Introducción

En la era actual de la revolución digital, caracterizada por el papel fundamental de la tecnología en entornos sociales, económicos y humanos (Abdulrahim y Mabrouk, 2020; Almaraz et al., 2017; Chinkes y Julien, 2019), surgió en la industria el término de “transformación digital” (Salume et al., 2021), fenómeno que abarca el reenfoque de estrategia, modelos de negocios y la cultura a través de las tecnologías digitales y la innovación, donde sean concebidas nuevas formas de llevar a cabo los negocios (Crespo y Pariente, 2018; Ramírez-Montoya, 2020). Si bien la transformación digital tuvo su origen en el sector industrial, su influencia se extendió al ámbito de la educación superior, donde es conceptualizada como cambios culturales, tecnológicos y del personal, con la finalidad de propiciar nuevos modelos educativos y operativos (Brooks y McCormack, 2020); también esta transformación debe reflejarse en las funciones sustantivas de la universidad (docencia, investigación y vinculación) (Vicario y Llorens, 2020).

Cabe resaltar que esta variable cuenta con múltiples enfoques, pues se estudió bajo diferentes aristas: a nivel aula, donde se aborda el uso de la tecnología para el aprendizaje del estudiante; también es vista como una era, en la que el aprendizaje del alumnado es el tema principal, y por último, visiones amplias que abarcan una variedad de aspectos de la universidad, como lo son la cultura digital, capacidad tecnológica, el liderazgo y la estrategia institucional (González-Gracia et al., 2023). Salume et al. (2021) señalan que existe un vacío acerca de entender cuáles son los elementos o dimensiones relacionados con la transformación digital. Como resultado, existen diversas propuestas de escalas para medirla en instituciones de educación superior y se proponen distintos factores. Khurniawan et al. (2022) basaron su propuesta en alumnado universitario, Tungpantong et al. (2022) en personal de instituciones educativas (ver Tabla 1).

Por tal motivo, el objetivo del presente estudio fue determinar las propiedades psicométricas de la escala para medir la percepción de transformación digital en estudiantes. Para ello se tomó el Modelo para la Transformación Digital de las Instituciones de Educación Superior, propuesto por el Espacio Común de Educación Superior a Distancia (Ecoesad) (García-López et al., 2022). La variable fue definida como un proceso de transición que involucra cambios culturales, operativos y tecnológicos para alcanzar una madurez digital, con la finalidad de mejorar los procesos educativos, administrativos, de investigación y extensión universitaria. Esta transformación se estructura en cinco dimensiones (ver Tabla 2).

Método

Participantes

Para la validez de contenido participaron siete jueces del área de transformación digital y tecnología educativa de diferentes universidades: Universidad de Ciencias y Artes de Chiapas, Instituto Tecnológico de Sonora, Universidad de Sonora, Universidad Autónoma del Estado de Morelos, Universidad Autónoma de Chihuahua y Universidad Autónoma de Yucatán.

En el estudio se obtuvo la participación de 349 estudiantes universitarios de una institución pública del sur de Sonora: 72.50 % (n = 253) mujeres, 26.60% (n = 93) hombres y 0.90% (n = 3) prefirió no mencionar su sexo. Se utilizó un muestreo no probabilístico por conveniencia, ya que los participantes fueron seleccionados dependiendo de su disponibilidad al momento de la recolección de información (Gay et al., 2006); como criterio de inclusión se integraron estudiantes inscritos en programas educativos pertenecientes a la Dirección de Ciencias Sociales y Humanidades, de los semestres agosto-diciembre 2023 y enero-mayo 2024. La edad de los participantes fluctuó desde los 17 hasta los 62 años, con una moda de 20 años. Los semestres fueron: primero con 15.6% (n = 54), segundo con 1.7% (n = 6), tercero con 17.26% (n = 60), cuarto con 15.6% (n = 54), quinto con 9.5% (n = 33), sexto con 18.6% (n = 65), séptimo con 19.2% (n = 67) y octavo con 2.6% (n = 9). En cuanto a su programa educativo de pertenencia, se destacó la Licenciatura en Ciencias de la Educación (31.50%), seguido de la Licenciatura en Psicología (26.40%) y la Licenciatura en Educación Infantil (26.40%); otros programas en menor medida fueron: Maestría en Investigación Educativa (3.70%), Doctorado en Sistemas y Ambientes Educativos (3.70%), Maestría en Investigación Psicológica (2.30%), Licenciatura en Ciencias del Ejercicio Físico (2%), Doctorado en Investigación Psicológica (2%) y Maestría en Psicología (2%).

Instrumento

Se adaptó el instrumento del Modelo básico para la transformación digital (García-López et al., 2022) para evaluar la percepción de transformación digital en estudiantes. Los ítems fueron seleccionados a partir de que los estudiantes los respondieran con base en su experiencia en la institución, lo que resultó en una escala de 43 indicadores en total pertenecientes a cuatro dimensiones: académica, investigación, tecnológica y vinculación, y siete opciones de respuesta: 0 = Muy en desacuerdo, 1 = En desacuerdo, 2 = Algo en desacuerdo, 3 = Ni acuerdo ni desacuerdo, 4 = Algo de acuerdo, 5 = De acuerdo y 6 = Muy de acuerdo.

Procedimiento

Para llevar a cabo el proceso de validez de contenido por juicio de expertos se realizó la invitación a los jueces por correo electrónico, a través del envío individual del formato con la descripción del instrumento. Estos fueron considerados como expertos por el hecho de pertenecer al área de tecnología educativa y haber participado en proyectos relacionados a la transformación digital. Asimismo, no se mencionaron conflictos de intereses entre los mismos.

El proceso fue de la siguiente forma:

1. 1. De forma individual, cada uno realizó una exhaustiva evaluación de los ítems a partir de los criterios brindados en el formato.

   2. Se realizó la recolección de formatos evaluados (se efectuó una eliminación por respuestas erróneas).

   3. Posteriormente se estructuró una base de datos para el vaciado de formatos y el cálculo del índice de concordancia.

Se utilizó el formato de Escobar y Cuervo (2008) para la evaluación de los jueces. En este se realizó la descripción de los instrumentos, la definición de variables y los ítems propuestos para medir su claridad, coherencia, relevancia (por ítem) y suficiencia (por dimensión). Los valores utilizados fueron del 1 (no cumple con el criterio) al 4 (alto nivel) (ver Tabla 3).

Acerca del método de validez de contenido, se empleó el coeficiente de validez de contenido (CVC) de Hernández-Nieto (2002), el cual permitió valorar el grado de acuerdo entre expertos por cada ítem y dimensión. Esto se logró al calcular la media por ítem y posteriormente el CVC de cada uno. Algunos coeficientes que se realizaron fueron el error asignado para cada ítem (Pei), que se obtuvo a partir de la fórmula Pei = (1/j) j, donde j es el número de jueces. También se calculó el CVCi a partir de dividir la media entre la puntuación máxima posible. Con ello fue posible calcular el CVC al restar CVCi - Pei. A partir de ello, los resultados se interpretaron con los criterios establecidos por Hernández-Nieto (2011) (ver Tabla 4).

Posterior a la validez de contenido, la escala fue aplicada en modalidad presencial y virtual a los estudiantes universitarios; algunos responsables de programa enviaron el enlace del formulario de Google a los estudiantes, también se les hizo envío del formulario por parte del equipo de investigadores a través de correo electrónico. En cuanto a la aplicación presencial, a través del formato impreso, esta se llevó a cabo con algunos estudiantes gracias a la accesibilidad de docentes. Con los datos obtenidos se realizó un análisis factorial exploratorio (AFE), un análisis factorial confirmatorio (AFC), y se obtuvo la confiabilidad a través del coeficiente Omega de McDonald (w), para lo cual se utilizaron los programas SPSS versión 27 –con el objetivo de realizar análisis descriptivos e inferenciales– y AMOS –para el modelado de ecuaciones estructurales–.

Resultados

Se llevaron a cabo los procesos de validez de contenido, constructo y concurrente. De acuerdo con Almanasreh et al. (2019), la validez es el grado en que los datos y la teoría respaldan la interpretación de pruebas o escalas. Primeramente, la validez de contenido se trata del grado en que los reactivos de una escala son relevantes y representan el constructo (Almanasreh et al., 2019). La validez de constructo se trata del grado en que la escala aplicada mide la variable objetivo (Haynes et al., 1995), y dentro de la misma se encuentra la validez concurrente, la cual es definida por Furr (2018) como el grado en que se correlaciona el puntaje de la escala con otra variable importante que se mide al mismo tiempo.

Inicialmente, la validez de contenido a través de expertos se realizó a partir de la evaluación de los jueces, quienes también brindaron una revisión cualitativa con propuestas de mejora y reacomodo de los ítems en otras dimensiones. Como resultado se eliminaron y adaptaron ítems; en la Tabla 5 se muestra el instrumento final estructurado con un total de 37 reactivos.

Otra evaluación realizada fue la suficiencia de las dimensiones, en las cuales tres obtuvieron coeficientes en el rango de “excelentes” y una en “bueno”, por lo que se asumió la suficiencia de los ítems. Específicamente, la dimensión académica y la dimensión vinculación obtuvieron un CVC de 0.91 respectivamente, mientras que la dimensión tecnológica obtuvo 0.95, lo que las clasificó como “excelentes”. En cuanto a la dimensión investigación, se ubicó en el rango de “bueno” al tener un CVC de 0.87.

Para realizar la validez de constructo del instrumento final, este se aplicó a la muestra de estudiantes seleccionada, donde los valores de la media oscilaron entre 4.51 y 5.68, lo cual superó la media teórica de 3, esto indicó acuerdo en las afirmaciones sobre la implementación de la tecnología en las distintas dimensiones de la transformación digital en la universidad (académica, investigación, vinculación y tecnológica).

Con respecto a la distribución de los datos, se utilizaron los valores propuestos por George y Mallery (2019) de asimetría y curtosis de -2 a 2. A partir de ello, algunos ítems rebasaron ligeramente el parámetro de asimetría, pero con valores de curtosis elevados (8, 19, 20, 23, 24, 26, 27, 28, 29, 32, 33, 34 y 35), por lo que se asumió una distribución no-normal de los datos.

Posteriormente, se procedió a realizar el AFE con el método de componentes principales y rotación Oblimin. Se determinó la posibilidad de realizar el análisis factorial, pues fue aceptable el valor de la prueba Kaiser-Meyer-Olkin (KMO) de 0.92 y de la prueba de esfericidad de Bartlett (X₂ = 5526.55, p < 0.001) (Cea, 2004). Como criterio de inclusión, se determinó que las cargas factoriales por ítem debían ser ³ 0.30 para un solo factor (Valdés-Cuervo et al., 2019), con ello se procedió a eliminar ítems que no cumplieron este criterio, que no se encontraran relacionados a ningún factor o que cargaran a varios factores con un coeficiente similar. Para el caso de las comunalidades se buscó ³ 0.30 (Cea, 2004).

En el análisis se establecieron cuatro factores, que explicaron un 54.8% de la varianza de los puntajes de la escala. La cantidad de varianza por factores fue la siguiente: el primer factor, estructurado por diez ítems, presentó 11.20 unidades cuadradas, con lo que explicó el 37.36% de la varianza; el segundo, compuesto de seis ítems, obtuvo 2.25 unidades, que explicó un 7.50%; el tercero, de siete ítems, tuvo 1.69 unidades, con lo que representó un 5.64%, y el cuarto, de siete ítems, con 1.28 unidades, correspondió a un 4.29% (ver Tabla 6).

Por consiguiente, se realizó un AFC con el objetivo de examinar la estructura de las dimensiones de la escala; se tomaron en cuenta los cuatro factores y un total de 30 ítems (resultado del AFE). Debido a que se agruparon ítems de otras dimensiones, se evitó el nombre de las dimensiones para llamarlos factores (ver Figura 1).

Figura 1
Estructura factorial de modelo inicial
Fuente: Elaboración propia.

En el AFC se utilizó el método de estimación de máxima verosimilitud (ML), un intervalo de confianza del 95% y un bootstrap con 500 repeticiones para abordar problemas de normalidad. Se evaluaron los siguientes indicadores de ajuste (Valdés-Cuervo et al., 2019):

1. • X₂ (Chi-cuadrada, p > 0.001).

   • SRMR (raíz cuadrada del residuo estandarizado, < 0.05).

   • TLI (índice de Tucker-Lewis, > 0.90).

   • CFI (índice de ajuste comparativo, > 0.95).

   • RMSEA IC 90% (error de la raíz cuadrada de la media aproximada con sus intervalos de confianza < 0.05 buen ajuste, > 0.05 y < 0.80 son considerados aceptables).

Para la confiabilidad de las escalas se calculó el coeficiente w, esperando obtener valores de ³ 0.70 para indicar buena confiabilidad (Green, 2015). El modelo propuesto inicialmente no se adecuó, por lo que se realizaron ajustes sugeridos por los índices de modificación para alcanzar los parámetros establecidos, con lo que fueron suprimidos ocho ítems (11, 15, 20, 26, 27, 30, 33 y 34). Se comprobó el ajuste del modelo de medición: X₂ = 338.09, gl = 199, p = 0.000; SRMR = 0.04; CFI = 0.96; AGFI = 0.90, TLI = 0.95; RMSEA = 0.04, 90% CI [0.03 - 0.05]); asimismo, cargas factoriales que variaron de 0.45 a 0.86, que fueron significativas (p < 0.001, ver Figura 2).

Figura 2
Modelo factorial de la escala de transformación digital
Fuente: Elaboración propia.

En la Tabla 7 se presentan los factores con los ítems restantes de los análisis factoriales.

Después de confirmar el modelo se llevó a cabo el procedimiento de validez concurrente, definida por Furr (2018) como el grado en que se correlacionan los puntajes de las pruebas con variables importantes medidas al mismo tiempo. Para ello se utilizó la variable de aceptación de la tecnología del Modelo de aceptación tecnológica (TAM), esta propone que las personas adoptan nueva tecnología si la perciben como útil en el logro de sus objetivos y si consideran que su uso es sencillo; cuenta con dos dimensiones: percepción de utilidad y facilidad de uso percibida (Davis, 1989).

Si bien las investigaciones recientes no relacionan directamente a la transformación digital y la aceptación de la tecnología, un pequeño número de estudios utilizó el modelo TAM para medir indirectamente aspectos relacionados con la transformación digital, como el realizado por Pham et al. (2021), en el que emplean la utilidad y facilidad de uso percibida mediadas por la actitud para la preparación hacia lo digital por estudiantes universitarios. Saifunnasrullah y Budiman (2023) utilizaron el TAM para comprender la forma en que los empleados aceptan y adoptan las tecnologías digitales que abarca la transformación digital en este sector. Por su parte, Gkrimpizi et al. (2023) encontraron que una de las barreras de la transformación digital es la aceptación de nuevos sistemas, pues es posible que algunas personas perciben los cambios tecnológicos como algo complicado.

Dado lo anterior y al considerar la distribución anormal de los datos, se realizó un análisis de correlación de Rho de Spearman para examinar la relación entre las variables transformación digital y aceptación de la tecnología. Se encontró una correlación positiva y significativa, con fuerza alta entre las dos variables (r = 0.48**, p < 0.01) (Funder y Ozer, 2019), lo que significó que a medida que la percepción de transformación aumenta, también lo hace la aceptación de la tecnología. Este hallazgo respalda la validez concurrente de la escala, pues mide de forma efectiva el constructo.

Por otro lado, los resultados de los coeficientes de confiabilidad revelaron que tanto las dimensiones como la escala mostraron evidencias fiables (ver Tabla 8).

Discusión y conclusiones

En la validación de contenido, ambas escalas fueron evaluadas como “bueno” y “excelente”, tanto por cada ítem como por dimensión. Además, la valoración cualitativa de los jueces permitió un mejor ajuste de los reactivos, gracias a sus recomendaciones de redacción y de unificar ítems que, a su percepción, eran similares. Con ello se redujo la cantidad de reactivos en la escala, por lo que quedó compuesta por 37 reactivos.

Respecto a la validez de constructo, a partir del AFE y AFC se demostró que el instrumento mide la variable de transformación digital a través de 22 ítems en total, agrupados en cuatro factores: dimensión académica, con siete ítems; dimensión vinculación, con cinco; dimensión tecnológica, con cinco también, y finalmente la dimensión investigación, con cinco reactivos. Cabe resaltar que si bien con el AFE los nombres de los factores estuvieron propensos a reestructurarse, pues se agruparon ítems distintos provenientes de otros factores, con el AFC se eliminaron distintos reactivos, donde la estructura final de ítems coincidió nuevamente con los factores iniciales, por lo que se conservaron los nombres propuestos.

En contraste con otras escalas, el presente estudio propone una estructura factorial de cuatro dimensiones en lugar de cinco al realizar su estudio también con alumnos (Khurniawan et al., 2022; Pham, 2023). Resaltan a su vez algunas similitudes, como lo son tomar en cuenta factores que involucran el aprendizaje del estudiante; Khurniawan et al. (2022) lo abordan como “plan de estudios y métodos de impartición”, Pham (2023) como “conocimiento”, García-López et al. (2022) como “dimensión académica”. Las “condiciones facilitadoras” que propone Pham (2023) coinciden con “infraestructura y recursos” de Khurniawan et al. (2022) y con la “dimensión tecnológica” de García-López et al. (2022). Por otro lado, también se encuentran diferencias, como el hecho de que Pham (2023) incluye un factor de “intención conductual”, y Khurniawan et al. (2022) nombra un factor como “evaluación”. Por último, a diferencia de los anteriores autores, en la escala propuesta de este estudio no se propone un factor que haga referencia hacia la estrategia, política, gestión o gobernanza institucional.

Acerca de la relevancia científica del estudio, este hallazgo aportó información al campo de la transformación digital en la universidad, pues abordó otra perspectiva para medir el constructo a través de los estudiantes. Sobre la relevancia social, los resultados indicaron que existe la posibilidad de que la aceptación de la tecnología sea importante en los procesos de la transformación digital, debido a que puede considerarse como un factor que influye positiva o negativamente en la transformación de las instituciones.

Finalmente, como limitación del estudio se encuentra que los participantes pertenecieron mayormente a licenciaturas como Psicología y Ciencias de la Educación, por lo que el muestreo por conveniencia no reflejó a la población objetivo; por tanto, es difícil la generalización de los resultados. Para futuras investigaciones se recomienda ampliar el tamaño de la muestra con el fin de facilitar la generalización de resultados; además se podría revisar la posibilidad de incluir en el modelo una dimensión relacionada a la gestión o política en la universidad, pues existen otros autores que sí abordan esta perspectiva.

Referencias

Abdulrahim, H., y Mabrouk, F. (2020). COVID-19 and the digital transformation of Saudi higher education. Asian Journal of Distance Education, 15(1), 291-306. https://doi.org/10.5281/zenodo.3895768

Almanasreh, E., Moles, R., y Chen, T. F. (2019). Evaluation methods used for estimating content validity. Research in Social and Administrative Pharmacy, 15(2), 214-221. https://doi.org/10.1016/j.shapharm.2018.03.066

Almaraz, F., Maz, A., y López, C. (2017). Análisis de la transformación digital de las instituciones de educación superior. Un marco de referencia teórico. Edmetic, Revista de Educación Mediática y TIC, 6(1), 181-202. https://dialnet.unirioja.es/servlet/articulo?codigo=5911340

Brooks, C., y McCormack, M. (2020). Driving digital transformation in higher education. Educause. https://www.educause.edu/focus-areas-and-initiatives/digital-transformation

Cea, M. A. (2004). Análisis multivariable. Teoría y práctica en la investigación social. Síntesis.

Chinkes, E., y Julien, D. (2019). Las instituciones de educación superior y su rol en la era digital. La transformación digital de la universidad: ¿transformadas o transformadoras? Ciencia y Educación, 3(1), 21-33. https://doi.org/10.22206/cyed.2019.v3i1.pp21-33

Crespo, B., y Pariente, E. (2018). Barómetro sobre la madurez digital en España 2018. IE Business School. Divisadero. https://circulodeempresarios.org/transformacion-digital/wp-content/uploads/PublicacionesInteres/11.barometro-madurez-digital-espana-2018.pdf

Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008

Escobar, J., y Cuervo, A. (2008). Validez de contenido y juicio de expertos: una aproximación a su utilización. Avances en Medición, 6(1), 27-36. https://www.researchgate.net/publication/302438451_Validez_de_contenido_y_juicio_de_expertos_Una_aproximacion_a_su_utilizacion

Funder, D., y Ozer, D. (2019). Evaluating effect size in psychological research: Sense and nonsense. Advances in Methods and Practices in Psychological Science, 2(2), 156-168. https://www2.psych.ubc.ca/~schaller/528Readings/FunderOzer2019.pdf

Furr, R. M. (2018). Psychometric. An introduction (3a. ed). Sage.

Gay, L. R., Mills, G. E., y Airasian, P. (2006). Educational research. Competencies for analysis and applications (8a. ed.). Pearson.

García-López, R., Cavazos Salazar, R. L., Guzmán Games, F. J., Fraire Santiesteban, R. G., Ramos Villalobos, A., y Loretto Castillo, T. Z. (2022). Propuesta de un modelo para la transformación digital de las instituciones de educación superior. En R. S. Cavazos Salazar, M. I. Madero Villanueva, J. L. Martínez, A. K. Hernández Romo y M. Sánchez Mendiola (coords.), Ecoesad 15 años de colaboración para la transformación del aprendizaje (pp. 25-44). Espacio Común de Educación Superior a Distancia. https://cuaed.unam.mx/descargas/eBook_ECOESAD_15_ANIV.pdf

George, D., y Mallery, P. (2019). IBM SPSS Statistics 25. Step by step. A simple guide and reference (15a. ed.). Routledge.

Gkrimpizi, T., Peristeras, V., y Magnisalis, I. (2023) Classification of barriers to digital transformation in higher education institutions: Systematic literature eeview. Education Science, 13(7), 1-24. https://doi.org/ 10.3390/educsci13070746

González-Gracia, G., García López, R. I., y Ocaña Aquino, D. (2023). Transformación digital en las universidades: un análisis teórico. En A. Escudero-Nahón y R. Palacios-Díaz (coords.), Horizontes de la transformación digital (pp. 441-452). Transdigital. https://doi.org/10.56162/transdigitalb18

Green, S. B. (2015). Evaluation of dimensionality in the assessment of internal consistency reliability: Coefficient alpha and omega coefficients. Educational Measurement: Issues and Practice, 34(4), 14-20. https://doi.org/10.1111/emip.12100

Haynes, S. N., Richard, D. C. S., y Kubany, E. S. (1995). Content validity in psychological assessment: A functional approach to concepts and methods. Psychological Assessment, 7(3), 238-247. https//doi.org/10.1037/1040-3590.7.3.238

Hernández-Nieto, R. A. (2002). Instrumentos de recolección de datos en ciencias sociales y ciencias biomédicas. Universidad de los Andes.

Hernández-Nieto, R. (2011). Instrumentos de recolección de datos en ciencias sociales y ciencias biomédicas: validez y confiabilidad. Diseño y construcción. Normas y formatos. Universidad de los Andes.

Khurniawan, A. W., Irmawaty, y Erda, G. (2022). A second order confirmatory factor analysis of the digital transformation for a distance education institution. International Journal of Education and Practice, 10(4), 381-392. https://eric.ed.gov/?id=EJ1390652

Pham, H. T. (2023). Determinants of digital transformation adoption in education: An evaluation of a post-pandemic case study in Vietnam, JETT, 14(2), 473-486. https://dialnet.unirioja.es/servlet/articulo?codigo=8932188

Pham, H., Tran, Q. N., La, G. L., Doan, H. M., y Vu, T. D. (2021). Readiness for digital transformation of higher education in the Covid-19 context: The dataset of Vietnam’s students. Data in Brief, 39, 1-10. https://doi.org/10.1016/j.dib.2021.107482

Ramírez-Montoya, M. S. (2020). Transformación digital e innovación educativa en Latinoamérica en el marco del COVID-19. Campus Virtuales, 9(2), 123-139. http://uajournals.com/ojs/index.php/campusvirtuales/article/view/744

Saifunnasrullah, A., y Budiman, K. (2023). Digital transformation analysis in the manufacturing module in aluminium companies using the TAM method. Journal of Advances in Information Systems and Technology, 5(1), 49-63. https://doi.org/10.15294/jaist.v5i1.66567

Salume, P., Barbosa, M., Pinto, M., y Sousa, P. (2021). Key dimensions of digital maturity, a study with retail sector companies in Brazil. Revista de Administração Mackenzie, 22(6), 1-30. https://doi.org/10.1590/1678-6971/eRAMD210071

Tungpantong, C., Nilsook, P., y Wannapiroon, P. (2022). Factors influencing digital transformation adoption among higher education institutions during digital disruption. Higher Education Studies, 12(2), 9-19. https://eric.ed.gov/?id=EJ1345171

Valdés-Cuervo, A. A., García Vázquez, F. I., Torres Acuña, G. M., Urías Murrieta, M., y Grijalva Quiñonez, C. S. (2019). Medición en investigación educativa con apoyo del SPSS y el AMOS. Clave Editorial. https://www.itson.mx/publicaciones/Documents/ciencias-sociales/MEDICIÓN%20EN%20INVESTIGACIÓN%20(1).pdf

Vicario, C. M., y Llorens, F. (2020, sep. 25). Transformación digital universitaria en educación [Sesión de conferencia]. RedClara. https://cudi.edu.mx/eventos/transformacion-digital-universitaria-en-educacion

Notas de autor