DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO.

50 %
50 %
Information about DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS...

Published on November 30, 2016

Author: RoussellRamirezAlvar

Source: slideshare.net

1. DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO. R. Ramírez Alvarez1 , F. Fachin Morí2 y I. Rondona3 1 Instituto de Investigaciones de la Amazonia Peruana. Av. Abelardo Quiñones km. 2.5, San Juan Bautista, Loreto, Perú. E-mail: rramirez@iiap.org.pe 2 Facultad de Ingeniería de Computación e Informática, Universidad Privada de la Selva Peruana. Jr. San Martin 230. E-mail: francia251294@gmail.com 3 Instituto de Investigaciones de la Amazonia Peruana. Av. Abelardo Quiñones km. 2.5, San Juan Bautista, Loreto, Perú. E-mail: irondona@hotmail.com

2. RESUMEN DETERMINACION VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO Este estudio busca encontrar mediante estudios estadísticos de análisis de correspondencia, variables de conocimiento que sugieran un mayor impacto al uso de las TIC en zonas rurales de Loreto. Además, comprobar la existencia de correlación entre las variables de conocimiento y el real uso de las TIC. El levantamiento de información se realizó en el año 2011, entrevistando a 255 personas de zonas rurales en cuatro provincias del departamento de Loreto. Se utilizaron las herramientas SAS for Windows y SPSS 20, con el primero se hizo el análisis de correspondencia múltiple, en la que se determinaron ocho (08) variables optimizadas que contribuyan en un 84,86% al Chi-cuadrado estadístico y por ende sugieren un mayor impacto al uso de las TIC y, la segunda herramienta nos permitió comprobar el alto nivel de confiabilidad superior al 85% (σ2 ≥0,85), en la correlación de nuestras variables de conocimiento y el uso de las TIC en zonas rurales de Loreto. Palabras clave: TIC, variables de conocimiento, análisis de correspondencia. 2

3. RESUMO DETERMINAÇÃO PARA ESTUDOS RELEVANTES VARIÁVEIS, CONHECIMENTO IMPACTO DAS TIC EM QUATRO PROVÍNCIAS DE LORETO Este estudo visa encontrar estudos estatísticos por análise de correspondência, as variáveis de conhecimento que sugerem um impacto maior sobre a utilização das TIC nas zonas rurais de Loreto. Além disso, verifique se há correlação entre as variáveis de conhecimento e utilização efectiva das TIC. A coleta de informações foi realizada em 2011, entrevistando 255 pessoas nas áreas rurais em quatro províncias do departamento de Loreto. SAS e SPSS for Windows 20 foram usadas, com a primeira análise de correspondência múltipla na qual oito (08) variáveis otimizadas que contribuem 84,86% para uma estatística qui-quadrado e, portanto, foi determinada sugerem um impacto maior sobre a utilização das TIC e da segunda ferramenta nos permitiu verificar o alto nível de confiabilidade superior a σ2 ≥0,85, nas variáveis de correlação de nosso conhecimento e utilização das TIC nas zonas rurais de Loreto. Palavras-chave: TIC, variáveis de conhecimento, análise de correspondência. 3

4. INTRODUCCIÓN “Las tecnologías de la información y de las comunicaciones (TIC) han experimentado un desarrollo espectacular a lo largo de los últimos veinte años y han impulsado innovaciones que afectan a todos los ámbitos de la economía y de la sociedad” (Rovira, et al., 2013). Se puede afirmar que la utilización de estas tecnologías representa hoy una oportunidad para generar beneficios que pueden aportar de manera significativa no sólo al crecimiento económico, sino también a los procesos de inclusión social a través de mejores servicios en educación, salud y gestión gubernamental. 4

5. “Las nuevas tecnologías están derribando barreras, ampliando diálogos y alterando el contenido de las relaciones entre los sectores públicos, privado y sociedad civil. Los países han registrado en los últimos años un crecimiento exponencial en la incorporación de la TIC”. Tales como el acceso a Internet, redes de datos, servicios en línea, telefonía celular y satelital, gobierno electrónico y comercio electrónico (CEA, et al., 2003). Este proceso interactivo e interrelacionado de cambio económico y transformación social nos conduce hacia un nuevo tipo de economía y de sociedad: la economía y la sociedad del conocimiento (Perez, 2002; Stehr, 2002; Rodrigues, 2002). La economía del conocimiento es, pues, el análisis del comportamiento y los hechos derivados de la aplicación económica del saber (Torrent, 2002). Y esto no significa únicamente que la actividad económica incorpore el conocimiento científico y tecnológico, sino que también abarca al conocimiento técnico y a las habilidades, fácilmente transmisibles o no, de los agentes económicos (Vilaseca & Torrent, 2005). 5

6. Sin embargo, para que la sociedad del conocimiento se exprese en su máxima expresión, debemos observar en un peldaño anterior y ver en la Sociedad de la Información el medio para lograr el conocimiento global y nuestra civilización se encamine a ello. La sociedad de la información se entiende como un estadío de desarrollo que permite el intercambio de información de forma instantánea, desde cualquier lugar y en la forma que se prefiera (Oliart, 2002), supone la existencia de una sociedad que se estructura y ordena en función de las TIC y “convierte a la información en un factor de producción, intercambio y consumo” (Giner, 2004) así como en fuente de productividad y poder (Castells, 1999). Diversas construcciones teóricas y evidencia científicas sustentan el impacto positivo de las TIC en la dinamización económica de las áreas rurales, como es el caso en el uso de celulares en la India (Jensen, 2007), Nigeria (Aker, 2010) o el empleo de cabinas de internet en pueblos en Madhya Pradesh, en la India (Goyal, 2010). En el Perú, estudios realizados en áreas rurales, principalmente de la sierra, dan cuenta que las TIC inciden indirectamente en la productividad, en el incremento de los precios de los productos para los agricultores (Cuanto, 2009), (Barrantes & Fernández 2012), (Ruiz, 2009), (Fernández & Medina 2011) e incremento de los salarios y empleabilidad (Katz, 2009). Según Luis Bonifa (2011), exdirector de FITEL, el objetivo principal de lograr la conexión de las zonas rurales del Perú es incorporarlas a la sociedad de la información. Esta conexión de las zonas rurales no debe quedarse solo en el acceso a Internet sino también en lograr que los usuarios lleguen a colocar páginas web, poder manejar cuentas de correo y tener una capacitación inicial 6

7. básica. Debe ser posible llevar cualquier tipo de información a las zonas más alejadas, contribuyendo de esta manera a la creación de la sociedad de la información que es tan necesitada en zonas rurales. El desarrollo de las telecomunicaciones, ha permitido a las pequeñas y medianas empresas, en los últimos tiempos, competir en la economía mundial. Asimismo, permiten que los gobiernos y los institutos académicos y de investigación aprovechen la riqueza de la información, la educación, las bibliotecas y las redes de conocimientos en línea, que ya son accesibles a través de las redes informáticas. (Sánchez, 2006). Este aprovechamiento es necesario también en las zonas rurales, porque necesitan estos servicios, para compensar el aislamiento geográfico y cultural (Fachin, 2015). Sólo entonces aprovecharía plenamente la comunidad mundial el potencial de las telecomunicaciones como instrumentos del desarrollo sostenible y del desarrollo de los recursos y de los mercados potencialmente inmensos que representan las poblaciones rurales de los países en desarrollo. (Sánchez, 2006). En 2003 los países integrantes de la Conferencia de Estadística de las Américas (CEA) y del cual el Perú es miembro, buscaron identificar una matriz indicadores para medir las TIC y, de esta manera incorporarlos en sus planes estadísticos nacionales. Esta matriz de indicadores denominada “Indicadores de la Sociedad del Conocimiento”, muestra 31 indicadores de medición en cuatro aristas divididas en Telecomunicaciones, Informática y Servicios de alto valor agregado, Educación y Ciencia y Tecnología. Todos estos indicadores fueron tomados en cuenta en la Encuesta Nacional de Hogares en 2008 (INEI, 7

8. 2015) y son visualizados en el Sistema Regional de Toma de Decisiones SIRTOD. Sin embargo, ¿Será posible afirmar que el número total de indicadores optimizados fuese menor y, que no se pierda la confiabilidad, ni significancia de la información recopilada en los trabajos de campo realizados en el Instituto de Investigaciones de la Amazonia Peruana, para medir el uso e impacto de las TIC en zonas rurales de Loreto?. Este estudio busca afirmar esa interrogante y, encontrar mediante estudios estadísticos de análisis de correspondencia múltiple, indicadores que sugieran un mayor impacto al uso de las TIC en zonas rurales de Loreto. Y, mediante análisis de correspondencia simple determinar la existencia de correlación entre las variables de conocimiento sugeridos por INEI y el real uso a las TIC en zonas como Loreto que, como lo dijo Fachin (2015) están geográficamente están aisladas. 8

9. MATERIAL Y MÉTODO SAS SYSTEM FOR WINDOWS V8 El sistema SAS es un sistema integrado de programas independientes del hardware desarrollados por el SAS Institute, para el procesamiento y análisis de las necesidades de información en los negocios, la industria, la educación y el gobierno. El funcionamiento del SAS se centra alrededor de cuatro tareas dirigidas a datos almacenados denominados “datasets”: 1) Acceso a datos, crear y acceder los datos que se requieren (Bases de datos, Ficheros de datos planos, Comunicaciones entre datos). 2) Manejo de datos, da a los datos el formato que la aplicación requiere (Introducción y edición de datos, Recuperación de datos, Formateo y conversión de datos). 3) Análisis de datos, totaliza, reduce o transforma los datos planos en información útil y significativa (desde Estadísticas descriptivas simples, Inferencia estadística, Predicción y construcción de modelos, Programación lineal hasta sofisticadas técnicas multivariantes). 4) Presentación de datos, comunica información de forma que su significado se aprecia claramente (Creación de tablas e informes, Gráficos de análisis, Correspondencia de negocios y reportes impresos tanto en pantalla como en papel). Aplicaremos esta herramienta para uso de análisis multivariante en análisis de correspondencias múltiples para determinar variables optimizadas que contribuyan al Chi-cuadrado estadístico de la matriz de correspondencia. 9

10. IBM SPSS statistics 20 SPSS es un programa estadístico informático muy usado en las ciencias sociales y las empresas de investigación de mercado. Originalmente SPSS fue creado como el acrónimo de Statistical Package for the Social Sciences aunque también se ha referido como "Statistical Product and Service Solutions" (Pardo, A., & Ruiz, M.A., 2002, p. 3). Es uno de los programas estadísticos más conocidos teniendo en cuenta su capacidad para trabajar con grandes bases de datos y un sencillo interface para la mayoría de los análisis. Aplicaremos esta herramienta para demostrar la relación entre las variables de conocimiento y las variables registradas en zonas rurales amazónicas. Área de estudio El área de estudio fueron cuatro provincias y 11 distritos del departamento de Loreto, entre ellas están: 1) Alto Amazonas y sus distritos de Lagunas y Yurimaguas. 2) Datem del Mararón y sus distritos de Barranca, Morona y Pastaza. 3) Mariscal Ramón Castilla y sus distritos de Ramón Castilla, San Pablo y Yavari. 4) Maynas y sus distritos de Belén e Iquitos. El departamento de Loreto ocupa una superficie de 368 852 km2 , que representa el 28,7 por ciento del territorio nacional, ubicándose en el primer puesto dentro del ranking de extensión por departamentos (BCRP, 2015). Loreto está dividido en 7 provincias y 51 distritos, en los cuales viven 705 de las 1 786 comunidades indígenas existentes a nivel nacional. El territorio departamental de Loreto pertenece al denominado "Llano Amazónico", cuya altitud más baja es de 61 msnm y la más alta 220 msnm; sin 10

11. embargo, se distinguen dos tipos de terrenos: aluvial y colinoso, en los cuales se identifican islas, playas, orillares, meandros, terrazas y colinas bajas. Análisis de correspondencia Para dar solución a los objetivos de investigación se aplicará el método estadístico de análisis de correspondencia. Que es una de las técnicas de los métodos factoriales que analiza la asociación entre dos o más variables categóricas. A través del análisis de correspondencia simple (ACS) aplicado a las tablas de contingencia se construyen las representaciones de las asociaciones entre filas y columnas de tablas, basados en la distancia σ2 (chi- cuadrado). Se trata de tablas de efectivos, obtenidos cruzando las modalidades de dos variables cualitativas definidas sobre una misma población de n individuos Escofier & Pages (1992). Por otra parte con el análisis de correspondencia múltiple (ACM), el cual es una extensión del dominio de aplicación del ACS, se describen grandes tablas de variables categóricas, representando las categorías de las variables como puntos en un espacio de pocas dimensiones Clausen (1998). Un requisito fundamental para este tipo de análisis es la obtención de los valores y vectores propios, y por ende las coordenadas sobres los ejes factoriales que permiten la interpretación de las asociaciones entre las variables categóricas. Esta investigación presentará una metodología de estimación de los valores y vectores propios de las matrices por diagonalizar en los análisis de correspondencia simple y múltiples, a partir de una muestra probabilística. Con ellos se obtienen los ejes, las coordenadas factoriales y las 11

12. relaciones de transición entre los espacios, la estimación, de la inercia, las contribuciones y los cosenos cuadrados. Lo que se tiene entonces es una complementación entre los diseños de muestreo probabilístico tomada de alguna población bajo estudio, sino también inferir acerca de dicho comportamiento y el grado de asociación entre las variables de estudio, siguiente la metodología dada por Martínez (1998). Alfa de Cronbach El coeficiente alfa fue descrito en 1951 por Lee J. Cronbach. Es un índice usado para medir la confiabilidad del tipo consistencia interna de una escala, es decir, para evaluar la magnitud en que los ítems de un instrumento están correlacionados Cortina (2002), En otras palabras, el alfa de Cronbach es el promedio de las correlaciones entre los ítems que hacen parte de un instrumento Streiner (2003). Valores de alfa de Cronbach entre 0,70 y 0,90 indican una buena consistencia interna. La determinación del alfa de Cronbach se indica para escalas unidimensionales entre tres y veinte ítems Heidi Celina Oviedo & Campo (2005) Dónde: • es el número de ítems • es el promedio de las correlaciones lineales entre cada uno de los ítems (se tendrán pares de correlaciones). 12

13. Contribución de Chi-cuadrado estadístico de las variables de estudio. Las variables independientes que contribuyan hasta en un 90% a la sumatoria total del Chi-cuadrado estadístico se detallarán como significativas para validar los estudios de la investigación. Las variables que representen el 10% o menos serán descartadas. Nivel de correspondencia entre variables Se hará análisis de correspondencia simple entre las variables significativas y la variable dependiente. Para conocer la causa-efecto del uso de las TIC y los pobladores rurales amazónicos. Si la varianza o inercia es superior al 85% se dará por correlacionada a las variables estudiadas. Índice de encuestas validas: Es la función entre el número de registros realizados en la base de datos SPSS entre número de encuestas realizadas. 13

14. Índice de pobladores rurales amazónicos con uso de TIC Es la función entre el número de pobladores rurales con acceso y uso a las TIC y el número total de pobladores encuestados. 14

15. RESULTADOS Y DISCUSIÓN 1) Análisis de fiabilidad de encuestas realizadas Para determinar la fiabilidad de la encuesta desarrollada en zonas rurales del departamento de Loreto, se realizó una prueba de Alfa de Cronbach a sus 12 ítems o variables de investigación. De ellas, se obtuvo como resultado un alfa de 0,495 en 20 elementos tomados como muestra – nuestra encuesta no paso la prueba –, para incrementar nuestro valor alfa a un 0,7 y, considerar el modelo de encuesta fiable, realizamos un posterior análisis bivariante para determinar la correlación de Pearson entre las 12 variables y encontramos que las variables X1, X10 y X11 tienen valores negativos a los que se considera Reactivo Negativo4 . Al invertir las variables X1, X10 y X11, se obtiene un Alfa de Cronbach 0,713. Con lo cual se considera fiable el modelo de encuesta realizadas en zonas rurales en Loreto. Tabla 1 2) Análisis de correspondencia múltiple Para realizar esta prueba se utilizó la herramienta estadística SAS System for Windows v8. Y el método estadístico fue el de análisis de correspondencia múltiple (ACM). Con la ayuda de este método a través de la contribución de la sumatoria de Chi-cuadrados de cada variable, se pudo realizar la discriminación de las variables independientes no relevantes – que serán desechadas – en cuyo caso el peso no sea representativo para el análisis. Y, conocer con exactitud las variables de conocimiento, que sí son relevantes y 4 Reactivo negativo, se le considera también un ítem invertido porque va en sentido contrario a la sumatoria total de las variables. Es un instrumento en una escala tipo Likert. Ejemplo de un reactivo negativo: ¿Cuánto te molesto tener que esperar el tiempo de la encuesta? 15

16. con las que analizaremos de forma separada con la variable de uso de las TIC en zonas rurales de Loreto. Se ingresaron 255 filas correspondientes al total de encuestados en Loreto dentro de la herramienta estadística SAS (Figura 1). Para ello, se tomaron como atributos las variables independientes X1, X2, X3, X4, X5, X6, X7, X8, X9, X10, X11 y X12 (Tabla 2). Figura 1   Tabla 2 Los resultados arrojados por SAS System son ocho (08): 1) Tabla de Contingencia, 2) Valores Esperados, 3) Valores Mínimos observados, 4) Contribución al Chi-Cuadrado, 5) Perfiles de Fila, 6) Perfiles de Columna, 7) Resultados de Fila y 8) Resultados de Columna. Para la extracción de variables se aplica el método Contribución al Chi- Cuadrado, que busca hallar combinaciones lineales de las variables originales que expliquen la mayor parte de la variación total. Es decir, aquella variable que muestre la menor sumatoria de su Chi-cuadrado no variará el resultado o simplemente resultará menos significante para el estudio. La matriz de resultados (Tabla 3) nos muestra la sumatoria del Chi-cuadrado por filas (Personas encuestadas) y por columnas (Variables de estudio). Como se pretende desechar a la variable o las variables menos representativas se tomará en cuenta quién o quiénes tienen menor contribución a la sumatoria total del Chi-cuadrado estadístico según la sumatoria de sus columnas. Tabla 3 16

17. Las variables de conocimientos no discriminadas y adaptadas para la realidad rural de Loreto son: X1, X2, X3, X6, X7, X9, X10 y X11 con una proporción del 84,86%. Y las variables que ha sido desechadas por su baja significancia en el estudio son: X4, X5, X8 y X12, que sólo representan el 15,14% de los datos significativos para el estudio. 3) Nivel de correspondencia entre variables Se analizará la variable Uso de TIC en zonas rurales – a un nivel de correspondencia simple – con las ocho variables de conocimiento significativas que han sido previamente discriminadas. Se presente el siguiente resumen de operacionalizaciòn de variables (Tabla 4) Tabla 4 X3: Actividades desarrolla al conectarse internet Con un 88.3% de confiabilidad (Tabla 5) se puede demostrar la correlación entre la variable X3 y el uso de las TIC en zonas rurales de Loreto (Figura 2). Tabla 5 Figura 2 17

18. Los resultados muestran una relación directamente proporcional del excelente uso de las TIC en zonas rurales y la necesidad de búsquedas de información como: Créditos y Financiamientos, Mejorar la productividad, Precios de Productos y Costo de Transporte. En contraparte que existe un uso malo o deficiente de las TIC cuando se busca información respecto a Cómo contrarrestar Plagas y, Qué y cómo producir. X6: ¿De dónde accede con más frecuencia? Con un 99,7% de confiabilidad (Tabla 6) se puede demostrar la correlación entre la variable X6 y el uso de las TIC en zonas rurales de Loreto (Figura 3). Tabla 6 Figura 3 El uso de las TIC en zonas rurales es excelente cuando se encuentra en el trabajo u oficina, bueno cuando se encuentran en casa y, tiene un uso deficiente cuando se encuentra del ámbito comunal. X7: Con el uso de las TIC, ¿Generalmente con quién se comunican? Con un 99,9% de confiabilidad (Tabla 7) se puede demostrar la correlación entre la variable X7 y el uso de las TIC en zonas rurales de Loreto (Figura 4). Tabla 7 Figura 4 18

19. El uso de las TIC en zonas rurales es excelente cuando la comunicación se da entre familiares, bueno cuando la comunicación se da entre amigos, deficiente si es entre familiares y mala en otros casos. X9: Con el uso de las TIC, ¿G En qué casos lo considera más útil las TIC? Con un 97,2% de confiabilidad (Tabla 8) se puede demostrar la correlación entre la variable X9 y el uso de las TIC en zonas rurales de Loreto (Figura 5). Tabla 8 Figura 5 El uso de las TIC en zonas rurales es excelente cuando lo utilizan para la búsqueda de información y para realizar negocios locales, el uso es bueno para realizar trabajos del colegio o atender alguna emergencia y, es deficiente para informase de temas de salud. X10: Con el uso de las TIC y la Mejor Manera de Obtener Información Con un 93,4% de confiabilidad (Tabla 9) se puede demostrar la correlación entre la variable X10 y el uso de las TIC en zonas rurales de Loreto (Figura 6). Tabla 9 Figura 6 19

20. El uso de las TIC en zonas rurales es excelente siempre y cuando esté ligado a las necesidades para obtener información y para ellos Internet es la principal forma, un uso bueno de TIC le da la televisión y un deficiente uso se le da a la Radio. X11: Con el uso de las TIC en correlación al grado de instrucción Con un 98,1% de confiabilidad (Tabla 10) se puede demostrar la correlación entre la variable X11 y el uso de las TIC en zonas rurales de Loreto (Figura 7). Tabla 10 Figura 7 El uso de las TIC en zonas rurales es excelente cuando el usuario posee grado de instrucción superior universitario, le da un uso bueno cuando el usuario posee grado de instrucción superior técnico, deficientes si tienen solo estudios secundarios y le da un mal uso cuando solo posee estudios primarios. X1: Con el uso de las TIC en correlación al costo del Internet. Con un 96,2% de confiabilidad (Tabla 11) se puede demostrar la correlación entre la variable X1 y el uso de las TIC en zonas rurales de Loreto (Figura 8). Tabla 11 Figura 8 20

21. El uso de las TIC en zonas rurales es excelente cuando el costo del servicio es caro, la sensación que el costo está bien cuando el uso es bueno y deficiente cuando el poblador considere que el costo lo desconoce. X2: Con el uso de las TIC en correlación a porque razones no accede a internet. Con un 98,2% de confiabilidad (Tabla 12) se puede demostrar la correlación entre la variable X2 y el uso de las TIC en zonas rurales de Loreto (Figura 9). Tabla 12 Figura 9 El uso de las TIC en zonas rurales es excelente cuando no necesita internet, eso nos indica que pueden hacer uso de otras tecnologías como televisión, radio, teléfono, entre otros y, el uso es deficiente de las TIC cuando no tiene dinero o no sabe usar el internet. 21

22. BIBLIOGRAFÍA Aker, J; Mbiti, I. (2010). Mobile Phones and Economic Development in Africa. Working Paper. Center for Global Developtment, Washington. 45pp Barrantes, R.; Fernández, M. (2012). Mobile Phone Use Among Market Traders at Fairs in Rural Peru . USC Annenberg School for Communication y Journalism, 8 (3): 5-52. Disponible en: http://itidjournal.org/itid/article/ view/913. Acceso: 15(05/2012). BCRP, (2015). Caracterización del departamento de Loreto.Peru, 1 – 6 pp (http://www.bcrp.gob.pe/docs/Sucursales/Iquitos/Loreto- Caracterizacion.pdf) Castell, M. (1999). La era de la información. Economía, sociedad y cultura. La sociedad Red. Vol. I. Siglo Veintiuno Editores, México. 574pp. CEA, et al., (2003). Propuesta de indicadores de tecnologías de información y comunicación para los países conformantes de la CEA, lima. 7pp Clausen (1998). Rueda-Clausen Gómez, C. F., Villa-Roel Gutíerrez, C. & Rueda-Clausen Pinzón, C. E., 2005. Indicadores bibliométricos: origen, aplicación, contradicción y nuevas propuestas. MedUNAB, 8(1), pp. 29- 36. Cronbach, L. J. (1951). Cronbach LJ. Coefficient alpha and the internal structure of test. Psychometrika. 1951;16:297-334 Cortina (2002). Cortina JM. What is coefficient alpha? An examination of theory and applications. J Appl Psychol. 1993;78:98-104.; Bland JM, Altman DG. Validating scales and indexes. Br Med J. 2002;24:606-7.). Escofier, B y Pagès, J. (1992): Análisis factoriales simples y múltiples. Objetivos, métodos e interpretación. UPV. Bilbao Fachin Mori, F.S. (2015) Análisis de variables relevantes para medir el uso de las TIC en zonas rurales de Loreto en el año 2011 Fernández, R.; Medina, P. (2011). Evaluación del impacto de acceso a las TIC sobre el ingreso de los hogares. Una aproximación a partir de la metodología Propensity Score Matching y datos de panel para el caso peruano. Diálogo Regional sobre Sociedad de la Información, DIRSI, Lima. 76p. Giner, F. (2004). Los sistemas de información en la sociedad del conocimiento. ESIC Editorial, Madrid. 216pp. 22

23. Goyal, A. (2010). Information, Direct Access to Farmers, and Rural Market Performance in Central India. American Econmic Journal: Applied Economics, 2: 22-45 Instituto CUANTO. (2009). Selección de una empresa consultora que se encargue de realizar el estudio de evaluación de impacto de proyectos de FITEL. Informe Final, Tomo I, Lima. 437pp Jensen, R. (2007). The Digital Provide: Information (Technology), market performance and Welfare in the South Indian Fisheries Sector. Quarterly Journal of Economics, 122 (3): 879-925. Disponible en: ttp://qje.oxfordjournals.org/ content/122/3/879.full.pdf+htm. Acceso: 20/06/2011 Katz, R. (2009). El papel de las TIC en el desarrollo. Propuestas de América Latina a los retos económicos actuales. Ediciones Ariel, Colección Fundación Telefónica, España,192pp. Oliart, B. (2002). La Sociedad de la Información en el Perú. Presente y perspectivas 2003-2005. Servicios Editoriales del Perú, Telefónica del Perú, Lima. 100pp Oviedo & Campo (2005). Metodología de investigación y lectura crítica de estudios; Aproximación al uso del coeficiente alfa de Cronbach; Heidi Celina Oviedo1, Adalberto Campo-Arias2; Revista Colombiana de Psiquiatría, vol. XXXIV / No. 4 / 2005, 572-580) Pardo, A. y Ruiz, M. A. (2002). SPSS 11. Guía para el análisis de datos. Madrid: McGraw-Hill. ISBN 9788448137502. Pérez, C. (2002): Technological Revolutions and Financial Capital, Cheltenham y Northampton: Edward Elgar. Sánchez Ríos, J. V. (2011). Análisis y diagnóstico de los sistemas de comunicación entre establecimientos de salud aplicado a la región de Madre de Dios. 13pp Sánchez Ríos, J. V. (2006). Análisis y diagnóstico de los sistemas de comunicación entre establecimientos de salud aplicado a la región de Madre de Dios. 10pp Stehr, N. (2002): Knowledge and Economic Conduct. The Social Foundations of the Modern Economy, Toronto: Toronto University Press Streiner (2003). Streiner DL. Being inconsistent about consistency: when coefficient alpha does and doesn’t matter. J Pers Assess. 2003;80:217- 22. 23

24. Rodrigues, M. J. (2002): The New Knowledge Economy in Europe. A Strategy fo International Competitiviness and Social Cohesion, Cheltenham y Northampton: Edward Elgar. Rovira, S., Santoleri, P., & Stumpo, G. (2013). Incorporación de TIC en el sector productivo: uso y desuso de las políticas públicas para favorecer su difusión. Rovira, S. y Stumpo, G.(Comp.). Entre mitos y realidades. TIC, políticas públicas y desarrollo productivo en América Latina, 17-53. Ruiz, L. (2009). Impacto de la telefonía celular en zonas rurales pobres del Perú. Proceeding pf the 3erd ACORN-REDECOM Conference Mexico City. México. 12pp. Torrent, J. (2002). «De la nueva economía a la economía del conocimiento. Hacia la tercera revolución industrial». Revista de Economía Mundial. Núm. 7, págs. 39-68. Vilaseca, J. y torrent, J. (2005): Cap a l’empresa xarxa. Les TIC i les transformacions de l’empresa catalana, Barcelona: Edicions de la Universitat Oberta de Catalunya. 24

25. TABLAS Tabla 1: Análisis bivariante para para determinar la correlación de Pearson entre las 12 variables. Correlaciones X1i X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12i Suma X1i Correlación de Pearson 1 ,303 ,127 -,018 ,327 ,804** ,922** -,049 ,312 -,328 ,161 ,503* ,620** Sig. (bilateral) ,195 ,594 ,939 ,159 ,000 ,000 ,839 ,181 ,157 ,498 ,024 ,004 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X2 Correlación de Pearson ,303 1 -,146 ,797** ,493* ,591** ,592** ,803** ,614** -,074 -,303 ,116 ,688** Sig. (bilateral) ,195 ,538 ,000 ,027 ,006 ,006 ,000 ,004 ,757 ,195 ,626 ,001 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X3 Correlación de Pearson ,127 -,146 1 -,021 ,163 -,108 -,026 ,005 ,206 ,174 ,072 ,132 ,359 Sig. (bilateral) ,594 ,538 ,931 ,492 ,650 ,914 ,982 ,384 ,464 ,761 ,580 ,120 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X4 Correlación de Pearson -,018 ,797** -,021 1 ,593** ,332 ,269 ,918** ,406 ,181 -,412 -,011 ,576** Sig. (bilateral) ,939 ,000 ,931 ,006 ,153 ,251 ,000 ,076 ,444 ,071 ,963 ,008 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X5 Correlación de Pearson ,327 ,493* ,163 ,593** 1 ,447* ,441 ,508* ,187 ,092 -,400 ,079 ,545* Sig. (bilateral) ,159 ,027 ,492 ,006 ,048 ,052 ,022 ,431 ,701 ,080 ,740 ,013 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X6 Correlación de Pearson ,804** ,591** -,108 ,332 ,447* 1 ,904** ,315 ,419 -,412 -,168 ,317 ,640** Sig. (bilateral) ,000 ,006 ,650 ,153 ,048 ,000 ,177 ,066 ,071 ,479 ,173 ,002 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X7 Correlación de Pearson ,922** ,592** -,026 ,269 ,441 ,904** 1 ,255 ,407 -,324 ,000 ,457* ,719** Sig. (bilateral) ,000 ,006 ,914 ,251 ,052 ,000 ,277 ,075 ,163 1,000 ,043 ,000 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X8 Correlación de Pearson -,049 ,803** ,005 ,918** ,508* ,315 ,255 1 ,422 ,182 -,545* -,030 ,560* Sig. (bilateral) ,839 ,000 ,982 ,000 ,022 ,177 ,277 ,064 ,441 ,013 ,900 ,010 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X9 Correlación de Pearson ,312 ,614** ,206 ,406 ,187 ,419 ,407 ,422 1 ,054 -,024 ,132 ,714** 25

26. Sig. (bilateral) ,181 ,004 ,384 ,076 ,431 ,066 ,075 ,064 ,822 ,918 ,578 ,000 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X10 Correlación de Pearson -,328 -,074 ,174 ,181 ,092 -,412 -,324 ,182 ,054 1 ,191 ,016 ,197 Sig. (bilateral) ,157 ,757 ,464 ,444 ,701 ,071 ,163 ,441 ,822 ,419 ,948 ,405 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X11 Correlación de Pearson ,161 -,303 ,072 -,412 -,400 -,168 ,000 -,545 * -,024 ,191 1 ,311 ,013 Sig. (bilateral) ,498 ,195 ,761 ,071 ,080 ,479 1,000 ,013 ,918 ,419 ,182 ,958 N 20 20 20 20 20 20 20 20 20 20 20 20 20 X12i Correlación de Pearson ,503* ,116 ,132 -,011 ,079 ,317 ,457* -,030 ,132 ,016 ,311 1 ,524* Sig. (bilateral) ,024 ,626 ,580 ,963 ,740 ,173 ,043 ,900 ,578 ,948 ,182 ,018 N 20 20 20 20 20 20 20 20 20 20 20 20 20 Suma Correlación de Pearson ,620** ,688** ,359 ,576** ,545* ,640** ,719** ,560* ,714** ,197 ,013 ,524* 1 Sig. (bilateral) ,004 ,001 ,120 ,008 ,013 ,002 ,000 ,010 ,000 ,405 ,958 ,018 N 20 20 20 20 20 20 20 20 20 20 20 20 20 **. La correlación es significativa al nivel 0,01 (bilateral). *. La correlación es significante al nivel 0,05 (bilateral). Tabla 2: Resultado del análisis de correspondencia múltiple, en su ítem contribución al Chi-Cuadrado estadístico. The CORRESP Procedure X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 Suma Row1 0,4 0,08 1,9 0 0,06 1,61 0,78 0 0,09 0,48 0,11 1,28 6,8 Row2 0,02 0,45 4,89 0,13 0,06 0,9 0,34 0,15 0,11 1,62 0,02 0,67 9,35 Row3 1,07 1,73 2,31 0,24 0,01 1,09 0,45 0,21 0,15 0,76 0,33 1,04 9,38 … Row253 0,21 0,02 0,03 0,02 0,15 0,54 0,8 0,03 0,01 1,41 0,97 1,01 5,2 Row254 0 0,99 1,73 0 1,8 0,77 1,05 0 0,02 0,28 0,02 0,34 7,01 Row255 0 0,14 0,76 0 0,08 0,77 1,05 0 0,02 0,28 1,99 0 5,09 Suma 113,74 120,87 505,16 67,01 60,19 178,89 163,12 65,3 129,02 285,3 131,24 97,9 1917,73 26

27. Tabla 3: Variables analizadas con SAS, para determinar su contribución al Chi- Cuadrado estadístico. Variable ITEM Sumatoria Peso porcentual Variables discriminadas Costo del Internet X1 113,74 6% No Discriminada Razones porque no Accede a Internet X2 120,87 6% No Discriminada Actividades desarrolla al conectarse internet X3 505,16 26% No Discriminada Donde Accede Frecuencia a Internet X4 67,01 3% Discriminada En qué hora ve TV X5 60,19 3% Discriminada ¿De dónde accede con más frecuencia? X6 178,89 9% No Discriminada ¿Generalmente con quien se comunican? X7 163,12 9% No Discriminada Frecuencia del Uso Internet X8 65,3 3% Discriminada En qué casos lo considera más útil X9 129,02 7% No Discriminada Mejor Manera de Obtener Información X10 285,3 15% No Discriminada Grado de Instrucción X11 131,24 7% No Discriminada Edad X12 97,9 5% Discriminada Tabla 4: Resumen de operación de variables variables Valores Tipo de Variable Descripción Instrumentos Uso de TIC Uso Excelente Este tipo de variable es Cuantitativa. Sin embargo, para realizar el análisis de correspondencia múltiple se necesita que el tipo de variable sea cualitativa. 7 a 8 TIC utilizadas Radio, Celular, Televisión, internet, Periódico, CD/DVD, teléfono fijo, TV cable, Revistas. Uso Bueno 5 a 6 TIC utilizadas Uso Deficiente 3 a 4 TIC utilizadas Uso Malo 0 a 2 TIC utilizadas Costo del Internet Caro Cualitativa Bien Barato No sabe Razones porque no Accede a Internet No Necesita Cualitativa No sabe usar No hay No tiene dinero ¿Qué actividades desarrolla al conectarse internet? Busca información Precios de Productos Cualitativa Costo de transporte Créditos y financiamiento Mercados donde vender Qué y cómo producir Como Contrarrestar plagas Como mejorar la producción Información para su oficio o profesión Ninguna Si usan teléfono fijo ¿De dónde accede Casa Cualitativa Trabajo/ oficina 27

28. con más frecuencia? Público monedero Comunal Otro Cuando usan el teléfono ¿Generalmente con quien se comunican? Familia Cualitativa Amigos Clientes Otro ¿En qué casos lo considera más útil? Informarse el estado de salud de un pariente Cualitativa Conocer él envió/ recepción de encargos Atender emergencias Para realizar negocios Para las tareas del colegio Para buscar información Otro Mejor Manera de Obtener Información Radio Cualitativa Televisión Periódico Internet Manuales, folletos CD/ DVD Otro Grado de Instrucción Sin estudios Cualitativa Solo estudios primarios Solo estudios secundarios Superior Técnico Superior Universitario Posgrado Tabla 5: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X3: Actividades que desarrolla al conectarse internet. Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,371 ,138 ,572 ,572 ,052 -,074 2 ,273 ,075 ,311 ,883 ,059 3 ,168 ,028 ,117 1,000 Total ,240 61,279 ,001a 1,000 1,000 a. 32 grados de libertad 28

29. Tabla 6: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X6: ¿De dónde accede con más frecuencia? Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,639 ,409 ,985 ,985 ,050 -,150 2 ,069 ,005 ,011 ,997 ,065 3 ,037 ,001 ,003 1,000 Total ,415 80,852 ,000a 1,000 1,000 a. 16 grados de libertad Tabla 7: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X7: ¿Generalmente con quien se comunican? Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,443 ,196 ,886 ,886 ,050 ,210 2 ,159 ,025 ,113 ,999 ,054 3 ,014 ,000 ,001 1,000 Total ,222 56,515 ,000a 1,000 1,000 a. 12 grados de libertad Tabla 8: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X9: En qué casos lo considera más útil las TIC Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,355 ,126 ,880 ,880 ,053 ,045 2 ,114 ,013 ,091 ,972 ,064 3 ,063 ,004 ,028 1,000 Total ,143 36,410 ,050a 1,000 1,000 a. 24 grados de libertad 29

30. Tabla 9: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X10: Mejor Manera de Obtener Información. Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,311 ,097 ,654 ,654 ,055 ,103 2 ,204 ,041 ,280 ,934 ,059 3 ,099 ,010 ,066 1,000 Total ,148 37,189 ,042a 1,000 1,000 a. 24 grados de libertad Tabla 10: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X11: Grado de Instrucción. Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,490 ,240 ,917 ,917 ,045 ,306 2 ,130 ,017 ,064 ,981 ,055 3 ,070 ,005 ,019 1,000 Total ,261 65,622 ,000a 1,000 1,000 a. 20 grados de libertad Tabla 11: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X1: Costo del Internet Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,360 ,129 ,886 ,886 ,054 ,184 2 ,105 ,011 ,075 ,962 ,058 3 ,075 ,006 ,038 1,000 Total ,146 37,230 ,000a 1,000 1,000 a. 12 grados de libertad 30

31. Tabla 12: Resumen de análisis de correspondencia simple entre las variables de uso de la TIC y la variable X2: Razones porque no Accede a Internet Resumen Dimensión Valor propio Inercia Chi- cuadrado Sig. Proporción de inercia Confianza para el Valor propio Explicada Acumulada Desviación típica Correlación 2 1 ,450 ,203 ,952 ,952 ,053 ,029 2 ,080 ,006 ,030 ,982 ,068 3 ,062 ,004 ,018 1,000 Total ,213 54,243 ,000a 1,000 1,000 a. 12 grados de libertad 31

32. Figuras Figura 1: Herramienta SAS, preparada para el análisis de discriminación de variables. Figura 2: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X3: Actividades que desarrolla al conectarse internet. 32

33. Figura 3: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X6: ¿De dónde accede con más frecuencia? Figura 4: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X7: ¿Generalmente con quien se comunican? 33

34. Figura 5: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X9: En qué casos lo considera más útil las TIC Figura 6: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X10: Mejor Manera de Obtener Información. 34

35. Figura 7: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X11: Grado de Instrucción. Figura 8: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X1: Costo de Internet. 35

36. Figura 9: Grafico de dispersión de correlación entre la variable Uso de TIC en zonas rurales y la variable de conocimiento X2: Razones porque no Accede a Internet. 36

Add a comment