EDUCATIONIS MOMENTUM

vol 3, n.° 1, 2017, pp. 107-143. ISSN (impr.): 2414-1364; (online): 2517-9853

Nativos digitales: dependencia de las redes sociales

en internet y su relación con el desempeño académico

Digital Natives: Social Media Networking Dependency

DQGLWV5HODWLRQWR$FDGHPLF3HUIRUPDQFH

Ana Gómez-Burns
Universidad Católica San Pablo
[email protected]

Ronal W. Arela-Bobadilla
Universidad Católica San Pablo

Recibido: 2017.03.20
Aprobado: 2017.06.09
107
Gómez-Burns y Arela-Bobadilla

Resumen

En el presente trabajo se analiza la dependencia de las redes sociales en internet y su

relación frente al desempeño académico en nativos digitales. Se tomó como muestra a
los estudiantes que cursan el primer año en una universidad privada en Arequipa. Con
el uso del Cuestionario de Adicción a Redes Sociales (ARS) se evaluaron tres tipos de
factores: falta de control personal, obsesión por las redes sociales y uso excesivo de las
redes sociales (Escurra & Salas, 2014). Se considera el promedio ponderado reportado en
el semestre 2016-II como factor relevante para determinar el desempeño académico. Una
vez controladas las variables sociodemográficas importantes, la estimación del modelo
de regresión evidencia que no hubo resultados significativos para los hombres, pero sí
para las mujeres. En ellas el factor obsesión se encuentra negativamente correlacionado
con el desempeño académico, mientras que el factor uso excesivo de redes sociales está
positivamente correlacionado. El valor del estudio se encuentra en la posibilidad de
mejorar metodologías de enseñanza-aprendizaje virtual, tomando en consideración
la correlación positiva entre uso excesivo de redes sociales y desempeño académico.
Finalmente, resulta valioso indagar más acerca de la naturaleza heterogénea del impacto
de la dependencia de redes sociales.

Palabras clave: dependencia, redes sociales en internet, desempeño académico,

estudiantes universitarios, nativos digitales, adicción

Abstract

The following research explores the relationship between social media network
dependency, and student’s academic performance in a sample of freshmen from an
Arequipean private university. Using the Social Network Addiction Questionnaire, three
types of criteria were evaluated: Lack of Personal Control; Social Network’s Obsession;
and Excessive Use of social networks. The final mean of the 2016-2 semester was used as a
relevant factor to determine the academic performance.

Once all the important sociodemographic variables were controlled, regression models
showed that the effect is not statistically significant for men, whilst for women the
Obsession is significantly related in a negative way with the academic performance,
meanwhile the criteria Excessive use of social networks is significantly related in a positive
way. The value of this research lies in the possibility of improving teaching techniques, and
virtual learning, taking into consideration the positive connection between the excessive
use of social networks and student’s academic performance. Finally, we consider important
to study the heterogeneous nature of social media network dependency.

Key words: dependency, social media networking, academic performance, university

students, digital natives, addiction.

108 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Hace algunos años se escucha en el entorno educativo que los estudiantes

de hoy no son los de antes (Prensky, 2001). ¿Qué es lo que cambió?, ¿estos
jóvenes tienen distintas capacidades a las que tenían anteriores generacio-
nes?, ¿tanto escuelas como universidades han bajado el nivel de exigencia?,
¿son los profesores quiénes debieran ir adaptándose? Son muchas preguntas
que aún no se han logrado responder en su totalidad para poder comprender
a este nuevo grupo de educandos. Lo que sí podemos afirmar es que «los
estudiantes han cambiado radicalmente y no son los mismos para los que
nuestro actual sistema educativo fue diseñado» (Prensky, 2001).

¿Qué sabemos acerca de esta nueva generación de estudiantes? Se les conoce

como nativos digitales, término acuñado por Marc Prensky, quien los denomina
de esta manera ya que «su lenguaje nativo es el digital y por su familiaridad
con el uso de tecnologías como el internet, video juegos, celulares inteligen-
tes, mensajes instantáneos, entre otros juguetes y herramientas digitales»
(Prensky, 2001). Estos jóvenes han crecido rodeados de tecnología, y este
cambio generacional ha afectado la forma de trabajar los diversos estilos de
aprendizaje. Skiba & Barton (2006) afirman que los estudiantes ahora son
más activos, están siempre conectados, les agrada colaborar e interactuar,
obtienen información inmediata y buscan aprender de forma experiencial
(Cabra & Marciales, 2009). El estar conectados de forma individual, pero a
la vez ser colaborativos, genera que sean propensos a hacer preguntas, retar
y criticar a otros (Tapscott & Williams, 2007). Estamos frente a un nuevo
paradigma educativo y los maestros deben hacer esfuerzos adicionales para
poder enseñar en este nuevo lenguaje.

Los estudiantes universitarios de primer año, quienes constituyen el objeto

del presente estudio, se encuentran en un grupo de nativos digitales denomi-
nado generación Z (jóvenes nacidos entre 1995 y 2012). Según Singh (2014),
al ser nativos digitales son conocedores de la tecnología, se caracterizan
por ser maduros para su edad, son empoderados para tomar decisiones,
algo engreídos y le tienen aversión al riesgo. Vienen siendo un reto para los
educadores ya que tienen acceso a una gran cantidad de páginas web en
las que pueden llevar cursos para desarrollar nuevas destrezas o para crear
negocios propios. Pueden conseguir mentores de diversos campos que los
apoyen a tomar mejores decisiones a través de blogs o redes sociales, dejando
muchas veces de lado los conocimientos impartidos por el profesor en el aula.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 109
Gómez-Burns y Arela-Bobadilla

Cabe resaltar que no todos los estudiantes tienen la disposición o están en

posibilidades de incorporar la tecnología en sus procesos de aprendizaje
(Rowlands, Nicholas, Williams, & Huntington, 2008); más aún si han crecido
en países o zonas desfavorecidas, donde la penetración de esta aún es muy
baja. Incluso se habla de grupos de jóvenes digitalmente excluidos (Selwyn &
Facer, 2010). Por lo tanto, los profesionales en educación deberían concen-
trarse en trabajar pedagogías apropiadas que coloquen a los estudiantes
frente a información para desarrollar habilidades de análisis crítico; además,
apoyarlos en que cambien su enfoque de aprendizaje cuando los resultados
evidencien que sus métodos no están funcionando, en lugar de cerrarse a
la idea de que poseen una lógica digital que les impide aprender como lo
hacían otras generaciones (Koutropoulos, 2011). Selwyn (2009) sugiere
evitar el exceso en la discusión acerca de los nativos digitales y propone
que el enfoque debería ser mejorar la comprensión acerca del uso real de la
tecnología en nuestra sociedad.

¿Cómo aprenden?

Cornu, en su estudio acerca de cómo aprenden los Nativos Digitales, sugiere

no continuar utilizando el currículo tradicional, ya que el conocimiento
evoluciona rápidamente y el internet brinda un gran acceso a información
actualizada. Esto no quiere decir que virtualicemos la educación. Cuando se
hace referencia al desarrollo de la enseñanza-aprendizaje se deben buscar
nuevas formas de interacción y la relación entre estudiantes y profesores
es sustancial. El estudiante de hoy debe estar en la capacidad de revisar,
clasificar, organizar y explicar la información (Cornu, 2011).

En el libro Educando a la Generación Net se realiza una investigación a estu-

diantes de Estados Unidos menores de 25 años para conocer cuáles son las
tecnologías de información de su preferencia, sus habilidades en cuanto al
uso de las mismas, cómo contribuyen a su experiencia como estudiantes
universitarios y cuál es el valor para ellos en términos de aprendizaje, dando
resultados que contribuyen a nuestra investigación. Los jóvenes afirmaron
que utilizan la tecnología primero con fines educativos, seguido por fines de
comunicación. El uso de computadora principalmente es para actividades
del salón de clases y para estudiar, entre 3 y 5 horas aproximadamente. El
41.2 % de ellos prefiere tener clases con un uso de tecnología moderado. En

110 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

cuanto a los beneficios de usar tecnologías en el aula, los nativos digitales

perciben que es conveniente ya que les facilita la comunicación (48.7 %), les
ayuda a manejar mejor sus actividades de clase (16.7 %), les ahorra tiempo
(16.2 %) y mejora su aprendizaje (12.8 %). Finalmente cabe resaltar que los
estudiantes perciben que las características de interactividad menos utiliza-
das por las escuelas son las que más contribuyen en su aprendizaje, como
compartir material, retroalimentación de trabajos y lecturas online. Otras
características consideradas como útiles para la clase son el seguimiento de
notas y los exámenes online (Oblinger & Oblinger, 2005).

Esta generación sabe más de tecnología y se siente más a gusto con ella
y con los medios digitales que sus profesores. Aprenden, se comunican,
juegan, trabajan y crean su entorno de modos muy distintos. Sin embargo,
pocos maestros saben con exactitud qué hacen los estudiantes en internet
(Dávila, 2006).

Dentro de este contexto Selwyn (2011) aprecia tres cuestiones potencialmente

problemáticas: (1) nuevas generaciones de jóvenes aprendices empoderados
en tecnologías digitales, (2) generaciones de educadores mayores de edad
que cada vez se distancian más de los educandos a quienes enseñan y (3)
mayor desconexión entre jóvenes educandos y las instituciones educativas.

Los estudiantes demuestran que se adecuan al uso de herramientas digitales

para reforzar su aprendizaje y usarán las que tengan disponibles si es que no
se les proporciona ninguna. Sin embargo, los educadores aún no perciben el
potencial que estas tienen y no desarrollan actividades formales e informales
de aprendizaje virtual (Trinder, Guiller, Margaryan, Littlejohn, & Nicol, 2008).

Un estudiante, un maestro o un profesional que en la actualidad no desarrolle y

actualice de forma permanente sus capacidades cognitivas con el uso de la compu-
tadora y el Internet pronto será desplazado por el modelo de mercado y competiti-
YLGDGH[DFHUEDGD 5DPtUH] 

Algunas sugerencias que nos dan diferentes autores para empezar el cambio
de enseñanza a nativos digitales:

t
.PWFSTF
VO
QPDP
EF
MBT
pedagogías en papel a las pedagogías digitales.

Inventar pedagogías para dispositivos móviles (Cornu, 2011).

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 111
Gómez-Burns y Arela-Bobadilla

t
3FQFOTBS
MPT
QSPDFTPT
EF
JOEVDDJÕO
DPO
SFMBDJÕO
B
MBT
UFDOPMPHÐBT

sociales y el aprendizaje formal (Trinder et al., 2008).

t
*OWFOUBS
pedagogías sociales adaptadas para aprendizajes colectivos,

inteligencia colectiva, competencias colectivas y logros colectivos.
Orientar la enseñanza al trabajo colaborativo (Cornu, 2011).

t
"EPQUBS
FM
QFOTBNJFOUP
EFUSÅT
EFM
VTP
EF
MBT
UFDOPMPHÐBT
TPDJBMFT
FO

contextos formales de aprendizaje (Trinder et al., 2008).

t
*OWFTUJHBS
BDFSDB
EF
DÕNP
MBT
SFEFT
TPDJBMFT
QVFEFO
NFKPSBS
FM
EFTB-
rrollo de la enseñanza-aprendizaje (Cornu, 2011).

t
'PNFOUBS
FM
EFTBSSPMMP
EF
IBCJMJEBEFT
EF
MPT
FTUVEJBOUFT
FO
SFEFT

sociales con relación a contextos de aprendizaje formal (Trinder et
al., 2008).

t
%JTFÔBS
OVFWBT
QSÅDUJDBT
EF
FWBMVBDJÕO
NÅT
BQSPQJBEBT
PSJFOUBEBT
B

la colaboración y la participación (Trinder et al., 2008).

t
$POTJEFSBS
MBT
FYQFDUBUJWBT
Z
QSFGFSFODJBT
EF
MPT
FTUVEJBOUFT
QBSB
VO

mejor aprendizaje (Kvavik & Caruso, 2005).

o Conveniencia (tecnología y recursos online disponibles; respues-

tas rápidas; tecnología, servicios y recursos al alcance en todo
momento y lugar; conexiones y asistencia técnica).

o Conexiones (con aparatos electrónicos móviles, siempre conec-

tado para comunicarse, miembros de la comunidad alcanzables
a en todo momento y lugar; trabajo en equipo).

o Control (multitarea; individualización; enfocado en las notas

y el desempeño; administrar la experiencia de los educandos;
controlar cuándo y dónde interactúan).

o Learning (integrar la habilidad de incorporar la parte virtual a

la parte física; explorar el área inductiva-experiencial y partici-
pativa; y compromiso en tiempo real).

112 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

¿Existen riesgos para los estudiantes por el uso de estas tecnologías?

Podemos afirmar que la nueva generación de estudiantes tiene mucho poder

ya que posee una gran conexión con información, recursos y gente; aunque
existe el temor de que esta información no sea bien usada exponiéndolos a
peligros y riesgos (Selwyn, 2009). Entre ellos se han identificado el cyber-
bullying y hostigamiento online; abusos sexuales y crímenes a menores;
exposición hacia asuntos no deseados; y comportamientos adictivos a
internet (Marciales & Cabra, 2011). En ciertas ocasiones los jóvenes sienten
frustración al no tener la habilidad para discernir entre un contenido bueno
y uno malo (Mcmillan & Morrison, 2006). Además, existe evidencia de un
impacto positivo entre la adicción a la tecnología de comunicación en las
relaciones interpersonales (Magsamen-Conrad, Billotte-Verhoff, & Greene,
2014). Sin embargo, existe evidencia de un impacto negativo en el caso de
menores con déficit de atención e hiperactividad, pues son más adictos y
pasan mayor cantidad de tiempo conectados (Weinstein, Yaacov, Manning,
Danon, & Weizman, 2015).

Puede señalarse que la adicción a internet, la adicción a plataformas de redes

sociales y a los celulares se encuentran vinculadas.

El incremento de actividades multitarea como, por ejemplo, mensajería

instantánea a través de aparatos electrónicos, está ocasionando que el
rendimiento de las actividades académicas que requieren concentración
empiece a disminuir. Estas interrupciones generadas por actividades multi-
tarea pueden interrumpir y ejercer mucha presión en el proceso cognitivo.
Estudios demuestran que el 63 % de los estudiantes responden sus mensajes
de manera inmediata mientras se encuentran trabajando en la computadora
y un 30 % reporta que cuando respondieron el mensaje se encontraban
realizando asignaciones académicas (Levine, Waite, & Bowman, 2007).
Hawi & Samaha (2016) encuentran evidencia de efectos adversos del uso
de smartphones en el desempeño académico en estudiantes universitarios,
mientras Liu et al. (2017) encuentran una relación con la calidad del sueño
mediada por los niveles de atención plena (mindfulness).

Así mismo, los altos niveles de adicción a internet han sido vinculados con la
depresión (Zhao et al., 2016). Al analizar a adolescentes hispanohablantes
entre 16 y 18 años de Latinoamérica se ha encontrado que los sentimientos

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 113
Gómez-Burns y Arela-Bobadilla

de depresión en niñas y la ansiedad en niños desencadenan una mayor

dependencia de las redes sociales en internet (Oberst, Wegmann, Stodt,
Brand, & Chamarro, 2017).

Si se realiza un análisis de la literatura existente acerca de los riesgos de utili-

zar tecnología se puede advertir un panorama desalentador; sin embargo, de
acuerdo con el autor Iván Rodríguez, afirmar que el menor es una víctima al
ser manipulable, vulnerable e indefenso, es un reduccionismo. Él considera
que antes de criminalizar la tecnología se deben evaluar una serie de fenó-
menos complejos que incluirían su entorno familiar y cómo su vida sufre
consecuencias por los actos de los adultos. A través de diversas técnicas y
metodologías, el menor debe ser la unidad de observación, el protagonista
real de los diagnósticos. Es necesario considerar el desarrollo del niño, así
como el contexto y las circunstancias en las que vive (Rodríguez, 2006).

El rendimiento académico y las redes sociales en internet

Existen varios sinónimos para lo que conocemos como rendimiento

académico. Así, por ejemplo, se usan indistintamente términos como
desempeño, aprendizaje, récord escolar y otros de similar naturaleza.
Todas estas denominaciones hacen alusión a un resultado (aprendizaje)
evidenciado dentro de un programa formal de estudios y en el que el uso
de pruebas de diversa naturaleza permite al sistema (personalizado en
el maestro, docente o profesor) estimar si los estudiantes han superado
o no las exigencias que plante cada uno de los cursos (Montes & Lerner,
2011). Sin embargo, existen otros tipos de aprendizajes que se desen-
vuelven en escenarios informales o privados, a los que se les suele llamar
aprendizajes, pero no podrían ser catalogados como rendimientos por su
alusión a lo institucional.

De otro lado, existe un consenso entre los expertos en señalar que en el

rendimiento participa una gama amplia de variables y condiciones tales
como la habilidad, el esfuerzo, el uso del tiempo, la motivación y el locus
de control, entre otros (Edel, 2003). En este marco, es muy probable
—como sugiere la literatura— que los factores motivacionales, el uso del
tiempo, la voluntad y la organización jueguen un papel preponderante,
ya que la sola habilidad o inteligencia no serían suficiente para aprender
aquello que las instituciones formadoras desean que se aprenda.

114 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Con respecto al rendimiento específicamente en la universidad, los

estudios señalan que participan casi los mismos factores que explican
los resultados de aprendizaje en los niveles anteriores. De esta manera,
según Artunduaga (2008) participan factores contextuales (sociocultura-
les, institucionales y pedagógicos) y de carácter personal (demográficos,
cognoscitivos y actitudinales).
Factores asociados al rendimiento académico

F R VARIABLES DEMOGRÁFICAS F
VARIABLES SOCIOCULTURALES
A E - Sexo, edad A
- Origen sociocultural
C - Nivel educativo del padre y de la madre
N - Estado civil C
T - Clima educativo familiar D - Experiencia laboral T
O - Integración social del estudiante I - Financiación estudios O
R M R
E I VARIABLES COGNOSCITIVAS E
S VARIABLES INSTITUCIONALES E - Actitudes intelectuales S
- Tipo y tamaño del centro N - Rendimiento académico previo
C - Procesos de funcionamiento T - Capacidades y habilidades básicas
O - Políticos educativos O - Estilos cognitivos P
N - Motivación E
T VARIABLES PEDAGÓGICAS A R
E - Expectativas y actitudes del profesor C VARIABLES ACTITUDINALES S
X - Formación y experiencia del profesor A - Responsabilidad hacia el aprendizaje O
T - Personalidad del profesor D - Satisfacción N
U - Proceso didáctico É - Interés en los estudios A
A - Acompañamiento pedagógico M - Decisión ante los estudios L
L - Tamaño del grupo I - Planeación del futuro E
E - Clima de la clase C - Autoconcepto S
S O - Habilidades sociales

Figura 19DULDEOHVTXHLQÁX\HQHQHOUHQGLPLHQWRDFDGpPLFR
HQODXQLYHUVLGDG)XHQWH$UWXQGXDJD 

Asumiendo que la gran mayoría de los estudiantes universitarios son

mayores de edad, serían los factores personales más relacionados con
las variables cognitivas (motivación) y actitudinales (responsabilidad
hacia el aprendizaje o esfuerzo y decisión ante los estudios o dedicación)
los que explicarían el rendimiento en este nivel, puesto que son aspectos
alterables/controlables por ellos mismos. Es así como las redes sociales
en internet podrían afectar estas variables y por ende el desempeño
académico de los estudiantes.

Una red social es un sistema de relaciones en la que los actores se relacionan

entre ellos a través de lazos (Pecar, 2002; Viet, 1979). Hoy en día las redes

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 115
Gómez-Burns y Arela-Bobadilla

sociales han variado nuestras modalidades de intercambio comunicativo,

ahora es posible ser emisores/receptores a nivel mundial. Es decir, tenemos
como emisor a las redes sociales online, como canal al internet o recursos
digitales múltiples y el receptor vendría a ser quien recibe y produce infor-
mación (La Rosa, 2010). Los seres humanos tenemos una necesidad de estar
conectados a las redes sociales ya que afectan al cerebro de la misma forma
en que lo hace un abrazo. Esta sensación es provocada por las dopaminas
(molécula de recompensa). Producto de ello se generan expectativas, que
cuando son positivas y reafirmadas por los contactos en la red, afectan la
misma área del cerebro relacionada con la felicidad (Soat, 2015). Por este
motivo, las redes sociales podrían generar adicción.

Los síntomas de dependencia de redes sociales en internet son similares a los de

otro tipo de adicciones. Algunas señales que advierte Echeburúa & Corral (2010)
son: dormir menos de 5 horas por estar conectado y mantenerse pensando en
permanecer en línea, familiares fastidiados por el exceso de uso; mentiras que,
en cuanto al tiempo de conexión, la no realización de actividades importantes,
el aislamiento y la emoción de encontrarse conectado. Por ende, es esperado
que exista un efecto negativo en el rendimiento académico de los estudiantes.

Analizando otras investigaciones realizadas se ha encontrado evidencia

de un impacto negativo de la adicción a las redes sociales en el desempeño
académico en estudiantes entre 11 y 25 años (Rosen, Carrier, & Cheever,
2013) y en estudiantes universitarios (Trinder, Guiller, Margaryan, Little-
john, & Nicol, 2013). Este impacto hace declinar la performance académica
(Ellis, Daniels, & Jauregui, 2010; Dhir, Chen, & Nieminem, 2016) incluso
en estudiantes distinguidos (Junco & Cotten, 2012).

Vale la pena resaltar el estudio de La Rosa (2010); en él se indica que existen

aspectos detrás de la dependencia de redes sociales. En este documento se
concluye que los jóvenes con dificultades para relacionarse y con desórdenes
psicopatológicos tienen mayor propensión a la adicción. El estar conectado
está relacionado con una necesidad afectiva, una necesidad de pertenencia
y de identidad de sí mismo, baja autoestima, aislamiento, presencia de
sentimientos de inferioridad y de carácter depresivo (Hong, Huang, Lin,
& Chiu, 2014). Podemos hablar de adicción entonces cuando vemos una
dependencia compulsiva con respecto al internet que, al ser interrumpida,
causa un desequilibrio caracterizado por comportamientos como bajo rendi-

116 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

miento académico y laboral, aislamiento y debilitamiento funcional (Byun

et al., 2009).

De otro lado, si a esto le sumamos que lo invertido por el Estado en educa-

ción tiene un impacto directo en la calidad y la conveniencia de la educación
ofrecida, notaremos que la situación del Perú es crítica. Según Vegas & Coffin
(2015) el rendimiento académico está muy vinculado al gasto en educación, al
menos hasta un nivel de 8000 USD en promedio (paridad de poder adquisitivo
por estudiante), de ahí en adelante cualquier aporte ya no es significativo.
Con respecto al gasto público en instituciones educativas, específicamente
en educación superior universitaria, el Estado invierte 6751 nuevos soles por
estudiante en promedio (Iniciativa ciudadana Arequipa te queremos, 2013).
Revisando indicadores de hace dos años podemos notar que nuestro país aún
se encuentra por debajo del gasto por estudiante comparado con países de la
Organización para la Cooperación y el Desarrollo Económico (OECD, 2015).
Cabe resaltar que el apoyo a jóvenes con problemas de dependencia o bajo
rendimiento está incluido en los programas o intervenciones presupuesta-
das por el Estado de acuerdo con el último plan estratégico institucional
del Ministerio de Educación del Perú (función 02: facilitar los de procesos
de aprendizaje de los estudiantes dentro del aula, con énfasis en aquellos
con bajo rendimiento académico), pero no se especifica si es a causa de la
dependencia de las redes sociales.

De esta manera, se vislumbra como importante el contar con estudios siste-

máticos sobre la relación entre las redes sociales en internet y el rendimiento
académico en vista de que los sistemas educativos precisarían de insumos
para retroalimentar las formas de encarar esta problemática en la educación
básica y en la educación superior.

Específicamente, y atendiendo a lo expresado en los párrafos anteriores,

el objetivo del estudio pretende conocer la relación entre las redes sociales
en internet y el rendimiento académico de los estudiantes nativos digitales
universitarios de primer año, para lo cual se plantean las siguientes hipótesis:
(a) la dependencia de redes sociales tiene un impacto negativo en el desem-
peño académico y (b) el impacto es heterogéneo entre hombres y mujeres.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 117
Gómez-Burns y Arela-Bobadilla

Metodología

Los datos

Se realizó una encuesta online a los estudiantes ordinarios y a los que se

encuentran en tercera matrícula (estudiantes que reprobaron un mismo
curso dos veces) para verificar si el fracaso en su desempeño académico
está relacionado con la dependencia a las redes sociales. La población de
estudiantes fue de 3731 y se tomó una muestra de 198. Los estudiantes de
la muestra pertenecen al primer año (primer y segundo semestre) de las
carreras Ingeniería Industrial, Derecho, Administración de Negocios, Inge-
niería Civil, Psicología, Ciencias de la Computación, Ingeniería Electrónica
y de Telecomunicaciones, Educación y Contabilidad; de una universidad
privada en Arequipa entre febrero y marzo del 2017.

Para este fin se usó el Cuestionario sobre el Uso de Redes Sociales ARS de

Escurra & Salas (2014). Cabe señalar que el cuadernillo que comprende el
test es anónimo y se salvaguardó la validez y confiabilidad a la luz de los
estándares psicométricos de la Asociación Americana de Psicología (APA).
De esta manera se logró conocer la dependencia que existe hacia las redes
sociales, ya que el instrumento comprende tres factores: la «obsesión por las
redes sociales», la «falta de control personal en el uso de redes sociales» y el
«uso excesivo de las redes sociales» (Escurra & Salas, 2014).

A pesar de que el muestreo dentro de ambos grupos fue aleatorio, la divi-

sión de los grupos para el recojo de datos obliga a utilizar un ponderador
para cada grupo con el fin de que la muestra se asemeje a la población
real. Para el cálculo del peso se obtuvo la proporción de estudiantes
regulares y de tercera matrícula en la muestra; luego, se realizaron las
comparaciones con la distribución de los grupos en la población total de
estudiantes de la universidad.

Instrumento

El instrumento aplicado fue un cuestionario que comprende 24 ítems. El ítem

13 se califica de forma inversa. En cuanto a la composición, está comprendida
de la siguiente forma (véase el apéndice):

118 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

t
'BDUPS
obsesión: 10 ítems.

t
'BDUPS
falta de control: 6 ítems.

t
'BDUPS
uso excesivo: 8 ítems.

Adicionalmente se les preguntaron datos como la escuela profesional a la

que pertenecían, su último promedio ponderado y la escuela de procedencia.
Entiéndase como promedio ponderado a la nota final que se obtiene de la suma-
toria de cada una de las notas individuales multiplicada por su ponderación.

'HÀQLFLRQHVVHJ~Q(VFXUUD 6DODV 

Obsesión: «Compromiso mental con las redes sociales, pensar constante-

mente y fantasear con ellas, ansiedad y preocupación causada por la falta
de acceso a las mismas».

Falta de control: «Preocupación por la falta de control o interrupción en el

uso de las redes sociales; descuido de tareas y los estudios».

Uso excesivo: «Dificultades para controlar el uso de las redes sociales, exceso
en el tiempo de uso, no poder controlarse cuando usa las redes sociales y no
ser capaz de disminuir la cantidad de uso».

$QiOLVLVGHFRQÀDELOLGDG

Se ha considerado el estadístico de Cronbach para la confiabilidad del cues-

tionario utilizado y para verificar qué preguntas corresponden a cada tipo
de factor propuesto.

El modelo empírico

Se estimó el siguiente modelo de regresión para evaluar el impacto de los

factores de la adicción a redes sociales sobre el desempeño académico de
los estudiantes:

Donde es el Desempeño Académico, b es el coeficiente, es la Adicción a Redes

Sociales, es el sexo del estudiante, representa al conjunto de variables de
control como la escuela profesional y es el término de error. El término de
interacción servió para corroborar la hipótesis planteada.
EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 119
Gómez-Burns y Arela-Bobadilla

Cabe indicar que el fue medido con el promedio semestral ponderado obte-
nido por el estudiante en el último semestre. Se utilizó al promedio ponde-
rado como variable dependiente sin ninguna transformación funcional (en
niveles) y con la transformación funcional del logaritmo natural para los
modelos de semielasticidad.

Con el fin de poder utilizar los errores estándares para los test estadísticos,
se estimaron los errores estándares robustos a la heterocedasticidad.

Así mismo, se ha considerado la prueba de endogeneidad de Ramsey para

comprobar si se encuentran presentes en el modelo variables endógenas.

Resultados

Se obtuvieron en total 198 encuestas válidas de los estudiantes de primer

año (primer y segundo semestre) de la universidad privada arequipeña en
la que se llevó a cabo el estudio.

La edad promedio ponderado de los estudiantes es de 18.86 años; sin embargo,

el 70.0 % tiene 20 años o menos. En los resultados obtenidos, 13 personas
no indicaron su edad.

Tabla 1
Distribución de las edades de los estudiantes encuestados

Frecuencia no Frecuencia
Edad Porcentaje
ponderada ponderada
17 años 37 38 20.6 %
18 años 68 70 37.5 %
19 años 33 33 17.6 %
20 años 27 26 14.2 %
21 años o
20 19 10.0 %
más
Total 185 186 100.0 %

El 61.9 % de los encuestados fueron mujeres, y el resto, hombres.

120 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Tabla 2
Distribución del sexo de los estudiantes encuestados

Frecuencia no Frecuencia
Sexo Porcentaje
ponderada ponderada
Hombre 75 75 38.1 %
Mujer 123 123 61.9 %
Total 198 198 100.0 %

En la muestra, el 47.4 % de los encuestados procede de escuelas privadas; el

34.9 %, de escuelas privadas parroquiales; y el 17.1 %, de escuelas públicas.
Solo un estudiante indicó haber estudiado en una escuela no escolarizada.

Tabla 3
Distribución de los tipos de escuelas de procedencia de los estudiantes encuestados

Frecuencia no Frecuencia
Tipo de escuela Porcentaje
ponderada ponderada
Escuela privada 94 93 47.4 %
Escuela privada
69 69 34.9 %
parroquial
Escuela pública 33 34 17.1 %
Escuela no
1 1 .6 %
escolarizada
Total 197 197 100.0 %

La distribución por escuela revela una mayor participación de estudiantes

de Ingeniería Industrial (20.3 %), Derecho (17.3 %) y Administración de
Negocios (15.4 %), representando en total el 53.0 % de la muestra. En los
resultados obtenidos 1 persona no indicó su edad.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 121
Gómez-Burns y Arela-Bobadilla

Tabla 4
Distribución de las escuelas profesionales de los estudiantes encuestados

Escuela profesional Frecuencia no Frecuencia Porcentaje

ponderada ponderada
Ingeniería Industrial 63 60 20.3 %
Derecho 33 34 17.3 %
Administración de Negocios 29 30 15.4 %
Ingeniería Civil 29 30 15.1 %
Psicología 18 18 9.1 %
Ciencia de la Computación,
Ingeniería Electrónica y de
25 25 12.9 %
Telecomunicaciones, Educación y
Contabilidad
Total 197 197 100.0 %

Las plataformas más utilizadas por los encuestados son WhatsApp (94.9 %) y
Facebook (88.9 %). En los resultados obtenidos 1 persona no indicó su edad.
Tabla 5
Principales plataformas utilizadas

Frecuencia no Frecuencia
Plataforma Porcentaje
ponderada ponderada
WhatsApp 187 188 94.9 %
Facebook 173 176 88.9 %
Instagram 96 99 50.0 %
Snapchat 59 60 30.3 %
Twitter 21 20 10.1 %
Tumblr 4 4 2.0 %
Otras 7 7 3.5 %
Total de
198 198 100.0 %
estudiantes

En la muestra, el 71.6 % utiliza 3 redes sociales o menos, mientras que

solo el 5.4 % utiliza 5 o más redes sociales. Cabe resaltar que todos los

122 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

estudiantes de la muestra utilizan por lo menos una red social.

Tabla 6
Número de plataformas utilizadas

Número de redes Frecuencia no Frecuencia

Porcentaje
sociales ponderada ponderada
1 red social 24 21 10.6 %
2 redes sociales 68 67 33.8 %
3 redes sociales 52 54 27.2 %
4 redes sociales 42 45 22.9 %
5 redes sociales 9 7 3.7 %
6 redes sociales 3 3 1.7 %
Total 198 198 100.0 %

Por otro lado, el desempeño académico de los estudiantes en el último semes-

tre, medido por su promedio ponderado, presenta un promedio de 12.06
puntos en una escala de 0 a 20, siendo la menor nota 6.3 y la mayor 18.6.

Figura 2. Distribución del promedio ponderado.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 123
Gómez-Burns y Arela-Bobadilla

Tabla 7
Test de normalidad del promedio ponderado

Variable Observaciones Pr (Skewness) Pr (Kurtosis) Adj chi2(2) Prob>chi2

Promedio
198 .1654 .2655 3.20 .2020
ponderado

El test de normalidad indica que al 1 % de significancia no puede rechazarse

la hipótesis nula de normalidad.

Para la estimación del modelo econométrico se agruparon las categorías

dentro de las variables que tuvieron pocas observaciones, como en el caso
de las escuelas profesionales.

En cuanto a la construcción de cada uno de los factores del indicador de

adicción a redes sociales, se procedió con la prueba de consistencia interna
Alpha de Cronbach.

Tabla 8
Test de consistencia interna: obsesión

Factor: obsesión
Covariancia interítem
promedio .4588
Número de ítems 9
Alpha de Cronbach .8859
n = 198

Tabla 9
Test de consistencia interna: falta de control

Factor: falta de control

Covariancia interítem
promedio .4323
Número de ítems 6
Alpha de Cronbach .7456
n = 198

124 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Tabla 10
Test de consistencia interna: uso excesivo

Factor: uso excesivo

Covariancia interítem
promedio .5669
Número de ítems 8
Alpha de Cronbach .8783
n = 198

El análisis de consistencia interna indica que se obtienen mejores resultados si

se elimina el ítem 13 para la formulación del factor obsesión, ninguno para la
formulación del factor falta de control ni para la formulación del factor uso excesivo.

El nivel de adicción según los factores indicados anteriormente son en

promedio 2.01 para el factor obsesión, 2.53 para la falta de control y 2.60
para el uso excesivo en una escala de 1 a 5.

Como se observa en la tabla 11, las pruebas de hipótesis aplicadas a cada uno
de los factores revelan que el valor de la media de la obsesión se encuentra por
debajo de 2.5 puntos, que es el punto medio de la escala de 1 a 5 propuesta. En
el caso de la media de la falta de control no puede rechazarse la hipótesis nula
sobre su valor igual a 2.5 puntos. En el caso del uso excesivo se ha encontrado
evidencia para no rechazar la hipótesis nula sobre su valor igual a 2.5.

Tabla 11
Pruebas de hipótesis para la media de los factores de adicción a redes sociales

Variable N Media Error estándar Estadístico t P Intervalo de

de la media (Ho: media = 2.5) confianza
95 %
Obsesión 198 2.05 .05 -8.78 .0000 1.95 2.15
Falta de
198 2.58 .05 1.57 .1178 2.48 2.69
control
Uso excesivo 198 2.63 .06 2.56 .0252 2.52 2.74

3DUDYHULÀFDUODVKLSyWHVLVSODQWHDGDVHQODLQYHVWLJDFLyQVHHVWLPDURQ
cuatro modelos, todos con la interacción de los factores de la adicción con

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 125
Gómez-Burns y Arela-Bobadilla

HOVH[R'RVPRGHORVGHVHPLHODVWLFLGDGHVGHFLUWRPDQGRFRPRYDULDEOH
dependiente al logaritmo natural del promedio ponderado, y dos modelos
sin ninguna transformación funcional.

Por otro lado, los errores estándares fueron estimados robustos a la hetero-
cedasticidad. Así mismo, se realizó el test de endogeneidad de Ramsey que
muestra evidencia en contra de la violación del supuesto de exogeneidad en
los modelos 1 y 2 (p = .0264 y .0239 respectivamente) en los que las variables
binarias de la escuela profesional se encuentran presentes; sin embargo, en
los modelos 3 y 4 el test de Ramsey no permite rechazar la hipótesis nula de
exogeneidad (p valores de .3507 y .2890 respectivamente).

126 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Tabla 12
Modelo econométrico

Variable dependiente
/Q (Promedio pon- Promedio
/Q (Promedio pon- Promedio pondera-
Variable independiente derado) ponderado
derado) Modelo 1 do Modelo 2
Modelo 3 Modelo 4
-.0275 -.3108 -.0256 -.2976
Hombre
)DOWDGH (.5820) (.6250) (.5860) (.6180)
control -.0317 -.4177 -.0128 -.2018
0XMHU
(.4010) (.3740) (.7400) (.6740)
-.0057 -.0910 -.0058 -.1013
Hombre
(.9070) (.8800) (.9040) (.8640)
Use excesivo
   
0XMHU
(.0580) (.0660) (.0620) (.0660)
.0216 .2575 .0075 .1287
Hombre
(.6820) (.6810) (.8920) (.8410)
Obsesión
-.0558 -.6818 -.0795 
0XMHU
(.2210) (.1840) (.1010) (.0770)
Edad    
(.0370) (.0400) (.0710) (.0740)
Estudiante regular = 1    
Estudiante en tercera
(.0000) (.0000) (.0000)
PDWUtFXOD  
 
Derecho
(.0420) (.0680)
Ingeniería .0933 .8793
Civil (.1210) (.2210)
Escuela profe- Ingeniería  
sional Industrial (.0250) (.0400)
 
Psicología
(.0030) (.0070)
.0976 .9651
Otras
(.1010) (.1670)
Constante    
(.0000) (.0000) (.0000) (.0000)
N 185 185 185 185
) )  )  )  ) 
5.8600 6.49 8.43 9.32
5 .2085 .2042 .1514 .1584
7HVWGHHQGRJHQHLGDG )  3.15 )   3.23 )   1.10 )   1.26
HVSHFLÀFDFLyQ GH5DPVH\
Prob > ) .0239 3URE!) .3507 3URE!) .2890
3URE!) .0264

p calculados con errores estándares robustos a la heterocedasticidad entre paréntesis. * Estadísti-

FDPHQWHVLJQLÀFDWLYRDO DO DOGHVLJQLÀFDQFLD

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 127
Gómez-Burns y Arela-Bobadilla

La diferencia entre la muestra 198 y N en el modelo se da debido a que el

programa estadístico utilizado filtra y utiliza únicamente encuestas con
datos completos.

Los resultados muestran que en las mujeres el factor obsesión y uso excesivo
impactan en el promedio ponderado (p = .0770 y 0660 respectivamente),
en el modelo 4, y al 10 % de significancia estadística.

En todos los modelos estimados el impacto de la obsesión en la mujer es

negativo y llega a ser de hasta -.9484 puntos promedio en el modelo 4.

En el caso del uso excesivo, el impacto es estadísticamente significativo en los

modelos en niveles (2 y 4) y de semielasticidad (1 y 3). El impacto marginal
es positivo en todos los casos llegando a ser de hasta +.9062 puntos (modelo
4) o en +7.42 % (modelo 1) en el promedio ponderado.

Tomando en consideración las variables de control, podemos percibir que los

estudiantes de las escuelas profesionales de Derecho, Ingeniería Industrial
y Psicología tienen promedios ponderados estadísticamente mayores a la
escuela de Administración de Negocios (1.3129, 1.3668 y 1.8587 puntos
más en promedio respectivamente; modelo 2).

Por otro lado, los estudiantes con mayor edad en los primeros semestres
tienen promedio ponderados menores (-0,13 puntos por cada año de edad;
modelo 2).

Así mismo, los estudiantes que no llevan cursos en tercera matrícula tienen
en promedio 2.3302 puntos más que los estudiantes que llevan cursos en
tercera matrícula (modelo 2).

La evidencia encontrada se resume en la siguiente tabla:

128 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

7DEOD
5HVXPHQGHODHYLGHQFLDHQFRQWUDGD
Factores Hombres Mujeres
Obsesión 1RVLJQL¿FDWLYR 6LJQL¿FDWLYR PRGHOR
Positivo Negativo
Falta de control 1RVLJQL¿FDWLYR 1R6LJQL¿FDWLYR
Negativo Negativo
Uso excesivo 1RVLJQL¿FDWLYR 6LJQL¿FDWLYR
Negativo Positivo

Discusión

Los estudiantes, conocidos también como nativos digitales, están muy fami-
liarizados con el uso de tecnologías (Prensky, 2001), lo que ha generado que
sus métodos de estudio cambien: ahora son más colaborativos e interactivos,
y buscan aprender de forma experiencial (Cabra & Marciales, 2009).

Existe mucha literatura acerca de los posibles riesgos que pueden sufrir los
educandos al ser expuestos sin control a la tecnología, específicamente a las
redes sociales, ya que pueden afectarlos en su vida cotidiana, así como en su
desempeño académico. Se ha evidenciado que el internet, y específicamente la
mensajería instantánea, desplaza la cantidad de tiempo disponible en activida-
des como la lectura, interfiere directamente mientras se estudia o desarrolla un
estilo cognitivo de atención breve y cambiante (Levine et al., 2007).

Se ha encontrado que, en la población de estudio, las principales platafor-

mas utilizadas son WhatsApp y Facebook, en más del 85 % de la muestra en
ambos casos. Así mismo, el 71.6 % utiliza al menos 3 plataformas de redes
sociales. En cuanto a la evaluación de la dependencia de redes sociales, el
instrumento aplicado cumplió con los test necesarios para su uso. El estadís-
tico de consistencia interna Alpha de Cronbach mostró valores aceptables
para la mayoría de preguntas.

La dependencia de redes sociales en la muestra utilizada ha sido relativamente baja,

debido a que 2 de los factores, obsesión y falta de control, no superan el punto medio
(2.5) de la escala propuesta de 1 a 5 al 5 % de significancia. Solo el uso excesivo es

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 129
Gómez-Burns y Arela-Bobadilla

mayor a 2.5 al 5 % de significancia, lo que diagnosticaría el exceso en la utilización

de redes sociales por parte de la población estudiada.

Las hipótesis planteadas en el estudio fueron: (a) la dependencia de redes

sociales tiene un impacto negativo en el desempeño académico y (b) el
impacto es heterogéneo entre hombres y mujeres. Al finalizar, se ha encon-
trado evidencia suficiente que apunta a la existencia de un impacto mixto
en las estudiantes que cursan primer año de universidad frente a la adicción
de redes sociales.

El impacto de la obsesión es negativo en el del desempeño académico obtenido

por las estudiantes. Sin embargo, el efecto del uso excesivo de redes sociales es
positivo en el desempeño académico. Esto revela un impacto heterogéneo de
la dependencia de redes sociales en el indicador del desempeño académico
que se presenta únicamente en las estudiantes de primer año de universidad.
El impacto no es estadísticamente significativo en la población masculina. Esto
puede deberse a patrones propios de nuestra sociedad, ya que las mujeres
tienden a socializar más que los hombres, lo que produce un mayor uso de
las plataformas de las redes sociales (Villafuerte & Mainé, 2005).

Comparando el estudio con el realizado por Escurra & Salas (2014) a estu-
diantes universitarios limeños se puede notar que hay una diferencia. En el
caso de Lima son los varones quienes tienen valores más elevados frente a
las mujeres. Esto puede deberse a temas culturales.

Se esperaba del estudio que los tres factores arrojen un impacto negativo en el
desempeño académico, pero dados los resultados, se estima que el uso excesivo
de redes sociales en las mujeres puede estar dando resultados favorables ya
que estas podrían estar siendo utilizadas cada vez más con fines académi-
cos. Se sugiere investigar a profundidad cómo se caracterizan los discursos
acerca del uso de las redes sociales para actividades académicas estudiantiles
formales e informales de aprendizaje en estudiantes universitarios.

Comparando con otros estudios realizados, se destaca el de Rosen et al.

(2013), en el que se observó durante 15 minutos a 263 estudiantes en su
tiempo de estudio en casa. Es interesante que los estudiantes evidenciaron
menos de 6 minutos de concentración antes de cambiar su tarea asignada por
distracciones tecnológicas. De forma muy similar al resultado del presente

130 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

estudio, los estudiantes con una actitud positiva hacia la tecnología no

afectaron su concentración ni el permanecer en la tarea durante el estudio.
Sin embargo, los estudiantes que constantemente cambian la tarea por la
tecnología tienden a distraerse y salirse de la asignación. Incluso los que
ingresaron a Facebook tuvieron menor nota que los que no lo hicieron. El
estudio sugiere tener breaks tecnológicos para reducir las distracciones y
enseñar a los estudiantes estrategias para conocer y evitar que las interrup-
ciones tengan un impacto negativo en el aprendizaje.

De la misma manera, el estudio de Karpinski, Kirschner, Ozer, Mellott, &

Ochwo (2013) en estudiantes americanos y europeos demuestra que las acti-
vidades multitarea, es decir, el cambiar la tarea por entrar en distracciones
tecnológicas (especialmente redes sociales), ocasiona una caída en la eficien-
cia y productividad de actividades académicas únicamente en estudiantes
americanos. En nuestro estudio vimos el impacto negativo en el desempeño
a causa de la obsesión por las redes sociales. Coincidimos en profundizar en
el impacto de las redes sociales en entornos de aprendizaje universitario.

Se evidencia, entonces cada vez más, que las actividades multitarea (cambiar
a distracciones tecnológicas) ocasionan un mal rendimiento en la tarea prin-
cipal. En el estudio de Ellis et al. (2010) se realizó un experimento con 62
estudiantes americanos, el cual consistía en participar de una clase magistral
y luego rendir un control de comprensión. La mitad de ellos tenía permitido
utilizar tecnología (texting), y la otra mitad, no. Los estudiantes que no se
distrajeron con la tecnología, obtuvieron mayores notas. Algo muy similar
ocurrió en el estudio de Dhir et al. (2015) realizado con estudiantes adoles-
centes de la India, en el que se evidenció que un mayor uso compulsivo de
internet ocasiona un menor desempeño académico. Cabe resaltar que, en
este último estudio, a diferencia del presente, el impacto negativo se da en
los hombres. Junco & Cotten (2012) afirman, luego de estudiar a 1839 estu-
diantes que utilizan Facebook o mensajes de texto mientras hacen tareas, que
las redes sociales pueden causar problemas en el procesamiento cognitivo
y no les permiten un aprendizaje más profundo. Por lo tanto, el estudio del
uso de las TIC en la educación es muy importante ya que ocasionan impactos
positivos o negativos si no son dirigidos.

Además, la relevancia del estudio también se ve reflejado en los esfuerzos

del Gobierno, ya que este está proveyendo no solo material físico, sino

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 131
Gómez-Burns y Arela-Bobadilla

también digital para cerrar brechas educativas. Por ello hay una urgencia
en educar a los estudiantes en cómo utilizar las herramientas tecnológicas.
Si observamos los proyectos en ejecución en el periodo 2011-2016 formu-
lados por las Unidades Formuladoras del Sector Educación y declarados
por la OPI-Minedu podemos notar que se ha invertido en la Dirección de
Innovación Tecnológica en Educación un total de 732.9 millones de nuevos
soles (Ministerio de Educación, 2017).

Es necesario que se realicen mayores estudios incorporando nuevos campos

científicos, especialmente a la Psicología y a las Ciencias de la Computación,
pues de no tomar acciones no solo tendremos malos resultados en el proceso
de enseñanza-aprendizaje, sino que nuestros estudiantes podrían terminar
con adicciones. Echeburúa (2010) sugiere algunas estrategias para prevenir
la adicción a las redes sociales. Dentro de ellas está el promover la comu-
nicación entre familia y pares, potenciar aficiones o estimular el deporte y
actividades en equipo, y especialmente limitar el uso de dispositivos concre-
tando horas específicas.

Finalmente se invita a los docentes a investigar cómo dirigir a los estudiantes

en el correcto uso tanto de las TIC como de las redes sociales en sus procesos
de aprendizaje, ya que al ser nativos digitales las incorporarán en su día a día.

Referencias

Artunduaga, M. (2008). Variables que influyen en el rendimiento académico en

la universidad. Recuperado de https://es.slideshare.net/1234509876/
variables-del-rendimiento-acadmico-universidad

Byun, S., Ruffini, C., Mills, J., Douglas, A., Niang, M., Stepchenkova, S., ...
Blanton, M. (2009). Internet Addiction: Metasynthesis of 1996-2006
Quantitative Research. Cyberpsychology & Behavior,12(2), 203-207.

Cabra, F., & Marciales, G. (2009). Mitos, realidades y preguntas de inves-

tigación sobre los «nativos digitales»: una revisión. Universitas
Psychologica, 8(2), 323-338.

132 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Cornu, B. (2011). Digital Natives: How do they learn? How to teach them?
Unesco Institute for Information Technologies in Education, 1-12.

Dávila, S. (2006). Generación Net: visiones para su educación. ORBIS, 3,

24-48.

Dhir, A., Chen, S., & Nieminem, M. (2016). Psychometric Validation of

the Compulsive Internet Use Scale: Relationship with Adolescents
Demographics ICT Accessibility, and Problematic ICT Use. Social
Science Computer Review, 34(2), 197-214.

Edel, N. (2003). El rendimiento académico: concepto, investigación y desa-

rrollo. Revista Electrónica Iberoamericana sobre Calidad, Eficacia y
Cambio en Educación. Recuperado de http://www.ice.deusto.es/
rinace/reice/vol1n2/Edel.pdf.

Ellis, Y., Daniels, B., & Jauregui, A. (2010). The Effect of Multitasking on
the Grade Performance of Business Students. Research in Higher
Education Journal, 8(1), 1-10.

Echeburua, E., & de Corral, P. (2010). Adicción a las nuevas tecnologías y a

las redes sociales en jóvenes: un nuevo reto. Adicciones, 22(2), 91-95.

Escurra, M., & Salas, E. (2014). Construcción y validación del Cuestionario

de Adicción a Redes Sociales (ARS). Liberabit, 20, 73-91.

Hawi, N., & Samaha, M. (2016). To excel or not to excel: Strong Evidence
on the Adverse Effect of Smartphone Addiction on Academic
Performance. Computers & Education, 98, 81-89. doi: 10.1016/j.
compedu.2016.03.007

Hong, F., Huang, D., Lin, H., & Chiu, S. (2014). Analysis of the Psychological
Traits, Facebook Usage, and Facebook Addiction Model of Taiwanese
University Students. Telematics and Informatics, 31(4), 597-606. doi:
10.1016/j.tele.2014.01.001.

Iniciativa ciudadana Arequipa te queremos. (2013). Informe de indicado-

res de calidad de vida Arequipa al 2013. Arequipa ¿Cómo vamos?
Arequipa, Perú.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 133
Gómez-Burns y Arela-Bobadilla

Junco, R., & Cotten, S. R. (2012). No A 4 U: The Relationship between

Multitasking on Academic Performance. Computers & Education,
59(2), 505-514.

Karpinski, A. C., Kirschner, P. A., Ozer, I., Mellott, J. A., & Ochwo, P. (2013).
An Exploration of Social Networking Site Use, Multitasking, and
Academic Performance among United States and European University
Students. Computers in Human Behavior, 29, 1182-1192.

Koutropoulos, A. (2011). Digital Natives: Ten Years After. Merlot Journal of

Online Learning and Teaching, 7, 525-538.

Kvavik, R., & Caruso, J. (2005). ECAR Study of Students and Information
Technology, 2005: Convenience, Connection, Control and Learning.
Colorado: Educause.

La Rosa, A. (2010). Redes sociales en la web, comunicación y comportamiento

social. Avances en Psicología, 18(1), 85-95.

Levine, L., Waite, B., & Bowman, L. (2007). Electronic Media Use, Reading
and Academic Distractibility in College Youth. CyberPhychology &
Behavior, 10(4), 560-564.

Liu, Q., Zhou, Z., Yang, X., Kong, F., Niu, G., & Fan, C. (2017). Mobile Phone
Addiction and Sleep Quality among Chinese Adolescents: A Mode-
rated Mediation Model. Computers in Human Behavior, 72, 108-114.

Magsamen-Conrad, K., Billotte-Verhoff, C., & Greene, K. (2014). Technology

Addiction’s Contribution to Mental Wellbeing: The Positive Effect
of Online Social Capital. Computers in Human Behavior 40, 23-30.

Marciales, G. P., & Cabra, F. (2011). Internet y pánico moral: revisión de la

investigación sobre la interacción de niños y jóvenes con los nuevos
medios. Universitas Psychologica, 10(3), 855-865.

Mcmillan, S. J., & Morrison, M. (2006). Coming of Age with the Inter-
net. A Qualitative Exploration of how the Internet has become
an Integral Part of Young People’s Lives. New Media and Society,

134 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

8, 73-95. Recuperado de http://journals.sagepub.com/doi/

abs/10.1177/1461444806059871

McNeal, M. (2015). One Writer Explored the Marketing Science behind Clic-
kbait. You’ll never believe what she found out. Marketing Insights,
27(4), 26-31.

Ministerio de Educación. (2017). Reporte de cumplimiento misional 2011-2016.

Informe para la transferencia de gestión. Recuperado de http://www.
minedu.gob.pe/transferencia-de-gestion/pdf/reporte-del-cumpli-
miento-misional2.pdf

Montes, I., & Lerner, J. (2011). Rendimiento académico de los estudiantes

de pregrado de la Universidad EAFIT. Cuadernos de Investigación, 91.
Medellín: Dirección de Investigación y Docencia. Universidad EAFIT.

Oberst, U., Wegmann, E., Stodt, B., Brand, M., & Chamarro, A. (2017). Nega-
tive Consequences from Heavy Social Networking in Adolescents:
The Mediating Role of Fear of missing out. Journal of Adolescence,
55, 51-60.

Oblinger, D., & Oblinger, J. (2005). Educating the Net Generation. Minnesota:
Educause.

OECD. (2015). Education at a Glance: OECD Indicators. Recuperado de http://

www.oecd-ilibrary.org/docserver/download/9615031e.pdf?expi-
res=1501693823&id=id&accname=guest&checksum=1789AEE-
8B69757B2CD6038F938C8DC19

Pecar. (2002). Análisis de Redes Sociales. Recuperado de http://www.vem.

es/info/pecar/analisis.htm

Prensky, M. (2001). Digital Natives, Digial Immigrants. On the Horizon,

9(5), 1-6.

Ramírez, R. (2003). Crecer, aprender y pensar con las tecnologías de infor-

mación y comunicación. Agora Digital, 5. Recuperado http://rabida.
uhu.es/dspace/handle/10272/3509

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 135
Gómez-Burns y Arela-Bobadilla

Rodríguez, I. (2006). Infancia y nuevas tecnologías: un análisis del discurso

sobre la sociedad de la información y los niños. Política y Sociedad,
43, 139-157.

Rosen, L. D., Carrier, L., & Cheever, N. A. (2013). Facebook and texting made
me do it: Mediainduced taskswitching while studying. Computers
in Human Behavior, 29(3), 948-958.

Rowlands, I., Nicholas, D., Williams, P., & Huntington, P. (2008). Google
Generation: The Information Behaviour of the Researcher of the
Future. Aslib Proceedings. Bradford, 60(4), 290.

Salas, E., & Escurra, M. (2014). Uso de redes sociales entre estudiantes
universitarios limeños. Revista Peruana de Psicología y Trabajo Social,
3, 75-90.

Selwyn, N. (2009). The Digital Native. Myth and Reality. Aslib Proceedings,
61(4), 364-379.

Selwyn, N., & Facer, K. (2010). Beyond Digital Divide: Towards an Agenda
for Change. En E. Ferro, Y. K. Dwivedi, J. R. Gil-Garcia, & M. D.
Williams (Eds.), Handbook of Research on Overcoming Digital Divides:
Constructing an Equitable and Competitive Information Society (pp.
1-20). Hershey: IGI Global.

Selwyn, N. (2011). Education and Technology. Key, Issues and Debates. London:
Blumsbury.

Singh, A. (2014). Challenges and Issues of Generation Z. IOSR Journal of

Business and Management, 16(7), 59-63.

Skiba, D., & Barton, A. (2006). Adapting your Teaching to accommodate the
Net Generation of Learners. The Online Journal of Issues in Nursing,
11(2), 1-11.

Soat, M. (2015). Feeding the Addiction. Marketing News, 48, 20-21.

Tapscott, D., & Williams, A. (2007). Wikinomics. How Mass Collaboration

changes everything. New York: Atlantic Books.

136 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

Trinder, K., Guiller, J., Margaryan, A., Littlejohn, A., & Nicol, D. (2008).
Learning from digital natives: bridging formal and informal learning
(Research project report). Glasgow Caledonian University, Glasgow,
Reino Unido.

Trinder, K., Guiller, J., Margaryan, A., Littlejohn, A., & Nicol, D. (2013). An
Exploration of Social Networking Site Use, Multitasking, and Acade-
mic Performance among United States and European University
Students. Computers in Human Behavior, 29(3), 1182-1192.

Vegas, E., & Coffin, C. (2015). Cuando el gasto en educación importa: un

análisis empírico de información internacional reciente. Documento de
Trabajo del Banco Interamericano de Desarrollo n.º 574. Recuperado
de https://publications.iadb.org/bitstream/handle/11319/6803/
Cuando%20el%20gasto%20en%20la%20educaci%C3%B3n%20
importa%20un%20an%C3%A1lisis%20emp%C3%ADrico%20de%20
informaci%C3%B3n%20internacional%20reciente.pdf?sequence=1

Viet, J. (1979). Los métodos estructuralistas en ciencias sociales. Argentina:

Amorrortu editores.

Villafuerte, A., & Mainé, L. (2005). Personalidad, hábitos de consumo y

riesgo de adicción al internet en estudiantes universitarios. Revista
de Psicología, 23, 65-112.

Weinstein, A., Yaacov, Y., Manning, M., Danon, P., & Weizman, A. (2015).
Internet Addiction and Attention Deficit Hyperactivity Disorder
Among Schoolchildren. Israel Medical Association Journal, 17(12),
731-733.

Zhao, F., Zhang, Z., Bi, L., Wu, X., Wang, W., Li, Y., & Sun, Y. (2016). The
Association Between Life Events and Internet Addiction among
Chinese Vocational School Students: The Mediating Role of Depres-
sion. Computers in Human Behavior, 70(3), 30-38.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 137
Gómez-Burns y Arela-Bobadilla

Apéndice

ENCUESTA DEL USO DE REDES SOCIALES

Buenos días. La presente encuesta tiene por objetivo conocer si existe una
relación entre el uso de redes sociales y el desempeño académico. Entiéndase
como uso de redes sociales solo a aquella actividad que involucre el uso de
plataformas como Facebook, Twitter, WhatsApp, Instagram, Snapchat, Tinder
u otras que permitan la interacción con amigos, pareja, parientes cercanos
o desconocidos con un el fin de socializar.

Por favor, sírvase contestar las siguientes preguntas con absoluta libertad y
sinceridad. Los resultados serán utilizados para obtener un diagnóstico de
la situación en los jóvenes de la universidad de forma confidencial.

1) Edad en años cumplidos:

2) Sexo:
Masculino
Femenino

3) ¿A qué tipo de colegio asistió en la secundaria?

Estatal
Particular no pa-
rroquial
Particular parro-
quial
No escolarizado

138 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

4) ¿A qué escuela profesional pertenece?

Administración de Negocios
Contabilidad
Educación
Psicología
Derecho
Ingeniería Industrial
Ciencia de la Computación
Ingeniería Electrónica y de
Telecomunicaciones
Ingeniería Civil

5) ¿Cuáles de las siguientes redes sociales utiliza regularmente?

Facebook
Whatsapp
Twitter
Snapchat
Tinder
Instagram
Otra

6) De todas las personas que conoce a través de la red, ¿a cuántos conoce

personalmente?
Menos del 10 %
Entre 11 % y
30 %
Entre 31 % y
50 %
Entre 51 % y
70 %
Más de 70 %

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 139
Gómez-Burns y Arela-Bobadilla

USO DE LAS REDES SOCIALES

A continuación se presentan 24 preguntas referidas al uso de las redes socia-

les, por favor conteste a todas ellas con sinceridad. No existen respuestas
adecuadas, buenas, inadecuadas o malas. Seleccione la opción según lo que
usted piensa o hace.

Preguntas Siempre Casi Algunas Rara Nunca

siempre veces vez
1) Siento gran nece-
sidad de permanecer
conectado(a) a las
redes sociales.
2) Necesito cada vez
más tiempo para
atender mis asuntos
relacionados con las
redes sociales.
3) El tiempo que an-
tes destinaba para
estar conectado(a) a
las redes sociales ya
no me satisface, ne-
cesito más.
4) Apenas despierto
ya estoy conectándo-
me a las redes socia-
les.
5) No sé qué hacer
cuando quedo des-
conectado(a) de las
redes sociales.
6) Me pongo de mal-
humor si no puedo
conectarme a las re-
des sociales.

140 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

7) Me siento ansio-
so(a) cuando no
puedo conectarme a
las redes sociales.
8) Entrar y usar las
redes sociales me
produce alivio, me
relaja.
9) Cuando entro a
las redes sociales
pierdo el sentido del
tiempo.
10) Generalmen-
te permanezco más
tiempo en las redes
sociales del que ini-
cialmente había des-
tinado.
11) Pienso en lo que
puede estar pasando
en las redes sociales.
12) Pienso en que
debo controlar mi
actividad de conec-
tarme a las redes so-
ciales.
13) Puedo desconec-
tarme de las redes
sociales por varios
días.
14) Me propongo sin
éxito, controlar mis
hábitos de uso pro-
longado e intenso de
las redes sociales.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 141
Gómez-Burns y Arela-Bobadilla

15) Aun cuando de-

sarrollo otras acti-
vidades, no dejo de
pensar en lo que su-
cede en las redes so-
ciales.
16) Invierto mucho
tiempo del día co-
nectándome y des-
conectándome de las
redes sociales.
17) Permanezco mu-
cho tiempo conec-
tado(a) a las redes
sociales.
18) Estoy atento(a)
a las alertas que me
envían desde las re-
des sociales a mi te-
léfono o a la compu-
tadora.
19) Descuido a mis
amigos o familiares
por estar conectado(a)
a las redes sociales.
20) Descuido las ta-
reas y los estudios
por estar conecta-
do(a) a las redes so-
ciales.
21) Aun cuando es-
toy en clase, me co-
necto con disimulo a
las redes sociales.

142 EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853
 Redes sociales y desempeño académico

22) Mi pareja o ami-

gos o familiares me
han llamado la aten-
ción por mi dedica-
ción y el tiempo que
destino a las cosas de
las redes sociales.
23) Cuando estoy en
clase sin conectar con
las redes sociales, me
siento aburrido(a).
24) Creo que es un
problema la intensi-
dad y la frecuencia
con la que entro y
uso la red social.

PROMEDIO PONDERADO

Indique el promedio ponderado que obtuvo en el semestre 2016 – II ________

La encuesta ha terminado. Muchas gracias.

EDUCATIONIS MOMENTUM, 2017, vol 3, n.° 1, pp. 107-143, ISSN (impr.): 2414-1364; (online): 2517-9853 143