5.2 Presentación y análisis de los resultados
5.2.1 Nivel descriptivo
Niveles de relación entre las variables. En esta parte podemos apreciar la
identificación de las dimensiones para la variable 1 software de simulación electrónica.
En esta parte se estableció tres niveles para describir las dimensiones investigadas, también se considera el sistema de calificación de la encuesta, con un puntaje mínimo de (4) cuatro puntos y el máximo es (20) veinte puntos, para cada una de las dimensiones.
En consecuencia, en función de estos porcentajes (mínimo y máximo) se establecieron los intervalos para cada uno de los niveles respectivos:
Muy bueno (18-20) Bueno (14 – 17) Regular (11 – 14) Bajo (04 – 10).
En las siguientes tablas y figuras se observa los niveles de cada uno en que se expresa las diferencias significativas entre las variables.
91 Pretest categorizado Pretest (Categorizado) Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado Válido Bajo 3 8,3 8,3 8,3 Regular 9 25,0 25,0 33,3 Bueno 19 52,8 52,8 86,1 Muy bueno 5 13,9 13,9 100,0 Total 36 100,0 100,0
En la tabla 7 y la muestra acerca de la prueba pre test, se observa el 25% de los estudiantes evaluados manifestaron una relación regular, un 52,8% de ellos
respondieron una relación buena y sólo el 13,9%, indicaron una relación muy bueno.
Es evidente que buena cantidad de los estudiantes están de acuerdo con el uso del software de simulación electrónica, sin embargo al visualizar el 8,3% indican bajo, señala que se debe mejorar.
92
Figura 1. Pretest categorizado
Tabla 8 Postest categorizado Postest (Categorizado) Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado Válido Regular 8 22,2 22,2 22,2 Bueno 15 41,7 41,7 63,9 Muy bueno 13 36,1 36,1 100,0 Total 36 100,0 100,0
93
En la tabla 8 y la muestra acerca de la prueba postest, se observa el 22,2% de los estudiantes evaluados manifestaron una relación regular, un 41,7 % de ellos
respondieron una relación buena y sólo el 36,1%, indicaron una relación muy bueno.
Es evidente que buena cantidad de los estudiantes están de acuerdo con el uso del software de simulación electrónica.
94 Tabla 9
Postest actitudinal categorizada
Postest actitudinal (categorizada)
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado Válido Regular 7 19,4 19,4 19,4 Bueno 22 61,1 61,1 80,6 Muy bueno 7 19,4 19,4 100,0 Total 36 100,0 100,0
En la tabla 9 y la muestra acerca de la prueba postest, se observa el 19,4% de los estudiantes evaluados manifestaron una relación regular, un 61,1 % de ellos
respondieron una relación buena y sólo el 19,4%, indicaron una relación muy bueno.
Es evidente que buena cantidad de los estudiantes están de acuerdo con el uso del software de simulación electrónica.
95 5.2.2. Nivel inferencial
Prueba estadística de la normalidad
Para el análisis de los resultados se determinó, el tipo de distribución que presentaron los datos, tanto a nivel de los datos del cuestionario sobre software de simulación electrónica como recurso didáctico, como del cuestionario sobre logros de aprendizajes significativos, para el cual se utilizó la prueba de Shapiro-Wilk, la cual permitió medir el grado de concordancia existente entre la distribución de un conjunto de datos y una distribución teórica específica. Su objetivo fue señalar si los datos provinieron de una población que tiene la distribución teórica específica, así como también cuando fue menor que 50 en número de población.
Tabla 10
Prueba de normalidad.
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Diferencia ,215 36 0,000 0,879 36 0,001
a. Corrección de significación de Lilliefors
Plantear la hipótesis de normalidad:
Ho: La distribución de datos es normal H1: la distribución de datos no es normal
96
Fue imprescindible determinar el valor crítico, que es el número que divide la región de aceptación y la región de rechazo de la hipótesis nula.
Regla de decisión:
Si p valor (Sig.) > 0,05; Se acepta la hipótesis nula Si p valor (Sig.) < 0,05; Se rechaza la hipótesis nula
Como el valor p de significancia del estadístico de prueba de normalidad tiene el valor de 0,001; entonces los valores Sig. < 0,05; se cumple que; se rechaza la hipótesis nula. Esto quiere decir que, según los resultados obtenidos, pudimos afirmar que los datos de la muestra de estudio, provienen de una distribución no normal.
Por lo tanto, para el desarrollo de la prueba de hipótesis, se utilizó las pruebas no paramétrica para distribución no normal de los datos: Wilcoxon.
Análisis estadístico inferencial
Prueba de las hipótesis general
Planteamiento de la hipótesis general
Hipótesis nula (H0):
HG0: No existe diferencias significativas entre la aplicación del software de
simulación electrónica como recurso didáctico y los logros de aprendizajes significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
97
Hipótesis alternativa (H1):
HG1: Existe diferencias significativas entre la aplicación del software de
simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
1. Nivel de significación
Consiste en la probabilidad de rechazar la hipótesis nula. A este nivel se le denomina nivel de significancia = 0,05.
2. Valor estadístico de la prueba
Se estableció el grado de diferencias significativas, para el cual se utilizó: Wilcoxon Tabla 11
Estadísticas de muestras emparejadas
Rangos N Rango promedio Suma de rangos
Pretest - Postest Rangos negativos 31a 16,00 496,00
Rangos positivos 0b 0,00 0,00 Empates 5c Total 36 a. Pretest < Postest b. Pretest > Postest c. Pretest = Postest
98 Tabla 12
Prueba de hipótesis general
Estadísticos de pruebaa
Pretest - Postest
Z -4,970b
Sig. asintótica (bilateral) 0,000
a. Prueba de rangos con signo de Wilcoxon b. Se basa en rangos positivos.
Como el p valor es 0,000 (sg. asintótica bilateral) y menor que el nivel de significancia 0,05, entonces concluimos que en la población de la se extrajo la muestra: Existen diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la
Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest); es decir hubo un mejoramiento en los aprendizajes.
Planteamiento de las hipótesis específica 1
Hipótesis nula
H0: No existe diferencias significativas entre la aplicación del software de
simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos conceptuales de los estudiantes del nivel secundario del Colegio Experimental de
Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
99
Hipótesis alternativa
(H1): Existe diferencias significativas entre la aplicación del software de
simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos conceptuales de los estudiantes del nivel secundario del Colegio Experimental de
Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
1. Nivel de significación
Consiste en la probabilidad de rechazar la hipótesis nula. A este nivel se le denomina nivel de significancia = 0,05.
2. Valor estadístico dela prueba
Se estableció el grado de diferencias significativas entre las variables de estudio, para el cual se utilizó t de Student
Tabla 13
Rangos para postest conceptuales Rangos N Rango promedio Suma de rangos Postest conceptuales - Pretest Rangos negativos 0a ,00 ,00 Rangos positivos 31b 16,00 496,00 Empates 5c Total 36
a. Postest conceptuales < Pretest b. Postest conceptuales > Pretest c. Postest conceptuales = Pretest
100 Tabla 14
Prueba de hipótesis específica 1
Estadísticos de pruebaa
Postest conceptuales - Pretest
Z -4,970b
Sig. asintótica (bilateral) 0,000
a. Prueba de rangos con signo de Wilcoxon b. Se basa en rangos negativos.
Como el p valor es 0,000 (sg. asintótica bilateral) y menor que el el nivel de significancia 0,05, entonces concluimos que en la población de la se extrajo la muestra: Existen diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes conceptuales significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest); es decir hubo un mejoramiento en los aprendizajes.
Planteamiento de la hipótesis 2
Hipótesis nula (H0):
HE0: No existe diferencias significativas entre la aplicación del software de
simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos procedimentales de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
101
Hipótesis alternativa (H1):
HE2: Existe diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes significativos procedimentales de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
Nivel de significación
Consiste en la probabilidad de rechazar la hipótesis nula. A este nivel se le denomina nivel de significancia = 0,05.
1. Valor estadístico de la prueba
Se estableció el grado de diferencias significativas entre las variables de estudio, para el cual se utilizó Wilcoxon
Tabla 15
Rangos para procedimentales
Rangos N Rango promedio Suma de rangos Postest procedimentales - Pretest Rangos negativos 6a 10,00 60,00 Rangos positivos 18b 13,33 240,00 Empates 12c Total 36
a. Postest procedimentales < Pretest b. Postest procedimentales > Pretest c. Postest procedimentales = Pretest
102 Tabla 16
Prueba de hipótesis específica 2
Estadísticos de pruebaa
Postest procedimentales - Pretest
Z -2,736b
Sig. asintótica (bilateral) 0,006
a. Prueba de rangos con signo de Wilcoxon b. Se basa en rangos negativos.
Como el p valor es 0,006 (sg. asintótica bilateral) y menor que el el nivel de significancia 0,05, entonces concluimos que en la población de la se extrajo la muestra: Existen diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes procedimentales significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest); es decir hubo un mejoramiento en los aprendizajes.
Planteamiento de las hipótesis específico 3
Hipótesis nula (H0):
HE0: No existe diferencias significativas entre la aplicación del software de
simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos actitudinales de los estudiantes del nivel secundario del Colegio Experimental de
Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest).
103
Hipótesis alternativa (H1):
HE3: Existe diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes significativos actitudinales de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest).
1. Nivel de significación
Consiste en la probabilidad de rechazar la hipótesis nula. A este nivel se le denomina nivel de significancia = 0,05.
2. Valor estadístico dela prueba
Se estableció el grado de relación entre las variables de estudio, para el cual se utilizó Chi cuadrado, ya que se transformó a variables ordinales.
104 Prueba de hipótesis específica 3
Tabla 17
Tabla cruzada de Chi cuadrado para la prueba de hipótesis específica 3
Tabla cruzada Pretest (Categorizado)*Postest actitudinal (categorizada) Postest actitudinal (categorizada) Total Regular Bueno Muy bueno Pretest (Categorizado) Bajo Recuento 0 1 2 3 Recuento esperado ,6 1,8 ,6 3,0 % del total 0,0% 2,8% 5,6% 8,3% Regular Recuento 1 8 0 9 Recuento esperado 1,8 5,5 1,8 9,0 % del total 2,8% 22,2% 0,0% 25,0% Bueno Recuento 4 11 4 19 Recuento esperado 3,7 11,6 3,7 19,0 % del total 11,1% 30,6% 11,1% 52,8% Muy bueno Recuento 2 2 1 5 Recuento esperado 1,0 3,1 1,0 5,0 % del total 5,6% 5,6% 2,8% 13,9% Total Recuento 7 22 7 36 Recuento esperado 7,0 22,0 7,0 36,0 % del total 19,4% 61,1% 19,4% 100,0% Tabla 18
Prueba de Chi cuadrado
Pruebas de chi-cuadrado Valor df Significación asintótica (bilateral) Chi-cuadrado de Pearson 9,145a 6 0,003 Razón de verosimilitud 9,920 6 0,128
Asociación lineal por lineal 1,722 1 0,189
N de casos válidos 36
a. 10 casillas (83,3%) han esperado un recuento menor que 5. El recuento mínimo esperado es ,58.
105
Como el p valor es 0,003 (sg. asintótica bilateral) y menor que el el nivel de significancia 0,05, entonces concluimos que en la población de la se extrajo la muestra: Existen diferencias significativas entre la aplicación del software de simulación
electrónica como recurso didáctico y los logros de aprendizajes actitudinales significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017 en la medición de inicio (pretest) y la medición hecha al finalizar(postest); es decir hubo un mejoramiento en los aprendizajes y praxis de actitudes.
5.3 Discusión de resultados
De acuerdo con lo obtenido luego del desarrollo de esta investigación y por los resultados que se obtuvo de los instrumentos aplicados, se puede mencionar que al emplear el software de simulación electrónicacomo recurso didáctico en estudiantes tiene un resultado positivo en el aprendizaje significativo, el cual concuerda con otros trabajos de investigación, que fueron mencionados en los antecedentes de este trabajo.
La necesidad de implementar alternativas de aprendizaje distintas a las tradiciones, hace que se desarrollen formas de hacer aprendizaje de una forma didáctica, donde el estudiante muestre mayor interés en ello, aplicando la tecnología que hoy es de mucha demanda por sus diversas funciones. En el caso específico del aprendizaje significativo mediante la aplicación del software de simulación electrónicacomo recurso didáctico que cada vez más son utilizadas por las instituciones educativas.
Jiménez (2017), en sus resultados menciona “que los estudiantes al emplear las plataformas de software de simulación electrónicacomo recurso didáctico, perciben una
106
nueva forma de aprender, el cual es beneficioso en el aprendizaje de sus lecciones”. El
cual se expresa, en que el software de simulación electrónica como recurso didáctico tienen correlación positiva en el aprendizaje. Además menciona que proporcionan a los docentes un ambiente personalizado que le ayuda a definir las actividades para lograr sus objetivos.
Asimismo, Ortiz (2017), en su trabajo de tesis encontró que “el uso del software de simulación electrónicacomo recurso didáctico con niños de primaria tiene un efecto positivo en el aprendizaje del inglés”, en la que obtuvo una relación Rho de Spearman
una altamente positiva ubicada en el rango de muy fuerte y perfecta, entre variables software de simulación electrónicacomo recurso didáctico y aprendizajes
significativos. Adicional a esto los resultados fueron mejores de los esperados en la prueba final realizada. Por lo que la autora también atribuye como una forma de
incentivar en el aprendizaje significativo mediante el software de simulación electrónica como recurso didáctico.
Al contrastar los resultados con el trabajo realizado en este caso se encontró una relación de Rho de Spearman de positiva media, tal vez se deba a las distintas
dimensiones tomadas para la investigación que los resultados en el punto difirieron. En cuanto al efecto positivo al aplicar las aulas virtuales en el aprendizaje se relación con este resultado.
Además, Bonilla & Bolívar (2015), en los resultados de su tesis, encontraron que “la
mayoría de los estudiantes tienen una actitud positiva hacia los materiales basados en TIC's utilizados en la experiencia”. Por lo que se cree, que al aplicar esta herramienta
107
que se emplea en el a diario de las personas, en especial de los jóvenes, es un facilitador dentro del aprendizaje.
Los resultados obtenidos presentan un grado de relación de las variables de software de simulación electrónicacomo recurso didáctico y aprendizaje significativos, por lo que se puede considerar que la relación es positiva, que se pone de manifiesto en el notable grado de relación en el aprendizaje de los estudiantes de las instituciones educativas. Esto se puede comparar con lo que encontró Boullosa, et al. (2017), en su tesis que “en cuanto a la satisfacción del uso del software de simulación electrónica
como recurso didáctico una gran mayoría de estudiantes manifestaron un alto grado de satisfacción con el uso”. Por lo que se puede mencionar que la implicancia de este estudio fortalece la continuidad de la educación mediante software de simulación electrónicacomo recurso didáctico además que esta herramienta facilita al docente en la publicación de la información además de apoyar en la planificación de actividades que ayuden a alcanzar los objetivos curriculares.
Para, Aguilar (2014), en su tesis obtuvo que “la aplicación del software de simulación electrónicacomo recurso didáctico influyen significativamente en el
aprendizaje de los estudiantes del curso de internados”. También menciona que “si bien es cierto que el empleo de las aulas virtuales para mejorar el aprendizaje no es muy costoso, en la mayoría de los casos, los métodos empleados de manera presencial, han resultado bastante apreciados por los estudiantes”. En lo cual el presente trabajo mide la
influencia del software de simulación electrónicacomo recurso didáctico en el aprendizaje significativos, por lo cual se espera que o solo en cursos específicos se aplique esta herramienta, sino que en mucho otros cursos para que se incentive al estudiante y sea una enseñanza activa y no tradicional.
108
Gonzales & Ortiz (2017), en su tesis mencionó que: “El software de simulación electrónicacomo recurso didáctico como herramienta tecnológica tiene una influencia positiva en el aprendizaje significativa del inglés”, esto reforzado la prueba estadística del valor del coeficiente de Relación Rho de Spearman que reveló en su estudio existe una “relación altamente positiva” entre las variables de software de simulación
electrónicacomo recurso didáctico y aprendizaje significativos. En el cual se relación con el resultado de influencia de las variables software de simulación electrónicacomo recurso didáctico y aprendizaje significativos, en cuanto a la prueba de estadística de Rho de Spearman se tuvo una relación positiva media.
Bizarro (2017), en su tesis consideró que “El software de simulación electrónica como recurso didáctico relación positivamente en el aprendizaje de informática” con pruebas estadísticas de Nagelkerke 0,848 y una significatividad estadística de 0,000. Asimismo tomo como dimensiones el aprendizaje: conceptual procedimental y
actitudinal. Se afirma la relación positiva del aula virtual y el aprendizaje en el trabajo realizado, asimismo con el valor p = 0,000 menor al valor de significancia planteado 0,05.
Surco & Hito (2011), en su tesis que realizó observaron que “El software de
simulación electrónicacomo recurso didáctico como herramienta metodológica influye positivamente para el aprendizaje constructivista de la matemática”, en el estudio
además notaron que eso se debía a que existía una acumulación del dominio y manejo de las herramientas de las TIC’s, también que influían la cooperación y colaboración respecto al tema.
109
Finalmente se espera que este trabajo, ayude en el aporte para el aprendizajes
significativos, así mejorar el aprovechamiento que el software de simulación electrónica como recurso didáctico les ofrece a los estudiantes para reforzar sus conocimientos adquiridos en las aulas.
110 Conclusiones
1. Las pruebas de evaluación utilizadas para determinar los resultados de las variable dependiente: logro de aprendizajes significativos de los estudiantes de la muestra son válidas y confiables..
2. Existe diferencias significativas entre la aplicación del software de simulación
electrónicacomo recurso didáctico y los logros de aprendizajes significativos de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la
Universidad Nacional de Educación, 2017en la medición de inicio (pretest) y la medición hecha al finalizar (postest).
3. Existe diferencias significativas entre la aplicación del software de simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos conceptuales de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017en la medición de inicio (pretest) y la medición hecha al finalizar(postest).
4. Existe diferencias significativas entre la aplicación del software de simulación electrónicacomo recurso didáctico y los logros de aprendizajes significativos procedimentales de los estudiantes del nivel secundario del Colegio Experimental de Aplicación de la Universidad Nacional de Educación, 2017en la medición de inicio