1. Introducción

En la actualidad a nivel mundial nos vemos expuestos al Covid-19, enfermedad infecciosa causada por coronavirus y caracterizada por la Organización Mundial de la salud como una pandemia y emergencia de salud pública de preocupación internacional afectando a miles de personas de múltiples países (^{OMS, 2020}), tras lo cual urgentemente se han debido implementar medidas sanitarias para frenar la curva de contagios y disminuir la morbimortalidad.

Estas medidas han frenado el desarrollo socio productivo impactando significativamente. En el caso de los estudiantes el efecto inmediato ha sido el cese temporal de las actividades presenciales, poniendo en riesgo la continuidad de sus procesos de enseñanza-aprendizaje (^{IESALC, 2020}). Frente a esta nueva realidad, se ha tenido que avanzar apresuradamente desde la enseñanza presencial a la virtualización a través de plataformas digitales donde las tecnologías de información y comunicación (TIC) adquieren una gran relevancia para la continuidad educativa.

De la noche a la mañana hemos entrado en una nueva era de aprendizaje, incorporándose un conjunto de estrategias educativas innovadoras entre las que cuentan sistemas de gestión de aprendizaje digital, sistemas diseñados para usar en teléfonos móviles básicos, plataformas masivas de cursos en línea abiertos (^{Equipo de seguimiento de la educación en el mundo, 2020}).

Las instituciones de educación superior que debieron suspender actividades presenciales, asumieron que, al dar paso a la modalidad virtual, surgirían muchos riesgos relativos a la brecha digital, debido a que un gran número de estudiantes no cuentan en sus hogares con la calidad de equipamiento, de recursos bibliográficos o de conectividad necesarias para el nuevo entorno tecnologizado (^{IESALC, 2020}).

Las bibliotecas académicas han cobrado roles protagónicos en la disposición de accesos para los recursos de búsqueda y recuperación de información para la comunidad universitaria (^{Arroyo-Vázquez, y Gómez-Hernández, 2020}), entre los que se cuentan: bases de datos documentales, referenciales, de imágenes y multimedia, productos que mejoran la recuperación de información e introducen una dinámica de análisis de los artículos científicos (^{Vuotto, Di Césare & Pallotta, 2020}), metabuscadores, libros electrónicos, digitalizados y tecnologías de apoyo a la investigación, como es el caso de gestores bibliográficos y herramientas bibliométricas, entre otras.

El proceso de modernización de actividades y servicios, así como de democratización del acceso a la información, son desafíos a los cuales bibliotecas y bibliotecólogos han debido adaptarse desde el inicio de la Sociedad de la Información y el Conocimiento, mucho más en este contexto producto de la pandemia (^{Grujic, 2021}). Ya que operan en entornos de enseñanza-aprendizaje, donde los conocimientos se utilizan, generan y transmiten con mayor intensidad, viéndose enfrentados a una enorme responsabilidad, dada la demanda de atención de necesidades de búsqueda y recuperación de información por parte de estudiantes y docentes que confían en el acceso a los servicios que presta biblioteca para mantener continuidad de su formación académica (^{Nureña, 2019}). Sin embargo, en el complejo escenario que nos ofrece la pandemia, una de las grandes barreras es la necesidad de alfabetización informacional (information literacy) en los estudiantes, y esto lo ratifican diversos estudios realizados a estudiantes universidades en distintos continentes en tiempos de pandemia (^{Fredy, Ary & Mantara, 2020}; ^{Gu & Feng, 2021}; ^{Hernández-Romero, 2021}). De donde surge el peligro de inequidad y desigualdad en la educación digital (^{Cotino, 2020}), lo cual se acentúa en tiempos de Covid-19, más aún en carreras del área de la salud, donde la revisión de evidencia documentada es parte de su filosofía de trabajo (^{CNA, 2014}).

La alfabetización o adquisición de conocimientos básicos sobre información y TIC, es señalado como uno de los tipos de aprendizaje que se necesitan en el siglo XXI, siendo un componente esencial del pensamiento crítico (^{Scott, 2015}). La alfabetización informacional, expresada a través de habilidades informacionales y entrenamiento en TIC, se identifica como influyente del uso de recursos de búsqueda y recuperación de información en el estudiante universitario (^{Salazar & Ramírez, 2014}; ^{Salazar et al., 2019}) tornándose una condición facilitadora para modificar el comportamiento de uso de estas TIC en los estudiantes. En este ámbito, Venkatesh, Morris, Davis & Davis (²⁰⁰³) propusieron un modelo para explicar el comportamiento de uso de una TIC denominada Teoría Unificada de la Aceptación Tecnológica (UTAUT), que propone que la intención de uso de la tecnología (IC) es influenciado por la Expectativa de Rendimiento (ER), la Expectativa de Esfuerzo (EE), y la Influencia Social (IS), de igual manera, el Comportamiento de Uso de la tecnología (CU) es influenciado por la IC y las condiciones facilitadoras (CF). La definición conceptual de estas variables, su n° de indicadores y su forma de medición en el instrumento puede visualizarse en la matriz de operacionalización de variables (Tabla 1).

El UTAUT, con base en el Modelo de Aceptación Tecnológica o TAM (^{Davis, 1989}), tiene un respaldo de casi 20 años, donde ha sido exitosamente probado en distintos contextos. En este estudio se propone como modelo de investigación, una adaptación del UTAUT para medir el comportamiento de uso de los recursos de búsqueda y recuperación de información en el estudiante universitario.

Uno de los hallazgos del estudio que propone el modelo UTAUT (^{Venkatesh et al., 2003}), fue que la variable influencia social es relevante solo en ambientes donde el uso de la tecnología es obligatorio y solo cobra significatividad en ambientes donde el uso de la TIC es libre. Fundamentados en esto y dada la libertad en el uso de las bases de datos científicas por parte de los estudiantes, se ha suprimido la variable IS. Además, considerando la evidencia (^{Salazar & Ramírez, 2014}; ^{Salazar, Paredes, Obando & Ourcilleon, 2019}), se ha definido como CF a la alfabetización informacional, expresada a través de las Habilidades Informacionales (HI), y el Entrenamiento en TIC (ETIC), ambas definidas conceptualmente en la Tabla 1.

La ausencia de estas habilidades es reconocida en la literatura como una de las principales herramientas para el uso de bases de datos científicas (^{Svensson, Wilk & Gustafsson, 2022}). Estos antecedentes, permiten establecer la siguiente pregunta de investigación: ¿Cuáles son los factores que influyen en el comportamiento de uso de los recursos de búsqueda y recuperación de información en el proceso de enseñanza-aprendizaje de los estudiantes universitarios chilenos?

A partir de esta pregunta se levanta el objetivo general del estudio, centrado en analizar los factores que influyen en el comportamiento de uso de los recursos de búsqueda y recuperación de información en el proceso de enseñanza-aprendizaje, por parte de los estudiantes universitarios a nivel nacional de una IES de Chile. Dado este propósito, se consideran como objetivos específicos:

1) Determinar si las variables del UTAUT: EE- ER e IC, influyen en el comportamiento de uso de recursos de búsqueda y recuperación de información en el proceso de enseñanza-aprendizaje, por parte de los estudiantes universitarios

2) Determinar si las variables de condición facilitadora del UTAUT expresada en este estudio como HI y ETIC, influyen en el comportamiento de uso de recursos de búsqueda y recuperación de información en el proceso de enseñanza-aprendizaje, por parte de los estudiantes universitarios. Junto con esto, y basados en la literatura ya enunciada, se proponen las siguientes hipótesis (^{Hernández Sampieri, Fernández & Baptista, 2014}):

2. Metodología

La investigación se establece en un enfoque cuantitativo, de diseño no experimental, con alcance descriptivo, correlacional, y de corte transversal (^{Hernández et al., 2014}). El estudio se realizó entre 2020 y 2021. La población está compuesta por estudiantes de una Universidad privada de Chile que usan recursos de búsqueda y recuperación de información científica en el proceso de enseñanza-aprendizaje. La muestra es estratificada y probabilística, con muestreo al azar, garantizando representatividad de la población, correspondiente a un n de 320 estudiantes, distribuidos en todas las sedes a nivel nacional de una Universidad privada de Chile, ubicadas en las regiones: Metropolitana, VIII región del Bio-Bio, X región de los Lagos y XIV región de Los Ríos.

El diseño del estudio incorporó un modelo de investigación (ver Figura 1) basado en el UTAUT (^{Venkatesh et al., 2003}), expresado en un instrumento estructurado en una encuesta que incorpora los siguientes constructos como factores que influyen en la variable Comportamiento de Uso (CU): las variables Intención de Comportamiento (IC), expectativa de Rendimiento (ER) y Expectativa de Esfuerzo (EE). El instrumento adicionalmente incorpora las Condiciones Facilitadoras (CF), expresadas a través la variable Habilidades Informacionales (HI) y la variable Entrenamiento en TIC (ETIC). Cabe recordar que ambas variables en su conjunto representan la alfabetización informacional.

El análisis de los datos consideró toda la muestra y se segmentó en dos etapas. La primera consideró la utilización de tablas dinámicas de Excel para tratar el objetivo 1. Los objetivos 2 y 3 e hipótesis H₀, Ha₁ y Ha₂, fueron procesados en el Software Smart PLS versión 3.2.8 (^{Ringle, Wende & Becker, 2015}) basados en la metodología de ecuaciones estructurales formulado por Ramírez, Melo & Salazar (²⁰¹⁴), en el cual la Fase 1 describe el modelo de investigación a través del diseño del nomograma (ver Figura 2), en el que se establecen las relaciones de todos los indicadores con sus respectivas variables (factores) de estudio, también denominadas como Variables Latentes (VL) y la relación entre todas las VL.

En este punto se define que una variable es refleja si sus indicadores son manifestaciones del constructo que representan, y formativa si el constructo es expresado como una manifestación de sus indicadores (^{Ramirez et al., 2014}). Una segunda etapa en la metodología es la Fase 2, la que permite determinar la validez y fiabilidad del modelo de medida (^{Barclay, Higgins & Thompson, 1995}). Para esta etapa se analiza la Varianza Extraída Media (AVE), esta medida es solo aplicable a VL reflejas (^{Chin, 1998}) constituidas por las variables CU-IC-ER y EE (Tabla 1). Se sugiere un valor de 0,5 como límite inferior de un AVE aceptable (^{Fornell & Larcker, 1981}).

Adicionalmente para conocer el grado de diferencia de cada VL con las otras VL del modelo, se mide la validez discriminante. Un modelo posee validez discriminante si la raíz cuadrada de AVE de cada variable es mayor a las correlaciones (r de Pearson) con el resto de las variables. Otro análisis en esta fase es el Outer loading. Por un lado, Falk & Miller (¹⁹⁹²) indican que se aceptan cargas λ ≥ 0,55, y, por otro, Carmines & Zeller (¹⁹⁷⁹) aseguran que se aceptan λ ≥ 0,70. El Coeficiente del Alfa de Cronbach (α) y la Fiabilidad Compuesta (ρc), como medidas de consistencia interna, se acepta con un valor 0,7 para una fiabilidad "modesta" en las etapas tempranas de la investigación y un 0,8 para la investigación básica (^{Nunnally, 1978}). Adicionalmente se incorpora el VIF; un VIF mayor que 10 indica un problema de multicolinealidad (^{Myers, 1990}).

Finalmente, se procede a la Fase 3 que posibilita la Valoración del modelo estructural, para lo cual se realiza el GOF (Goodness of Fit), el cual debe obtener valores ≥0.5, para un adecuado Ajuste Global; y el R2, o R Square, que debe ser ≥ 0,1 (^{Falk & Miller, 1992}) y por último se contrastan las hipótesis, a través de dos valores el Beta o Path (β) que deben medir β ≥ 0,2 (^{Chin, 1998}) y el cálculo de Bootstrapping que requiere dos valores, "samples" correspondientes al número de submuestras. Basados en Efron (²⁰⁰⁴) se debe utilizar 100, y “casos” correspondiente al número de la muestra. Siguiendo el ejercicio recomendado por Chin (¹⁹⁹⁸) se debe calcular la distribución T de Student de dos colas con n-1 grados de libertad, donde n es el número de submuestras aplicando niveles de significación de * p<0,05, ** p<0,01, y *** p<0,001. Los resultados obtenidos del Bootstrapping deben ser comparados con el valor T estadístico. Ambas deben coincidir en valores aceptables para aceptar una correlación, lo que permite contrastar las hipótesis de estudio.

3. Resultados

La muestra se compone de un n de 320 estudiantes, todos pertenecientes a una carrera del área de la salud. Los análisis de frecuencia (F) y porcentaje (%) permitieron conocer la distribución de estudiantes por regiones de Chile y por nivel académico (Tabla 2). Del total, 248 estudiantes son mujeres (78%) y 70 son hombres (22%). La edad promedio es de 27 años, y las frecuencias de edad más altas son 21 (47 estudiantes) y 22 (47 estudiantes). Un 73% (232) de los estudiantes informa que solo estudia, mientras que un 28% (88) trabaja y estudia. Del total de los estudiantes, 182 provienen de educación media subvencionada correspondiendo a un 57% de la muestra, 98 (31%) estudiantes provienen de educación pública o municipal, y 39 (12%) de educación privada. En cuanto a su educación básica, la frecuencia y % son los siguientes: 164 (51%) educación subvencionada, 107 (33%) pública y 49 (15) estudiantes proviene de educación privada.

Fase 1: Descripción del modelo de medida.

Se diseñó el nomograma, basado en el modelo de investigación (Figura 1). Las variables CU, IC, EE, ER son reflejas. Las variables HI y ETIC son formativas. El tipo de indicador y su respectiva variable puede visualizarse en la Tabla 1.

Resumen de resultado fase 1: El nomograma diseñado en el software, permitió realizar los análisis PLS (^{Ringle et. al., 2015}) y Bootstrapping, sin que el software informara error en alguna de sus correlaciones formativas o reflejas o en la data asociada al diseño. Lo que permite avanzar a la Fase 2.

Fase 2: Validez y fiabilidad del modelo de medida.

El análisis de la Varianza Extraída Media (AVE) arrojó que todos los indicadores reflejos (Tabla 1) obtuvieron valores > 0,5 (Tabla 3).

Los valores indican que la raíz cuadrada de la AVE de cada variable refleja es mayor a las correlaciones con el resto de las variables (Tabla 4). Según lo que informa la literatura, estos valores en conjunto son aceptados.

El análisis de Outer loading arrojó todas las cargas λ > 0,70, lo que indica que se aceptan los valores (Tabla 5).

Los análisis de Coeficiente del Alfa de Cronbach (α) y la Fiabilidad Compuesta (ρc), obtuvieron valores > a 0,8, indicando medidas de consistencia interna (Tabla 3).

El análisis de VIF obtuvo que todos los indicadores de las VL son < 10 no arrojando problemas de multicolinealidad (Tabla 5).

Resumen de resultado fase 2: Los valores de Ave, raíz cuadrada de AVE, Outer loading, Coeficiente del Alfa de Cronbach (α), Fiabilidad Compuesta (ρc), y VIF permiten una favorable validez y fiabilidad de las escalas de medida del modelo de investigación. Los resultados de esta fase permiten avanzar a la tercera y final fase.

Fase 3: Valoración del modelo estructural

El Análisis de Ajuste Global, arrojó un GOF > 0.6, indicando un adecuado ajuste global. El R2 es aceptado con un valor mayor a > 0,1 (Tabla 6).

Los análisis de Path (β) cuyas correlaciones obtuvieron β ≥ 0,2 y valores Bootstrapping con niveles de significación de * p<0,05, ** p<0,01, y *** p<0,001 se pueden observar en la tabla 7.

Resumen de resultado fase 3: los análisis indican un adecuado Ajuste Global del Modelo y aceptación de los R2. Estos valores permitieron analizar β y Bootstrapping. Los valores en conjunto permiten: rechazar parcialmente H₀, aceptar parcialmente Ha₁, y aceptar parcialmente Ha₂ (Tabla 7).

4. Discusión

El brote de Covid-19 ha comprobado la necesidad de que las bibliotecas académicas de IES dispongan sus recursos de búsqueda y recuperación de información para los estudiantes (^{Arroyo-Vázquez & Gómez-Hernández, 2020}; ^{Grujic, 2021}), el acceso y uso virtual de estos recursos acentúa la desigualdad en la educación digital (^{Cotino, 2020}). Un ejemplo de esto es el estudio comparativo de Marín-Gutiérrez, Rivera-Rogel, Mendoza-Zambrano & Zuluaga-Arias (²⁰²⁰), el cual constató entre 2100 estudiantes universitarios de dos países sudamericanos que existen diferencias considerables por países en cuanto al conocimiento de recursos de búsqueda en Internet.

Ya planteada la necesidad de adquisición de habilidades y competencias en la era digital por parte de los estudiantes, y acentuada en tiempos de Covid-19 (^{Cotino, 2020}; ^{Marín-Gutiérrez et al., 2020}), la alfabetización informacional se reposiciona como “un derecho humano básico en el mundo digital” (^{IFLA, 2005}). En esta línea los resultados de las pruebas estadísticas de esta investigación informan que la alfabetización informacional es una condición facilitadora (CF) que influye en el comportamiento de uso de los recursos de búsqueda y recuperación de información por parte de los estudiantes universitarios, lo que alimenta la teoría de Salazar & Ramírez (²⁰¹⁴), quienes por primera vez proponen las Habilidades Informacionales (HI) y el Entrenamiento en TIC (ETIC) como factores que explican la aceptación y uso de las TIC por parte de los estudiantes universitarios. Sumado a este estudio, Salazar et al. (²⁰¹⁹) no solo ratifican la influencia de las habilidades Informacionales (HI) y Entrenamiento en TIC (ETIC), como factores influyentes en el uso de las TIC; sino que además, ambos estudios realizados en el modelo TAM (^{Davis, 1989}), correspondiente a la versión anterior del modelo UTAUT (^{Venkatesh et al., 2003}), informan uno de los principales hallazgos de este estudio, que el entrenamiento en TIC influye en el modelo solo a través de las Habilidades informacionales (HI), lo que permitió aceptar parcialmente la Ha₂ (Tabla 7).

Estos resultados en conjunto confirman la teoría de que ambas habilidades se entremezclan, pero no son lo mismo. El beneficio de la enseñanza de alfabetización informacional permite que se establezca una distinción entre el uso eficaz de la información y el suministro y el acceso a la misma (^{Catts & Lau, 2009}). Es fundamental que ambas competencias sean educadas en conjunto, porque además conforman las habilidades del siglo XXI, promoviendo un pensamiento crítico (^{Scott, 2015}). En este ámbito, una característica particular de esta investigación es que los estudiantes en su totalidad pertenecen a una carrera del área de la salud. Las carreras de salud forman a sus profesionales con miras a la investigación y el uso de fuentes de información, considerándose parte de las competencias especificas evaluadas por el Consejo Nacional de Acreditación de Universidades (^{CNA, 2014}). La evidencia confirma que educar en competencias para el uso de la información, mejora el uso de los recursos de búsqueda y recuperación de información. A propósito, un estudio realizado a 3800 estudiantes universitarios del área de la salud en Sudamérica identificó que aquellos estudiantes que habían recibido capacitación para el uso de fuentes de información tuvieron mayor frecuencia de uso de estos recursos (^{Mejía et al., 2015}).

En la medición de competencias de uso, un rol protagónico lo tienen la Expectativa de Rendimiento (ER) y la intención de comportamiento de uso (IC) aceptándose parcialmente la Ha₁ (Tabla 7). Los resultados de las pruebas confirman la influencia de estas variables en el comportamiento de uso (IC) de los recursos de búsqueda y recuperación de información, lo que respalda el rol de estas variables en el modelo UTAUT (^{Venkatesh et al., 2003}), en ambientes de educación superior.

La influencia de la expectativa de rendimiento (ER) en el modelo coincide con los resultados del estudio de Ramírez et al. (²⁰¹⁴), con foco en la aceptación y uso de bases de datos de información por parte de 300 estudiantes universitarios sudamericanos, lo que permite afirmar que los estudiantes universitarios consideraron que el grado en que el uso de los recursos de búsqueda de información mejorará la realización de alguna tarea, aumenta su comportamiento de uso (CU). Por su parte, el hecho de que la Expectativa de Esfuerzo (EE) no sea una variable influyente en el modelo confirma que el grado de facilidad de uso de la tecnología de modo individual, no explica el uso de los recursos de búsqueda y recuperación de la información.

La correlación negativa descrita coincide con el estudio de Salazar et al. (²⁰¹⁹), en el cual se analizó el comportamiento de uso de recursos de búsqueda de información en 332 estudiantes universitarios del área de la salud, pero contrasta con el estudio de Ramirez et al. (²⁰¹⁴), cuyos estudiantes universitarios no eran del área de la salud. En cuanto a esto, el estudio cuasiexperimental de Salazar & Ramírez (²⁰¹⁴) en el cual no se encontraron diferencias significativas en la percepción de facilidad de uso de los recursos de información entre los estudiantes que habían sido alfabetizados, versus los que no habían sido alfabetizados.

Estos hallazgos guían la intervención de la alfabetización informacional como Condición Facilitadora (CF), ya que los estudiantes universitarios perciben más relevante la utilidad que la facilidad de los recursos de búsqueda y recuperación de la información, por lo que toda intervención que pretenda disminuir la brecha de conocimiento, debe ser aplicada en función de aquellos recursos de búsqueda de información que los estudiantes consideran como útiles en sus propios contextos y no estandarizar los contenidos de las enseñanza de alfabetización informacional, incorporando conocimientos de recursos de búsqueda y recuperación de información que no generen aprendizajes significativos y les cooperen en la realización de las múltiples tareas que deban ejecutar en los procesos de enseñanza-aprendizaje.

Con base a los datos anterior, es fundamental que, en el caso de que el rol de la impartición de alfabetización informacional recaiga en las bibliotecas académicas, sean los bibliotecólogos quienes apoyen en la construcción de las competencias informacionales de los estudiantes, además de contribuir al desarrollo de la investigación formativa en las instituciones universitarias (^{De Arena, 2017}), y logren esta diferenciación de contenidos con foco en la expectativa de rendimiento (ER) o utilidad de los recursos.

Finalmente, los resultados de este estudio permitieron rechazar parcialmente la (H₀) (Tabla 7). En este contexto se realza que la robustez de esta muestra, recogida a nivel nacional de una IES privada con sedes en cuatro regiones de Chile, lo que permite que estos hallazgos transversales tengan una representatividad de la población universitaria de estudiantes de carreras de la salud del centro-sur del país. Además, abre la oportunidad a que los resultados contribuyan en la construcción de políticas en educación superior, para que a partir de esta emergencia mundial por Covid-19, se deje atrás una educación del siglo XX (^{Cotino, 2020}), y se dé un paso adelante a las nuevas herramientas de la era digital del siglo XXI. Sin embargo, es fundamental la realización de estudios similares a muestras que contemplen los distintos énfasis existentes en la formación de competencias informacionales a nivel universitario, así como a otras carreras fuera de la esfera de salud, lo que permitiría una representatividad mayor que la otorgada por este estudio.

Conclusiones

Sugerencias