![](data:image/png;base64,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)
cc
BY NC ND
ISSN-impreso 1390-7581
ISSN-digital 2661-6742
Volumen 18
Número 1
90
REE 18(1) Riobamba ene. - abr. 2024
Validación de instrumento para evaluar multitarea y actitudes tecnológicas en universitarios de
ciencias de la salud
Validation of an instrument to assess multitasking and technological attitudes in health sciences
university students
https://doi.org/10.37135/ee.04.19.08
Autores:
Cristina Fernanda Vaca-Orellana - https://orcid.org/0000-0002-2684-4696
Carlos Xavier Rosero Chandi - https://orcid.org/0000-0002-5396-6621
Yu Ling Reascos Paredes - https://orcid.org/0000-0002-2103-9233
Bélgica Normandi Bermeo Córdova - https://orcid.org/0000-0001-5678-7082
Afiliación:
Universidad Técnica del Norte. Docente Facultad de Ciencias de la Salud. Carrera de Enfermería.
Ibarra. Ecuador
Universidad Técnica del Norte. Docente Facultad Ingeniería en Ciencias Aplicadas. Carrera de Meca-
trónica. Ibarra. Ecuador
Universidad Técnica del Norte. Docente Facultad de Ciencias de la Salud. Carrera de Nutrición y
Dietética. Ibarra. Ecuador
Autor para correspondencia: Cristina Fernanda Vaca-Orellana. Universidad Técnica del Norte. Av.
17 de Julio y José Córdova. Ibarra. Imbabura. Ecuador. Email: cvaca@utn.edu.ec. Teléfono:
0994711697
Recibido: 12 de julio de 2023 Aceptado: 30 de noviembre 2023
RESUMEN
Los hábitos tecnológicos de los estudiantes universitarios, actitudes y aptitudes de una sociedad
cibernética cada vez consumida por la tecnología, la relación entre la cotidianidad y el ambiente
académico generan varios factores como es el manejo de la multitarea. El objetivo de este estudio fue
validar un instrumento de medición de la multitarea y las actitudes hacia la tecnología en estudiantes
del área de salud mediante el análisis factorial. Para lograrlo se recolectaron 442 observaciones, se
utilizó en el análisis de datos un enfoque con métodos estadísticos factoriales para este caso el exploratorio.
Previamente el instrumento fue valorado por docentes del área, el mismo que tuvo un coeficiente de
confiabilidad de 0,9. Finalmente, se estructuró el instrumento de escala de multitarea y de actitudes
hacia las tecnologías constituido por 17 ítems, que se agruparon en 6 factores como la actitud positiva;
actitud negativa; ansiedad/dependencia; percepciones; multitarea/redes sociales; multitarea/trabajo. Los
resultados arrojaron un modelo que explicó el 63% de la varianza, con una raíz cuadrada media de los
residuos de 0,07. La estructura factorial identificada y validada por el método estadístico de análisis
factorial exploratorio y confirmatorio, ha logrado brindar una base sólida para evaluar estas dimensiones
en el contexto de universitarios ecuatorianos de ciencias de la salud en futuras investigaciones.
Palabras clave: análisis factorial estadístico; habilidades en TIC; educación superior; conductas multi-
tareas; ciencias de la salud.
ABSTRACT
The technological habits, attitudes, and aptitudes of university students in a cybernetic society are
increasingly consumed by technology. The relationship between everyday life and the academic envi-
ronment generates several factors, such as multitasking management. This study aimed to validate an
instrument for measuring multitasking and attitudes towards technology in health students through
factor analysis. To achieve this, 442 observations were collected; an approach with factorial statistical
methods was used in the data analysis for this exploratory case. Previously, teachers in the area evaluated
the instrument with a reliability coefficient of 0.9. Finally, the multitasking and attitudes towards techno-
logies scale instrument was structured, consisting of 17 items grouped into six factors: Positive Attitude,
Negative attitude, Anxiety/Dependency, Perceptions, Multitasking/Social Networks, and Multitaskin-
g/Working. The results showed a model that explained 63% of the variance, with a root mean square of
the residuals of 0.07. The factor structure identified and validated by the statistical method of explora-
tory and confirmatory factor analysis has provided a solid basis for evaluating these dimensions in the
context of Ecuadorian health sciences university students in future research.
Keywords: Factor Analysis Statistical; ICT Skills; Higher Education; Multitasking Behavior; Health
Sciences.
INTRODUCCIÓN
Estudiar carreras en el campo de la salud es importante debido a su impacto directo en el bienestar y la
calidad de vida de las personas; los estudiantes ingresan motivados por el altruismo y la vocación de
servicio. Estas carreras se centran en la atención, prevención, diagnóstico, tratamiento de enfermedades
y promoción de estilos de vida saludables.(1)
La multitarea, esencial en la educación y la práctica profesional en el campo de la salud, se refiere a la
capacidad de realizar múltiples tareas simultáneamente. Se ha evidenciado una relación entre el desarrollo
profesional y la habilidad para manejar la multitarea.(2) Además, las actitudes hacia la tecnología pueden
influir en la adopción y uso efectivo de herramientas tecnológicas en el ámbito profesional.(3)
El entorno actual, caracterizado por el avance tecnológico, plantea la necesidad de comprender cómo los
estudiantes del área de salud manejan la multitarea y cuáles son sus actitudes hacia la tecnología.(4, 5)
Para medir estos factores, es necesario contar con instrumentos de medición válidos y confiables.(3)
La validación de instrumentos es un proceso esencial para garantizar la calidad y confiabilidad de los
datos recopilados.(6) El análisis factorial es una técnica estadística utilizada para evaluar la estructura
y las propiedades psicométricas de los instrumentos de medición, identificando las dimensiones que
se pretenden evaluar.(7) La validación factorial permite determinar la efectividad de los ítems en la
medición de las dimensiones subyacentes y mejorar la estructura interna del instrumento.(8)
En la literatura actual, se han propuesto varios instrumentales validados o mejorados para medir la
multitarea. Por ejemplo, Poposki, Oswald,(9) trabajan con una escala Multitasking Preference Inventory
(MPI) enfocada únicamente en el componente de policronicidad como una preferencia por la multitarea.
Otro de los instrumentos conocidos que evalúa la multitarea, utilizado en el estudio de Luo J, Sun M,
Yeung P sze, Li H(10) tuvo como objetivo desarrollar y validar una escala integral para medir la escala
de multitarea de los medios (MMS) que se aplica a los adolescentes.
El instrumento The Media and Technology Usage and Attitudes Scale (MTUAS), sus subescalas creadas
con análisis factorial y con fuerte confiabilidad y validez, el mismo que ha sido utilizado en una
variedad de estudios de investigación como una sola escala de 60 ítems o como subconjuntos de 15
subescalas. Evalúa la participación de los medios y la tecnología, la multitarea, y las actitudes de los
estudiantes hacia la tecnología.(3)
En este contexto, el presente trabajo tiene como objetivo validar un instrumento de medición de la
multitarea y las actitudes hacia la tecnología en estudiantes del área de salud mediante el análisis
factorial. Los resultados podrían ser relevantes para la educación y la práctica en este campo,
permitiendo desarrollar estrategias pedagógicas y tecnológicas más efectivas. Además, contribuye
al campo de la medición y validación de instrumentos, proporcionando una herramienta confiable
para futuras investigaciones sobre multitarea y actitudes hacia la tecnología.
Para llevar a cabo este estudio, se realizan actividades como la selección del instrumento The Media
and Technology Usage and Attitudes Scale (MTUAS) con las subescalas necesarias, la adaptación del
instrumento al español, agregando preguntas para la evaluación de multitarea y que se ajuste a la realidad
de los universitarios ecuatorianos, la recopilación de datos mediante su aplicación en plataformas en
línea. Además, se realiza la validación del instrumento para verificar su estructura y capacidad de
medir el constructo de interés mediante análisis de varianza.
MATERIAL Y MÉTODOS
El estudio se desarrolló con un enfoque cuantitativo inferencial, no experimental y transversal, con una
metodología multivariante; orientado a validar un instrumento utilizando técnicas estadísticas. El
proceso se llevó a cabo mediante un muestreo no probabilístico, durante el período octubre 2022 -
febrero 2023 con estudiantes de las carreras de ciencias de la salud de la Universidad Técnica del
Norte.
Participantes
Se estableció como criterio de inclusión que los participantes deben tener entre 17 y 30 años y ser
estudiantes universitarios de las carreras de salud. Se obtuvo un total de 442 respuestas completas al
cuestionario realizado en línea, sin que se registraran datos faltantes o perdidos por observación, como
criterio de exclusión se consideró la negación del estudiante a formar parte del estudio.
Del total de participantes, el 62,89% son mujeres, el 34,61% hombres y el 2,48% se autoperciben
como LGBTI según género. La mayoría de los participantes se autoidentificaron como mestizos,
representando el 89,36% del total. Además, el 8,14% de participantes pertenecen a la población indí-
gena, mientras que el resto se distribuye entre personas de origen negro y blanco. En cuanto al empleo,
el 72,39% de los participantes declararon no trabajar, mientras que el 27,60% afirma estar empleado.
De los participantes empleados, el 89,34% trabaja a tiempo parcial y el 10,65% a tiempo completo. En
términos de estado civil, el 93,89% de los participantes expresaron ser solteros, mientras que el 6,1%
restante está casado o en una unión de hecho. Por otro lado, solo el 8,37% de los universitarios mani-
festó tener hijos, con un número mínimo de 1 y un máximo de 3.
Instrumento
En la recolección de datos se empleó el instrumento Escala de Actitudes y Uso de Medios y Tecnología
(MTUAS), según Rosen, Whaling, Carrier, Cheever y Rokkum (3) los elementos se desarrollaron
generando un conjunto de posibles usos tecnológicos, utilizando la escala de Likert con 5 opciones
respuesta como: Muy en desacuerdo, En desacuerdo, Ni desacuerdo ni de acuerdo, De acuerdo, y Muy
de acuerdo. Consta de 19 ítems que evalúan 6 dimensiones como las actitudes positivas y negativas
hacia las tecnologías; preferencias de las personas a realizar multitarea simultáneamente con redes
sociales, y con tareas cotidianas; la ansiedad y la dependencia con los dispositivos móviles.
En el análisis del contenido se contó con la opinión de docentes en el campo de estudio que pudieron
revisar el instrumento y confirmar que las preguntas son pertinentes y representativas de los constructos
a medir. Para la medición de la confiabilidad del instrumento mediante el coeficiente Alpha de
Cronbach, se obtuvo un valor aceptable de (0,90). Con estos pasos previos se validó el instrumento,
y con la aplicación del análisis factorial se identificó y validó la estructura del constructo y la
evidencia de un agrupamiento eficaz.
Procedimiento
Fase 1: Formulación del problema: Uno de los problemas a solucionar fue, la falta de instrumentos de
medición validados específicamente para estas, ya que representa un obstáculo para obtener datos
confiables y comparables.
Fase 2: Revisión literaria y definición el instrumento, en esta fase se realizó la búsqueda de literatura
existente sobre temas relacionados con la multitarea y actitudes que tienen los universitarios hacia la
tecnología. Esto permitió conocer varios instrumentos que han sido aplicados en algunos tipos de
población, además de la identificación de los factores que se deseó medir. Con la definición de los
factores, se elaboró una lista inicial de ítems que abordaron cada uno de éstos, adicionando varias
preguntas inherentes al tema.
Fase 3: Validación y aplicación del instrumento; el trabajo fue validado por dos docentes expertos en
las tecnologías en la educación, se valoró la calidad de los ítems en relevancia, claridad y validez de
contenido.
Fase 4: Recolección y análisis de datos, se cumplió por medio de plataformas en línea; en el análisis
de datos para evaluar la confiabilidad y validez del instrumento, se utilizó técnicas estadísticas como
el análisis factorial, la consistencia interna y el coeficiente Alfa de Cronbach. Con esto se llevó a cabo
la interpretación de los resultados.
Tratamiento de los datos
El software utilizado fue R Core Team; en el resumen del Análisis Exploratorio de Datos (EDA) se
mostró el tipo de variables que conformaron el conjunto de datos, en el mismo se obtuvieron que el
31,50% son variables discretas, el 68,40% de variables categóricas.
También se utilizó el Análisis Factorial Exploratorio para abordar diferentes aspectos del análisis
de datos y asegurar una comprensión más sólida de la estructura subyacente de los factores en el
instrumento probado, se pretendió observar en qué medida el modelo teórico de propuesto por el autor
del instrumento, se ajusta a los datos muestrales utilizados. Con el Análisis Factorial Confirmatorio
para evaluar si estos datos se ajustan bien al modelo propuesto.
Este enfoque permitió explorar y descubrir los patrones de relación entre las variables y determinar
los factores latentes en el conjunto de datos. (11)
Proceso para el Análisis Factorial
Pasos y técnicas estadísticas, aplicadas y aprobadas en el algoritmo de análisis factorial.
1. Inicio
2. Estudio de condiciones previas
3. Verificar si la matriz de datos es factorizable
a. Test de Bartlett - Evalúa si entre las variables existe la suficiente correlación
para efectuar el Análisis Factorial. Con el determinante cercano a cero se confirmó
su aplicación.
b. Test Kaiser-Meyer-Olkin - Mide la adecuación del muestreo para cada variable
en el modelo.
4. Si la matriz es factorizable, ir al paso 5; de lo contrario, buscar otras alternativas de
validación de instrumentos
5. Determinación del número de factores
a. Análisis paralelo - Método de los componentes principales iteradas - naturaleza
no paramétrica, cálculo del número de factores.
6. Extracción de factores
a. Método de análisis de los componentes principales - Se utilizó para determinar
los factores subyacentes.
7. Rotar la matriz
a. Método varimax para rotación ortogonal - Minimiza el número de variables con
saturaciones altas, simplifica la interpretación de los factores.
8. Validación del modelo
a. Análisis Factorial Confirmatorio
9. Interpretación
10. Fin
RESULTADOS
Respecto a la verificación de la matriz de correlación, se realizó varias pruebas para determinar si es
apta para el análisis factorial; según la prueba de esfericidad de Bartlett (X=113,03; p<0,001 ), se
encuentra que las variables se correlacionan y que el determinante de correlación es de (0,008), por lo
tanto, se justifica la aplicación de la técnica de análisis factorial.
Además, se aplicó la prueba de Kaiser-Meyer-Olkin para medir la adecuación muestral de cada variable
en el modelo, (12) obteniéndose valores superiores a 0,68 para cada variable, lo que indica que el
modelo es el adecuado. Sin embargo, se observó dos variables, pertenecientes al factor “no multitarea”
tuvieron los valores más bajo con 0,51 y 0,62.
En cuanto a la determinación del número de factores, se aplicó el análisis paralelo de Componentes
Principales Iteradas (13). Este método, determinó el número compontes a mantener en un análisis de
componentes principales, llamado también factores retenidos (14), el número óptimo de factores es 6,
(líneas rojas en puntos).
Figura 1. Determinación del número de factores con el método Análisis Paralelo Componentes
Principales Iteradas. En el eje de la (x) Factores/Número de componentes, en el eje de la (y) los valores
propios de los factores principales.
De los 19 ítems iniciales del instrumento con 6 factores, con el nuevo modelo factorial, es posible
explicar 17 mediante la identificación de 6 factores. Estos resultados se presentan en la Figura 2,
donde se puede observar cómo se agrupan los ítems según la explicación de la varianza y la carga
factorial por ítem. Cabe señalar, que las variables NT1 y NT2 presentan en el primer caso un valor de
(0,3) en el segundo caso no presenta valor; al considerar el resultado de la prueba Kaiser-Meyer-Ol-
kin, se obtuvo valores bajos valores bajos, se motiva su exclusión para el cuestionario final.
Los factores se muestran en la Figura 2 y pueden ser interpretados, MR2: actitudes positivas (AP2,
AP1, AP3); MR1: ansiedad/dependencia (AD1, AD2, AD3); MR4: multitrabajo/tareas cotidianas
(MT4, MT5, MT3); MR6: percepciones de la tecnología (AP4, AP5, AP6); MR3: actitudes negativas
(AN1, AN2, AN3); MR5: multitrabajo/redes sociales (MT1, MT2).
Figura 2. Distribución de ítems por factor, resultado del análisis factorial exploratorio
En el siguiente paso, que corresponde a la extracción de los factores, se realizaron pruebas con
diferentes técnicas. De acuerdo a los resultados, el método que se ajusta los datos es el Análisis de
componentes principales (15). Este modelo logra una relación de proporción de varianza del 63% y
una raíz cuadrada media de los residuos de (0,07), lo que indica un buen ajuste del modelo. Con el
método de rotación Varimax que minimiza el número de variables que tienen saturaciones altas en
cada factor (16); los resultados que se indican en la Tabla 1 revelan las cargas factoriales de cada
variable, las comunalidades (h2), la especificidad (u2) y la proporción de varianza.
Tabla 1. Explicación de los factores, comunalidades, especificidad y la proporción de varianza
Así con el análisis factorial exploratorio resultan seis factores que explican los 17 ítems los mismos que
se validan con el análisis factorial confirmatorio, resultando en todas las variables de cada factor estadís-
ticamente significativo (p = 0,00). En la Figura 3 se indica la confirmación de los factores.
Figura 3. Ítems por factor, resultado de la validación del Análisis Factorial Confirmatorio
Estos se relacionan con la actitud positiva hacia las tecnologías: este factor se refiere a las actitudes
positivas específicas de los estudiantes universitarios hacia las tecnologías, sus tendencias y su uso. El
ítem que representa esta dimensión es el ítem 2. Por otro lado, ítem menos representado es el 3; no se
encuentran cargas cruzadas en el factor. Este factor explica el 13% del total de la varianza.
Las percepciones sobre la tecnología: este factor incluye los ítems que reflejan las impresiones positivas
de los estudiantes sobre la tecnología. El ítem con mayor representación es el 5, mientras que los ítems
4 y 6 también presentan cargas similares. Este factor explica el 6% de la varianza.
La ansiedad/dependencia: en este factor los universitarios expresan su dependencia y ansiedad hacia las
tecnologías y los dispositivos móviles. El ítem que mejor representa esta dimensión es el 8, en total el
factor explica el 20% de la varianza.
La actitud negativa hacia la tecnología: este factor refleja las actitudes negativas que los estudiantes
pueden tener hacia las tecnologías, considerando aspectos como el aislamiento social, la pérdida de
tiempo y la complejidad de su manejo. El ítem que mejor representa esta dimensión es el 10, explica en
total el 9% de la varianza del total.
La multitarea con redes sociales: este factor interpreta la dependencia de los estudiantes a la hora de
realizar tareas universitarias mientras se conectan a las redes sociales. Está compuesto por 2 ítems, y el
14 explica la mayor parte de la varianza, alcanzan el 7%.
La multitarea con trabajo: este factor comprende los ítems 15, 16 y 17 y se relaciona a realizar tareas sin
terminarlas, alternando con otras tareas. En este caso, el ítem con mayor peso significativo es el 16,
explicando el 66% de la varianza de este factor.
DISCUSIÓN
El objetivo del estudio actual es validar un instrumento para evaluar la multitarea y las actitudes
tecnológicas en universitarios ecuatorianos. En la literatura consultada se encontró que la actitud
hacia la tecnología es un factor determinante en el uso e involucramiento de los estudiantes
universitarios con las herramientas tecnológicas. Estos hallazgos son respaldados por estudios
previos como el que propuso el Modelo de Aceptación de la Tecnología (TAM) destacando la
importancia de las actitudes hacia la tecnología en la adopción y uso de esta Silva P. Davis’ Technology
Acceptance Model (TAM) (17), de este modo, su uso debe hacerse con cautela al considerar influencias
culturales. Por otro lado, Rosen (3) en su estudio más amplio también se miden actitudes y frecuencia
de uso de diversos tipos de dispositivos y tecnologías. Es así que en el presente estudio se intenta medir
esta dimensión mediante la adaptación de 9 ítems agrupados en tres dimensiones que explican las actitudes
y percepciones positivas y negativas hacia la tecnología entre los estudiantes universitarios ecuatorianos,
por la importancia que tendría en el medio al obtener este tipo de información.
Nro. Ítem Factor h2 u2
varianza
1
Es importante poder encontrar cualquier
información cuando quiera en línea
MR2: actitud
positiva frente a las
tecnologías
0,69 0,30
0,13
2
Es importante poder acceder a Internet
cuando lo desee 0,76 0,23
3
Es importante mantenerse al día con las
últimas tendencias en tecnología 0,66 0,33
4
La tecnología proporcionará soluciones a
muchos de nuestros problemas
MR6: percepciones
sobre las tecnologías
0,57 0,42
0,06
Con la tecnología todo es posible
6
Siento que logro más debido a la tecnología
0,58 0,41
7
Me pongo ansioso cuando no tengo mi
teléfono celular
MR1: ansiedad /
dependencia
0,72 0,27
0,20
8
Me siento ansioso cuando no tengo Internet
disponible para mí 0,69 0,30
9
Soy dependiente de mi tecnología
0,55 0,44
10
La nueva tecnología hace que las personas
pierdan demasiado tiempo
MR3: actitud
negativa hacia las
tecnologías
0,64 0,35
0,09
11
La nueva tecnología hace que la vida sea
más complicada 0,53 0,46
12
La nueva tecnología hace a las personas más
aisladas 0,61 0,38
Además, Alfadda y Mahdi (18) revelan una fuerte correlación positiva entre el uso real de una aplicación y
las actitudes e intenciones de comportamiento de los estudiantes. Por lo tanto, el factor seis del estudio
actual mide la comprensión de estas percepciones, ya que es crucial entender cómo los universitarios
interactúan con las diferentes herramientas y aplicaciones tecnológicas en su vida estudiantil.
Otro aspecto destacado de los factores del presente estudio es el fenómeno de la ansiedad y la dependencia
tecnológica. Algunos estudiantes universitarios pueden experimentar altos niveles de ansiedad relacionados
con el uso de la tecnología, especialmente cuando se enfrentan a situaciones académicas estresantes y se
ven obligados a realizar múltiples tareas simultáneamente. De igual modo, en estudio de Gómez Galán,
et al.(19) aseguran que existen investigaciones que destacan las similitudes de estas adicciones con el
consumo de sustancias tóxicas por lo que puede tener posibles consecuencias negativas en las responsabili-
dades académicas y la salud mental de los estudiantes.
En el factor que evalúa la multitarea, los estudiantes tienden a realizar múltiples tareas simultáneamente
conectados en línea durante sus actividades académicas a sitios concernientes con las redes sociales o
plataformas de streaming. Incluso ejecutan la multitarea con tareas o trabajos comunes, no necesariamente
con el uso de la tecnología, según Vaca Orellana et.al.(5). También Álvarez-Risco et. al.(4) menciona que es
importante destacar que esta práctica de la multitarea puede actuar como una distracción significativa
para los estudiantes y afectar negativamente su rendimiento académico; algo semejante menciona,
Aagaard (20) en su estudio, que los psicólogos advierten cada vez más sobre los efectos nocivos de la multi-
tarea en muchas formas diferentes de actividad humana, de igual manera en la investigación de Jamet,
et.al.(21) concluye en su estudio que los estudiantes con una portátil tienen más posibilidad de participar en
este fenómeno y por tanto con efectos nocivos para el aprendizaje.
Los resultados de este estudio avalan la validez del instrumento para medir la multitarea y las actitudes
hacia la tecnología en estudiantes universitarios. La estructura factorial identificada por el método
estadístico de análisis factorial aplicado, ha logrado brindar una base sólida para evaluar estas variables
en futuras investigaciones, es así que en los aportes de Ramos-Estrada et al (16) Asimismo, Rosen et.al. (3)
además de otros autores consultados para este estudio y que han desarrollado la validación de instrumentos
a través de esta técnica, avalan sus resultados al obtener un modelo aplicable.
En las limitaciones del estudio se refiere a la selección de la muestra. Los participantes fueron reclutados
de manera conveniente no probabilística dentro de una única institución de educación superior de carreras
del área de salud, lo que limita la generalización de los resultados a otras poblaciones de estudiantes de
salud. Otra posible fuente de sesgo es las respuestas de los participantes respecto de la multitarea y actitu-
des hacia la tecnología, lo que podría haber dado lugar a respuestas sesgadas o influidas por la percepción
personal de los participantes.
CONCLUSIONES
Los resultados de este estudio avalan la validez del instrumento para medir la multitarea y las actitudes
hacia la tecnología en estudiantes universitarios; los datos no se ajustaron al modelo teórico de los
autores originales para esta muestra. La estructura factorial identificada y validada por el método
estadístico de análisis factorial exploratorio y confirmatorio, ha logrado brindar una base sólida para
evaluar estas dimensiones en el contexto de universitarios ecuatorianos de ciencias de la salud en futuras
investigaciones. Además, sustentan la confiabilidad del instrumento al que se le aplicó métodos
estadísticos multivariantes, logrando un modelo bastante aceptable y valioso como una herramienta
de consulta.
Para investigaciones futuras, se sugiere explorar de manera detallada la posible influencia de este
fenómeno en el proceso de enseñanza-aprendizaje y en el rendimiento académico de una población
más amplia de estudiantes universitarios ecuatorianos, con el fin de obtener una comprensión más
completa de los efectos y consecuencias que pueda tener en su desarrollo educativo.
Las limitaciones del estudio se encuentran en la selección de la muestra. Los participantes fueron
reclutados de manera conveniente dentro de la institución de educación superior de las carreras del
área de salud, lo que limita la generalización de los resultados a otras poblaciones de estudiantes. Otra
posible fuente de sesgo son las respuestas influidas por la percepción personal de los participantes.
Financiación: el estudio no ha recibido ayuda económica alguna.
Conflicto de intereses: los autores declaramos no tener ningún conflicto de intereses.
Agradecimientos: a los estudiantes de la Facultad de Ciencias de la Salud de la Universidad Técnica
del Norte.
Declaración de contribución de los autores:
Conceptualización: Cristina Vaca Orellana
Curación de datos: Cristina Vaca Orellana, Carlos Xavier Rosero
Análisis formal: Carlos Xavier Rosero, Bélgica Bermeo Córdova
Adquisición de fondos: No aplica
Investigación: Cristina Vaca Orellana, Carlos Xavier Rosero, Yu Ling Reascos Paredes, Bélgica
Bermeo Córdova
Metodología: Cristina Vaca Orellana, Carlos Xavier Rosero, Yu Ling Reascos Paredes, Bélgica
Bermeo Córdova
Administración del proyecto: Cristina Vaca Orellana
Recursos: Yu Ling Reascos Paredes, Bélgica Bermeo Córdova
Software: Cristina Vaca Orellana, Carlos Xavier Rosero
Supervisión: Cristina Vaca Orellana
Validación: Cristina Vaca Orellana, Carlos Xavier Rosero
Visualización: Cristina Vaca Orellana, Carlos Xavier Rosero, Yu Ling Reascos Paredes, Bélgica Bermeo
Córdova
Redacción y borrador original: Cristina Vaca Orellana, Carlos Xavier Rosero
Redacción, revisión y edición: Cristina Vaca Orellana, Carlos Xavier Rosero, Yu Ling Reascos Paredes,
Bélgica Bermeo Córdova
REFERENCIAS BIBLIOGRÁFICAS
1. Troncoso Pantoja C, Garay Lara B, Sanhueza Muñoz P. Percepción de las motivaciones en el
ingreso a una carrera del área de la salud. Horizonte Médico (Lima) [Internet]. 2016 [citado 23
May 2023];16(1):55-61. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_abstract
&pid=S1727-558X2016000100008&lng=es&nrm=iso&tlng=es.
2. Alarcón Silva L, Loli Hinostroza HL. El desarrollo profesional y la multitarea en el Centro de
Salud Flor de Amancaes, Rímac, 2021. [Tesis de Internet]. Universidad César Vallejo; 2021
[citado 23 May 2023]; Disponible en: https://repositorio.ucv.edu.pe/handle/20.500.12692/80903.
3. Rosen LD, Whaling K, Carrier LM, Cheever NA, Rokkum J. The Media and Technology Usage
and Attitudes Scale: An empirical investigation. Comput Human Behav [Internet]. 2013 [citado
13 Feb 2023];29(6):2501-11. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC
4338964/.
4. Álvarez-Risco A, Estrada-Merino A, Anderson-Seminario M de las M, Mlodzianowska S,
García-Ibarra V, Villagomez-Buele C, et al. Multitasking behavior in online classrooms and
academic performance: case of university students in Ecuador during COVID-19 outbreak.
Interactive Technology and Smart Education [Internet]. 2020 [citado 13 Feb 2023];18(3):422-34.
Disponible en: https://www.emerald.com/insight/content/doi/10.1108/ITSE-08-2020-0160/full/html.
5. Vaca Orellana C, Rosero CXR, Guevara AH, Vinueza YA, Reascos RA, Gordillo AG. La Multitarea
y la Tecnología en estudiantes universitarios del área de salud: Multitasking and technology in
university students in the Health area. La U Investiga [Internet]. 2020 [citado 17 May 2023];
7(1):47-54. Disponible en: https://revistasojs.utn.edu.ec/index.php/lauinvestiga/article/view/486.
6. Araya DH, Muñoz DR, Pizarro CD, Zapata FS. Elaboración y validación de cuestionario sobre
la enseñanza y aprendizaje en educación remota. Educ Pesqui [Internet]. 2022 [citado 23 May
2023];48:e256217. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=
S1517-97022022000100405&tlng=es.
7. Sagredo AV, Etchepare GC, Araneda RM. Adaptación de la escala EAT en la población escolar
chilena. Estudios Pedagógicos [Internet]. 2021 [citado 12 May 2023];47(3):45-58. Disponible
en: http://revistas.uach.cl/index.php/estped/article/view/6601.
8. Sabugal CR, Juares-Hernández LG, Tobón S. Validez de constructo de un instrumento para
evaluar la promoción de la metacognición en el aula. Estudios Pedagógicos [Internet]. 2021
[citado 12 May 2023];47(3):191-205. Disponible en: http://revistas.uach.cl/index.php/estped/
article/view/6608.
9. Poposki EM, Oswald FL. The Multitasking Preference Inventory: Toward an Improved Measure
of Individual Differences in Polychronicity. Human Performance [Internet]. 2010 [citado 23
May 2023];23(3):247-64. Disponible en: https://doi.org/10.1080/08959285.2010.487843.
10. Luo J, Sun M, Yeung P sze, Li H. Development and validation of a scale to measure media
multitasking among adolescents: Results from China. Children and Youth Services Review
[Internet]. 2018 [citado 23 May 2023];95:377-83. Disponible en: https://www.sciencedirect.com/
science/article/pii/S0190740918307497.
11. Pando Moreno M, Varillas W, Aranda Beltrán C, Elizalde Núñez F. Análisis factorial exploratorio
del «Cuestionario de factores psicosociales en el trabajo» en Perú. Anales de la Facultad de
Medicina [Internet]. 2016 [citado 12 May 2023];77(4):365-71. Disponible en: http://www.scielo.
org.pe/scielo.php?script=sci_abstract&pid=S1025-55832016000400008&lng=es&nrm=iso&
tlng=en.
12. Costales J, Catulay JJJ, Costales J, Bermudez N. Kaiser-Meyer-Olkin Factor Analysis: A
Quantitative Approach on Mobile Gaming Addiction using Random Forest Classifier. Proceedings
of the 6th International Conference on Information System and Data Mining [Internet]. New
York, NY, USA: Association for Computing Machinery; 2022 [citado 8 Jun 2023]. p. 18-24.
(ICISDM ’22). Disponible en: https://doi.org/10.1145/3546157.3546161.
13. Timmerman ME, Lorenzo-Seva U, Ceulemans E. The Number of Factors Problem. The Wiley
Handbook of Psychometric Testing [Internet]. John Wiley & Sons, Ltd; 2018 [citado 8 Jun
2023]. p. 305-24. Disponible en: https://onlinelibrary.wiley.com/doi/abs/10.1002/978111
8489772.ch11.
14. Pizarro Romero KP, Martinez Mora OM. Análisis factorial exploratorio mediante el uso de las
medidas de adecuación muestral kmo y esfericidad de bartlett para determinar factores principales
[Internet]. 2020 [citado 30 Jun 2023]; Disponible en: https://zenodo.org/record/4453224.
15. Ledesma R, Ferrando P, Tosi J. Uso del Análisis Factorial Exploratorio en RIDEP. Recomendaciones
para Autores y Revisores. REV IBEROAM DIAGN EV [Internet]. 2019 [citado 8 Jun 2023];
52(3). Disponible en: http://www.aidep.org/sites/default/files/2019-07/RIDEP52-Art13.pdf.
16. Ramos-Estrada DY, García-Cedillo I, Sotelo-Castillo MA, López-Valenzuela MI, Murillo-Parra
LD, Ramos-Estrada DY, et al. Validación de un instrumento de estrategias para fortalecer el
aprendizaje. Revista Electrónica Educare [Internet]. 2020 [citado 12 May 2023];24(1):107-21.
Disponible en: http://www.scielo.sa.cr/scielo.php?script=sci_abstract&pid=S1409-425820200
00100107&lng=en&nrm=iso&tlng=es.
17. Silva P. Davis’ Technology Acceptance Model (TAM) (1989). En: Information Seeking Behavior
and Technology Adoption: Theories and Trends [Internet]. IGI Global; 2015 [citado 10 Jun
2023]. p. 205-19. Disponible en: https://www.igi-global.com/chapter/davis-technology-
acceptance-model-tam-1989/127133.
18. Alfadda HA, Mahdi HS. Measuring Students’ Use of Zoom Application in Language Course
Based on the Technology Acceptance Model (TAM). J Psycholinguist Res [Internet]. 2021 [citado
10 Jun 2023];50(4):883-900. Disponible en: https://doi.org/10.1007/s10936-020-09752-1.
19. Gómez-Galán J, Martínez-López JÁ, Lázaro-Pérez C, Sarasola Sánchez-Serrano JL. Social
Networks Consumption and Addiction in College Students during the COVID-19 Pandemic:
Educational Approach to Responsible Use. Sustainability [Internet]. 2020 [citado 10 Jun 2023];
12(18):7737. Disponible en: https://www.mdpi.com/2071-1050/12/18/7737.
20. Aagaard J. Multitasking as distraction: A conceptual analysis of media multitasking research.
Theory & Psychology [Internet]. 2019 [citado 26 Abr 2023];29(1):87-99. Disponible en:
https://doi.org/10.1177/0959354318815766.
21. Jamet E, Gonthier C, Cojean S, Colliot T, Erhel S. Does multitasking in the classroom affect
learning outcomes? A naturalistic study. Computers in Human Behavior [Internet]. 2020 [citado
26 Abr 2023];106:106264. Disponible en: https://www.sciencedirect.com/science/article/pii/
S0747563220300200.