de 452 estudiantes mostró características distintivas según nivel educativo. Los estudiantes de educación básica presentaron edad promedio significativamente menor (15.2±1.1 años) comparado con universitarios (21.5±2.3 años), confirmando diferencia etaria esperada (t (450) =-34.5, p<.001). La distribución por género resultó equilibrada entre grupos sin diferencias significativas (χ² (1) =0.03, p=.862).

Tabla 1. Características sociodemográficas de la muestra (N=452) 

Respecto al acceso principal a internet, se identificaron diferencias significativas (χ² (2) =13.9, p=.001). Los universitarios reportaron mayor acceso a internet fijo en el hogar (84.2%) comparado con secundaria (69.0%), mientras estudiantes de educación básica mostraron mayor dependencia de datos móviles (27.2% versus 13.6%).

Estadísticos descriptivos y comparaciones entre grupos: El análisis de variables principales reveló diferencias sustanciales entre niveles educativos. La Tabla 2 presenta estadísticos descriptivos y resultados de pruebas t para muestras independientes, evidenciando patrones consistentes de mayor puntuación en el grupo universitario.

Tabla 2. Estadísticos descriptivos y comparación de medias de las variables principales (escala 1-5) 

Los hallazgos más notables se observaron en Percepción de Eficacia Pedagógica, donde universitarios reportaron puntuaciones sustancialmente superiores (M=3.95, DE=0.81) comparado con secundaria (M=2.98, DE=1.10), generando un tamaño del efecto grande (d=1.01). La Competencia Digital Percibida mostró diferencias considerables, con universitarios puntuando más alto (M=3.82, DE=0.75) que estudiantes de educación básica (M=3.15, DE=1.02), resultando en efecto mediano-grande (d=0.75).

Análisis de correlaciones: La exploración de relaciones bivariadas reveló patrones de asociación consistentes y estadísticamente significativos. La Tabla 3 presenta la matriz completa de correlaciones de Pearson evidenciando interrelaciones moderadas a fuertes entre dimensiones evaluadas.

Tabla 3. Matriz de correlaciones de Pearson entre las variables del estudio (N=452) 

Nota. **p<.01 (bilateral)

Las correlaciones más fuertes se identificaron entre Competencia Digital y Percepción de Eficacia Pedagógica (r=.61, p<.001), sugiriendo que estudiantes con mayor autopercepción de habilidades tecnológicas valoran más positivamente el impacto pedagógico de herramientas digitales. La Competencia Digital mostró asociaciones significativas con Calidad de Capacitación Docente Percibida (r=.55, p<.001) y Frecuencia de Uso Tecnológico (r=.52, p<.001).

Análisis predictivo diferenciado por nivel educativo: Los modelos de regresión lineal múltiple revelaron patrones predictivos claramente diferenciados entre niveles educativos. Para educación básica regular, el modelo resultó estadísticamente significativo (F (3,264) =35.8, p<.001) y explicó 30% de la varianza total en percepción de eficacia pedagógica (R² ajustado=.28).

Tabla 4. Regresión lineal múltiple para predecir percepción de eficacia pedagógica - Estudiantes de Secundaria (n=268) 

Nota. Ajuste del modelo: R²=.30; R² ajustado=.28; F (3,264) =35.8, p<.001

En educación secundaria, el Acceso a Infraestructura emergió como predictor más potente (β=0.45, p<.001), seguido por Competencia Digital Percibida (β=0.21, p=.003) y Calidad de Capacitación Docente (β=0.16, p=.036).

Contrastando notablemente, el modelo para estudiantes universitarios exhibió mayor capacidad explicativa (R²=.35, R² ajustado=.33) y significancia estadística robusta (F (3,180) =32.1, p<.001), pero con jerarquía de predictores sustancialmente diferente.

Tabla 5. Regresión lineal múltiple para predecir percepción de eficacia pedagógica - Estudiantes Universitarios (n=184) 

Nota. Ajuste del modelo: R²=.35; R² ajustado=.33; F (3,180) =32.1, p<.001

Para estudiantes universitarios, la Calidad de Capacitación Docente Percibida constituyó el predictor más fuerte (β=0.38, p<.001), seguido por Competencia Digital Percibida (β=0.26, p=.002) y Acceso a Infraestructura (β=0.17, p=.033). Esta inversión en la jerarquía predictiva sugiere que en el contexto universitario la calidad de preparación pedagógica docente se convierte en el factor más crítico para determinar la percepción estudiantil sobre eficacia pedagógica tecnológica.

Herramientas tecnológicas y barreras percibidas: El análisis de herramientas digitales más frecuentemente utilizadas y barreras percibidas reveló patrones diferenciados complementando hallazgos predictivos. Los estudiantes de secundaria mostraron preferencia por herramientas de comunicación general (WhatsApp, 92%) y plataformas educativas básicas (Google Classroom, 75%), mientras universitarios utilizaron predominantemente sistemas de gestión de aprendizaje especializados (LMS, 88%) y recursos académicos avanzados (bases de datos, 72%).

Las barreras percibidas reflejaron esta diferencia: estudiantes de secundaria identificaron limitaciones principalmente infraestructurales (conectividad inestable, 65%; falta de dispositivos, 58%), mientras universitarios enfatizaron desafíos pedagógicos y organizacionales (falta de capacitación docente, 55%; sobrecarga de plataformas, 48%). Estos resultados corroboran empíricamente los hallazgos predictivos, confirmando que la brecha digital pedagógica se manifiesta tanto en los factores determinantes de eficacia percibida como en las barreras específicas experimentadas por cada grupo.

Discusión

Los hallazgos revelan la existencia de una brecha digital pedagógica significativa entre educación secundaria y universitaria pública en Perú, caracterizada por predictores fundamentalmente distintos de percepción de eficacia pedagógica tecnológica. Estos resultados desafían enfoques unidimensionales predominantes en políticas educativas digitales y proporcionan evidencia empírica robusta para el diseño de intervenciones diferenciadas según nivel educativo.

El hallazgo más significativo consiste en la inversión de la jerarquía predictiva entre niveles: mientras el acceso a infraestructura constituye el factor más determinante para estudiantes de secundaria (β=0.45, p<.001), la calidad de capacitación docente percibida emerge como predictor más potente en contexto universitario (β=0.38, p<.001). Esta diferenciación encuentra respaldo teórico en planteamientos de Plaza et al. (2024), quienes argumentan que la apropiación significativa de tecnologías educativas trasciende el mero acceso, requiriendo enfoques pedagógicos contextualizados según especificidades de cada nivel educativo.

La evidencia sugiere que, en educación secundaria, donde la dependencia institucional es mayor y la autonomía estudiantil más limitada, las barreras infraestructurales constituyen el obstáculo primario para integración tecnológica efectiva. Contrastando, en contexto universitario, donde presumiblemente existe mayor acceso básico a infraestructura tecnológica, la calidad de preparación pedagógica docente se convierte en factor más crítico.

Este patrón se alinea con hallazgos de Jiménez et al. (2024) en su diagnóstico TPACK con docentes de primaria en el Caribe colombiano, reportando puntuaciones altas en conocimiento de contenido y pedagogía (CK=4.25; PCK=4.13), pero niveles intermedios en integración tecnológico-pedagógica (TPACK≈3.25-3.63). La comparación sugiere que nuestros hallazgos en educación universitaria peruana reflejan una problemática regional más amplia donde la formación pedagógica en tecnología educativa requiere fortalecimiento específico para nivel superior.

Los resultados sobre competencia digital percibida revelan diferencias sustanciales entre niveles (d=0.75), favoreciendo consistentemente a estudiantes universitarios. Esta diferencia encuentra eco en hallazgos de Suzer y Koc (2024), quienes evaluaron 368 docentes turcos identificando nivel medio “integrator” (B1) con distribución de 33% en este nivel y apenas 10% en niveles avanzados (C1-C2). Su identificación de diferencias por género, formación postgrado y correlación con número de dispositivos (r=.46) sugiere que factores contextuales similares podrían operar en contexto peruano.

La evidencia sobre brechas digitales urbano-rurales proporciona contexto adicional para interpretar nuestros hallazgos diferenciados. Zhao (2024) examinó 622 docentes chinos encontrando diferencias sistemáticas significativas favoreciendo entornos urbanos en todas las subdimensiones de competencia digital (p=0.000). Aunque nuestro estudio no estratificó geográficamente, la mayor competencia digital universitaria podría reflejar parcialmente el sesgo urbano típico de universidades públicas peruanas.

Desde perspectiva teórica más amplia, los modelos de adopción tecnológica educativa proporcionan marcos explicativos para nuestros hallazgos diferenciados. Guillén et al. (2024) aplicaron el modelo UTAUT mediante PLS-SEM higher-order, encontrando que intención de uso predice competencia digital (β=0.48) con determinantes diferenciados: expectativa de rendimiento (β=0.34), facilidad de uso (β=0.23) e influencia social (β=0.20), explicando 43% de la varianza en intención y 23% en competencia digital. Comparando con nuestros modelos, donde explicamos 28% (secundaria) y 33% (universidad) de la varianza en eficacia percibida, la convergencia sugiere que factores contextuales específicos median la adopción tecnológica de maneras predecibles pero diferenciadas según nivel educativo.

Los estudios comparativos internacionales sobre competencias digitales en educación superior proporcionan perspectiva adicional. Martín et al. (2023) compararon docentes universitarios españoles y peruanos usando DigCompEdu, reportando medias de 2.01 (DE=0.84) en España versus 2.59 (DE=0.67) en Perú, contrastando con nuestra percepción estudiantil de eficacia más alta (M=3.95, DE=0.81). Esta discrepancia podría reflejar diferencias entre autopercepción docente y evaluación estudiantil, sugiriendo que brechas entre capacidades reales y percibidas requieren investigación adicional.

La investigación sobre brechas de competencias digitales entre formación inicial y ejercicio profesional docente ofrece perspectivas relevantes. Momdjian et al. (2024) compararon estudiantes de pedagogía libaneses con docentes en ejercicio encontrando competencias superiores en docentes activos (M=79.800, DE=14.290) versus estudiantes (M=71.539, DE=16.350), con brechas particulares en recursos digitales. Paralelizando nuestros hallazgos, donde capacitación docente predice más fuertemente en universidad (β=0.38) que secundaria (β=0.16), la evidencia sugiere que experiencia pedagógica práctica potencia efectividad tecnológica diferenciadamente según nivel educativo.

Las implicaciones teóricas de estos hallazgos convergen hacia un modelo contextual de integración tecnológica educativa, donde predictores diferenciados según nivel educativo reflejan no solo diferencias en recursos o capacidades, sino ecosistemas pedagógicos fundamentalmente distintos que requieren enfoques de política pública igualmente diferenciados y contextualmente informados.

CONCLUSIÓN

Este estudio demuestra empíricamente la existencia de una “brecha digital pedagógica” entre los niveles de educación secundaria y universitaria en el sistema público peruano, caracterizada por predictores diferenciados de percepción de eficacia pedagógica tecnológica. Los hallazgos revelan que mientras el acceso a infraestructura tecnológica constituye el factor más determinante para estudiantes de secundaria (β=0.45, p<.001), la calidad de la capacitación pedagógica docente emerge como el predictor más potente en el contexto universitario (β=0.38, p<.001).

Estos resultados tienen implicaciones significativas para el diseño de políticas educativas digitales diferenciadas. En el nivel secundario, donde la dependencia institucional es mayor y la autonomía estudiantil más limitada, las inversiones en infraestructura tecnológica (dispositivos, conectividad, laboratorios) constituyen la intervención más efectiva para mejorar la integración tecnológica. Contrariamente, en educación universitaria, donde existe presumiblemente mayor acceso básico a infraestructura, el desarrollo de capacidades pedagógicas avanzadas en el profesorado representa la palanca más efectiva para optimizar el impacto educativo de las tecnologías.

El estudio identifica limitaciones importantes que deben considerarse en la interpretación de resultados. Primero, el diseño transversal impide establecer relaciones causales definitivas entre predictores y percepción de eficacia pedagógica. Segundo, la muestra se concentró en cuatro regiones del país, limitando la generalización a contextos rurales y regiones amazónicas. Tercero, las medidas se basaron en autopercepción estudiantil, lo que podría introducir sesgos de deseabilidad social. Finalmente, el estudio no examinó el impacto real en resultados de aprendizaje, enfocándose únicamente en percepciones de eficacia.

Las implicaciones prácticas para la política pública educativa son claras: superar la brecha digital en educación pública peruana requiere estrategias duales y contextualizadas. Mientras que la dotación infraestructural es la palanca principal en el nivel secundario, el desarrollo de capacidades pedagógicas docentes constituye el catalizador del éxito en el nivel universitario. Ignorar estas diferencias conduce a políticas ineficaces que perpetúan la desigualdad en lugar de mitigarla.

Para futuras investigaciones, se recomienda: (1) estudios longitudinales que examinen la evolución de la integración tecnológica a lo largo del tiempo; (2) investigación experimental que evalúe intervenciones diferenciadas por nivel educativo; (3) análisis del impacto real en resultados de aprendizaje más allá de las percepciones; (4) estudios comparativos que incluyan el sector educativo privado; y (5) investigación cualitativa que profundice en los mecanismos subyacentes a los predictores identificados.

En conclusión, este estudio contribuye significativamente a la comprensión de la brecha digital educativa en América Latina, proporcionando evidencia empírica robusta para el diseño de políticas públicas diferenciadas que reconozcan las especificidades pedagógicas y contextuales de cada nivel educativo. La adopción de enfoques diferenciados constituye no solo una recomendación metodológica, sino un imperativo ético para garantizar equidad y efectividad en la transformación digital de la educación pública peruana.