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 

80   

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