FIGURA 17.
Uno de los resultados más destacados que se obtienen es que, para prácticamente la totalidad de los países analizados, la condición de usuario TIC bajo (quintil 2) se relaciona con mejores resultados que la condición de usuario muy bajo (quintil 1) 27 . El usuario medio también tiende a relacionarse con resultados más positivos que el usuario muy bajo, aunque esta variable no es significativa para una parte importante de los países analizados. Para España y Estonia, en cambio, se encuentran efectos positivos y significativos de 10 y 12 puntos, respectivamente, en relación al usuario de menor frecuencia. Por otro lado, para el usuario intensivo de las TIC en la escuela (quintil 4), se observa una tendencia claramente negativa en la mayoría de los países analizados. No obstante, esta variable no es significativa en España, Finlandia y Estonia, entre otros. El impacto contundente y muy significativo en todos los países analizados se da en el usuario muy intensivo. En este colectivo de usuarios muy intensivos de las TIC en la escuela (último quintil), se observa un patrón unánime en todos los países analizados: en comparación con los usuarios de frecuencia muy baja, los usuarios muy intensivos obtienen una puntuación en matemáticas significativamente menor en la totalidad de los países analizados . En resumen, estos resultados muestran que la inclusión de la variable de frecuencia estandarizada como una continua está captando el efecto medio de un incremento en la frecuencia de uso . Esto se observa también en la primera parte de esta sección. No obstante, cuando el modelo adopta una forma no paramétrica para recoger toda posible heterogeneidad entre las competencias en matemáticas y los diferentes tipos de usuario TIC, se corrobora que el efecto varía dependiendo de la frecuencia de uso que se haga de las TIC . Cabe destacar, asimismo, que no se ha forzado al modelo a seguir una forma no-lineal, por ejemplo, mediante la inclusión cuadrática de la variable estandarizada (como es el caso en Gubbels et al. 2020 para su análisis sobre Holanda). Por el contrario, la sola inclusión de variables categóricas (también denominadas variables “dummy”) para reflejar el tipo de usuario en base a su frecuencia
han arrojado resultados muy contundentes, especialmente en el usuario muy intensivo.
En usuarios muy intensivos, las mujeres y los usuarios de perfil socio-económico más bajo tienden a obtener menores calificaciones en matemáticas
Hombres
Mujeres
Debido a la relevancia del usuario muy intensivo, la Figura 17 muestra el impacto estimado de este usuario para diferentes colectivos 28 . Es decir, se replican las estimaciones previas pero en este caso se limitan a cada uno de los colectivos de interés. En particular, se atenderá al género, en primer lugar, y al nivel socio-económico (mayor o menor que la mediana), en segundo lugar.
28– En el Apéndice 4.2 se muestran los resultados completos de las regresiones para los cuatro colectivos analizados.
0
-10
-20
En este colectivo de usuarios muy intensivos de las TIC en la escuela (último quintil), se observa un patrón unánime en todos los países analizados
-20
-22
-30
-26
-27
-30
-40
-36
-50
-60
Puntos menos en matemáticas usuarios muy intensivos en comparación con muy bajos
-70
ESCS alto
ESCS bajo
10
0
-10
-22
-20
-20
-28
-29
-30
-27
-32
-40
-50
-60
-70
Puntos menos en matemáticas usuarios muy intensivos en comparación con muy bajos
27– Los coeficientes de esta variable de usuario bajo son significativos para todos los países excepto Chile, Chequia, Dinamarca, Letonia, Polonia y Eslovaquia.
80
81
Made with FlippingBook - Online Brochure Maker