6.2: “La relación entre el uso del celular y el rendimiento académico en una muestra de estudiantes universitarios estadounidenses” por Andrew Lepp, Jacob E. Barkley y Aryn C. Karpinski

Abstracto

El celular está siempre presente en los campus universitarios y se usa frecuentemente en entornos donde se produce el aprendizaje. Este estudio evaluó la relación entre el uso del teléfono celular y el promedio de calificaciones universitarias (GPA) real después de controlar los predictores conocidos. Como tal, se muestrearon 536 estudiantes de pregrado de 82 carreras autoreportadas de una universidad pública amplia. Una regresión jerárquica (R ² = .449) demostró que el uso del celular se relacionó significativamente (p < .001) y negativamente (β = −.164) con el promedio real universitario después de controlar las variables demográficas, la autoeficacia para el aprendizaje autorregulado, la autoeficacia para logro académico y promedio real de secundaria, que fueron todos predictores significativos (p < .05). Así, después de controlar por otros predictores establecidos, el aumento en el uso del teléfono celular se asoció con una disminución del rendimiento académico. Aunque se necesita más investigación para identificar los mecanismos subyacentes, los hallazgos sugieren la necesidad de sensibilizar a estudiantes y educadores sobre los posibles riesgos académicos asociados con el uso de teléfonos celulares de alta frecuencia.

Introducción

Los teléfonos celulares son una parte integral de la vida universitaria y la cultura. Incluso una observación casual de los estudiantes universitarios de hoy revelará que los teléfonos celulares se utilizan, tanto de manera abierta como encubierta, en todos los entornos posibles del campus, incluido el aula. La investigación sugiere que los estudiantes universitarios suelen usar el teléfono celular durante el horario de clase a pesar de las reglas en contra de hacerlo (Tindell & Bohlander, 2012). A medida que la tecnología de telefonía celular continúa su rápido desarrollo, el dispositivo parece capaz de contribuir al aprendizaje de los estudiantes y mejorar el rendimiento académico. Por ejemplo, los “teléfonos inteligentes” modernos brindan a los estudiantes acceso inmediato y portátil a muchas de las mismas capacidades para mejorar la educación que una computadora conectada a Internet, como la recuperación de información en línea, el intercambio de archivos y la interacción con profesores y compañeros de estudios (Bull & McCormick, 2012; Tao y Yeh, 2013). Por el contrario, investigaciones recientes sugieren que muchos estudiantes universitarios perciben el teléfono celular principalmente como un dispositivo de ocio, y más comúnmente usan teléfonos celulares para redes sociales, navegar por Internet, ver videos y jugar juegos (Lepp, Li, & Barkley, 2015; Lepp, Barkley, Sanders, Rebold, & Gates, 2013 ). Si se utilizan típicamente para el ocio en lugar de la educación, entonces los teléfonos celulares pueden interrumpir el aprendizaje dentro de entornos académicos (Levine, Waite y Bowman, 2007). Por lo tanto, no está clara la relación potencial entre el uso del celular y el rendimiento académico.

En apoyo de la hipótesis de “celular como disruptor”, un estudio reciente de nuestro grupo (Lepp et al., 2013) encontró que el uso del celular se asoció negativamente con una medida objetiva de la aptitud cardiorrespiratoria en una muestra de estudiantes universitarios típicos de Estados Unidos. Los datos de entrevistas recopilados para el estudio explicaron la relación negativa al sugerir que el uso del teléfono celular interrumpe la actividad física y fomenta el comportamiento sedentario. Los datos inéditos de entrevistas recopilados como parte del mismo estudio sugieren que el uso del teléfono celular también puede alterar comportamientos conducentes al éxito académico. Por ejemplo, cuando se le pidió que describiera los hábitos de uso del celular, un participante declaró: “Normalmente voy al teléfono si me aburro sentado ahí en clase. O durante la tarea voy a tomar pequeños descansos en Twitter”. Otro alumno dijo: Si estoy en clase y estoy aburrido entonces usaré mi teléfono para mirar en Facebook. Creo que es una especie de hábito ahora que tengo, que probablemente no sea bueno. Pero, es que siempre lo tengo [el teléfono] encima.

A lo largo de las entrevistas, tales declaraciones fueron más comunes entre los usuarios de teléfonos celulares de alta frecuencia que entre los usuarios de baja frecuencia. Estas declaraciones sugieren que algunos estudiantes, particularmente los usuarios de alta frecuencia, pueden tener dificultades para regular el uso de su teléfono celular durante los esfuerzos académicos como la participación en clase, la tarea y el estudio. Así, el propósito del presente estudio fue investigar la relación entre el uso del celular y el rendimiento académico en una gran muestra de estudiantes universitarios estadounidenses.

Revisión de Literatura

Si bien es probable que el celular esté a mano mientras los estudiantes universitarios están en clase y estudian, la investigación que investiga su relación con el rendimiento académico es limitada. En un estudio temprano del fenómeno, Sánchez-Martínez y Otero (2009) utilizaron una combinación de datos de gastos mensuales de telefonía celular autoreportados y frecuencia de uso para identificar usuarios intensivos de teléfonos celulares en una gran muestra de estudiantes españoles de secundaria. En el estudio, el uso intensivo de celulares se relacionó con el fracaso escolar así como otras conductas negativas como el tabaquismo y el consumo excesivo de alcohol. Estudios más recientes operacionalizan el uso del teléfono celular como llamadas y mensajes de texto mientras utilizan una variedad de medidas para el rendimiento académico. Por ejemplo, Jacobsen y Forste (2011) identificaron una relación negativa entre llamadas, mensajes de texto y promedio autoinformado de calificaciones (GPA) entre estudiantes universitarios en Estados Unidos. De igual manera, Hong, Chiu y Hong (2012) encontraron que las llamadas y los mensajes de texto se correlacionaron positivamente con una medida autoinformada de dificultad académica entre una muestra de estudiantes universitarias taiwanesas. Si bien estos estudios proporcionan un punto de partida para comprender la relación entre el uso del celular y el rendimiento académico, no utilizan medidas objetivas del rendimiento académico ni toman en cuenta las capacidades en expansión del teléfono celular más allá de las llamadas y los mensajes de texto.

Los teléfonos celulares modernos permiten a los usuarios acceder a una variedad de medios electrónicos en casi cualquier momento y lugar. Las actividades populares como jugar videojuegos, navegar por Internet y monitorear sitios de redes sociales ahora se realizan fácilmente con la mayoría de los teléfonos celulares. Los investigadores han vinculado cada una de estas actividades, independientemente del uso del celular, con el rendimiento académico. Por ejemplo, el juego pesado de videojuegos se ha asociado con menores GPA (Jackson, von Eye, Fitzgerald, Witt, & Zhao, 2011; Jackson, von Eye, Witt, Zhao, & Fitzgerald, 2011). Además, los bajos niveles de uso de Internet se han asociado con un mejor rendimiento académico (Chen & Peng, 2008) .Chen y Tzeng (2010) encontraron que entre los usuarios pesados de Internet la búsqueda de información se asoció con un mejor rendimiento académico, mientras que el juego de videojuegos se asoció con niveles más bajos de desempeño. Varios estudios recientes han identificado una relación negativa entre el uso del sitio de redes sociales (por ejemplo, Facebook, MySpace, Twitter) y el rendimiento académico (por ejemplo, Rosen, Carrier, & Cheever, 2013; Stollak, Vandenberg, Burklund, & Weiss, 2011). En particular, Kirschner y Karpinski (2010) demostraron que los usuarios de Facebook tienen un promedio autoinformado menor y pasan menos horas semanales estudiando que los no usuarios. De igual manera, Junco (2012a, 2012b) encontró una relación fuerte y negativa entre el tiempo pasado en Facebook y el GPA acumulativo real. Estas relaciones negativas se han encontrado en poblaciones de todo el mundo, incluyendo Norteamérica, Europa y Asia (por ejemplo, Chen & Tzeng, 2010; Karpinski, Kirschner, Ozer, Mellott, & Ochwo, 2013).

Recientemente, la multitarea ha surgido como una posible explicación de la relación negativa entre el uso de medios electrónicos (incluido el uso del celular) y el rendimiento académico (Jacobsen & Forste, 2011; Junco & Cotton, 2011; 2012; Karpinski et al., 2013; Kirschner & Karpinski, 2010; Rosen et al.,2013; Wood et al., 2012). De hecho, varios estudios revelan que los estudiantes frecuentemente reportan usar una variedad de medios electrónicos incluyendo teléfonos celulares mientras están en clase, estudian y hacen la tarea (Jacobsen & Forste, 2011; Junco & Cotton, 2012; Sánchez-Martínez & Otero, 2009; Tindell & Bohlander, 2012). Varios estudios recientes, utilizando una variedad de métodos, identifican una relación negativa entre la multitarea y el rendimiento académico. Primero, Wood et al. (2012) midieron la influencia de la multitarea con una variedad de medios electrónicos en la capacidad de los estudiantes para aprender de clases típicas de aula universitaria. El correo electrónico, la mensajería MSN y el uso de Facebook vía computadora fueron investigados al igual que los mensajes de texto por teléfono celular. Los resultados mostraron que la multitarea con alguna de las tecnologías se asoció con puntuaciones más bajas en las pruebas de seguimiento en comparación con los estudiantes que no realizaron multitarea. Segundo, Junco y Cotton (2012) utilizaron una regresión jerárquica para determinar el poder de la multitarea para predecir el promedio acumulado real de la universidad. Los resultados mostraron que la multitarea de Facebook y la multitarea de texto se relacionaron significativa y negativamente con el GPA universitario después de controlar el sexo, el promedio real de secundaria, el tiempo de preparación para la clase y las habilidades de Internet de un estudiante. Finalmente, Rosen et al. (2013) observaron los comportamientos de estudio, así como los ajustes de estudio de una muestra de estudiantes de secundaria, preparatoria y universitarios. Los participantes fueron observados durante 15 min con comportamiento dentro y fuera de la tarea registrado cada minuto. Los resultados mostraron que los participantes generalmente se distraían con medios como Facebook y mensajes de texto después de menos de 6 minutos de estudio. Además, las mediciones del uso diario de Facebook y el comportamiento diario de mensajes de texto predijeron el comportamiento fuera de la tarea durante los períodos de estudio, así como el GPA

En revisión, investigaciones emergentes sugieren que los mensajes de texto, el uso de Internet, el correo electrónico y los sitios de redes sociales como Facebook pueden potencialmente aumentar la multitarea y el cambio de tareas durante las actividades académicas y disminuir el rendimiento académico. Notablemente, todas estas actividades previamente investigadas ahora se pueden lograr con un solo teléfono celular conectado a Internet. Por lo tanto, las mediciones del uso del celular no deben limitarse solo a enviar mensajes de texto y llamadas sino que deben tener en cuenta esta amplia gama de actividades. Además, y considerando la ubicuidad del celular, la relación entre esta definición ampliada de uso del celular y el rendimiento académico amerita investigación.

Creencias de autoeficacia y rendimiento académico

Además de mejorar la forma en que se mide el uso del celular, una mejor comprensión de la relación entre el uso del celular y el rendimiento académico requiere incorporar predictores adicionales y bien establecidos en cualquier modelo estadístico diseñado para evaluar esta relación. Una abundancia de investigaciones sugiere que las creencias de autoeficacia se encuentran entre los predictores más fuertes del rendimiento académico (para una revisión integral, SeePagares, 1996). En términos generales, la autoeficacia describe la creencia de un individuo en sus capacidades para organizar y ejecutar los comportamientos necesarios para el éxito; como tal, las creencias de autoeficacia son un mecanismo clave en la agencia humana (Bandura, 1982). Las creencias de autoeficacia son específicas de dominio; así, la investigación ha identificado creencias de autoeficacia pertinentes al rendimiento académico (Pajares, 1996). La fuerza de los constructos académicos de autoeficacia es su influencia sobre el comportamiento. Los estudiantes que reportan alta autoeficacia académica aplican un mayor esfuerzo a las actividades académicas, son más persistentes ante los obstáculos y exhiben un mayor interés en el aprendizaje (Schunk, 1984, 1989). Además, la investigación ilustra que la autoeficacia académica puede mediar los efectos de la capacidad académica (Pajares, 1996). Como resultado, la autoeficacia académica se correlaciona positivamente con prácticamente todas las medidas del desempeño académico, incluyendo calificaciones semestrales, promedio acumulado, tareas, puntajes de exámenes y tareas de escritura (Multon, Brown, & Lent, 1991; Pajares, 1996).

La investigación ha demostrado que las creencias de eficacia suelen ser mejores predictores del rendimiento académico que otras variables social-psicológicas de uso común (por ejemplo, Klomegah, 2007; Paulsen & Gentry, 1995; Pintrich & Schunk, 2002). Por ejemplo, la autoeficacia demostró ser el predictor más fuerte del desempeño académico de los estudiantes universitarios en un modelo que incluye el valor de la tarea, las orientaciones de metas, la autorregulación metacognitiva, la autorregulación y las estrategias de aprendizaje (Al-Harthy & Was, 2010). Dos constructos de autoeficacia en particular han recibido mucha atención por su capacidad para predecir el rendimiento académico (Pajares, 1996). Estas son la autoeficacia para el aprendizaje autorregulado (SE:SRL) y la autoeficacia para el logro académico (SE:AA; Zimmerman, Bandura, & Martinez-Pons, 1992). SE:SRL se refiere a la creencia de un individuo en sus capacidades para regular proactivamente su aprendizaje en el camino hacia el logro académico. Esto incluye creer en la capacidad de uno para resistir las distracciones mientras aprende y crear entornos de estudio propicios para el aprendizaje. Como tal, es una variable importante a considerar al explorar la relación entre potenciales distractores como los teléfonos celulares u otros nuevos medios y el rendimiento académico (LaRose & Eastin, 2004; LaRose, Lin, & Eastin, 2003; LaRose, Mastro, & Eastin, 2001; Odaci, 2011). Un constructo relacionado es SE:AA, que describe la creencia de un individuo en sus capacidades para aprender material de áreas de contenido específicas como matemáticas, ciencias e historia. Tal como fueron originalmente concebidos y validados por Zimmerman et al. (1992), SE:SRL influye en SE:AA, lo que a su vez influye en el rendimiento académico final. Según lo predicho por el modelo original y posteriormente verificado, el rendimiento académico previo puede influir tanto en SE:SRL como en SE:AA (Caprara, Vecchione, Alessandri, Gerbino, & Barbaranelli, 2011).

Pregunta de investigación

Considerando la investigación existente, así como los datos inéditos de entrevistas presentados en la introducción de este artículo, se plantea la hipótesis de que el uso del celular y el rendimiento académico están relacionados. Sin embargo, al evaluar esta relación, es necesario considerar importantes controles estadísticos como SE:SRL, SE:AA y desempeño académico previo (es decir, GPA de secundaria). De igual manera, la investigación sugiere que la elección en la mayor académica, así como los factores demográficos y conductuales, también pueden ser predictivos del rendimiento académico y, por lo tanto, deben considerarse. Este estudio consideró cuatro factores de este tipo: sexo, tabaquismo, posición en clase y licenciatura. De hecho, existen diferencias bien establecidas relacionadas con el sexo en el rendimiento académico de los estudiantes universitarios (Peter & Horn, 2005). Asimismo, el tabaquismo se ha asociado con el uso problemático del celular y un bajo rendimiento académico (DeBERard, Spielmans, & Julka, 2004; Sánchez-Martínez & Otero, 2009). La posición de clase y la licenciatura también pueden ser predictores potenciales (Kirschner & Karpinski, 2010; Sulaiman & Mohezar, 2006). Además, existe la necesidad de operacionalizar el uso del teléfono celular de manera más amplia (es decir, evaluar el uso total del teléfono celular) teniendo en cuenta el aumento de la funcionalidad del dispositivo. Por último, es necesario utilizar medidas objetivas del rendimiento académico, como el GPA acumulativo oficial de los estudiantes. Este estudio satisface estas muchas necesidades respondiendo a la siguiente pregunta: ¿Cuál es la relación entre el uso total del teléfono celular (es decir, llamadas, mensajes de texto, videojuegos, redes sociales, navegación por Internet, aplicaciones basadas en software, etc.) y el rendimiento académico (es decir, GPA universitario real) después de controlar para predictores previamente identificados del desempeño académico (es decir, GPA real de secundaria, SE:SRL, SE:AA, sexo, consumo de cigarrillos, posición de clase y especialización académica)?

Método

La variable dependiente para este estudio, el rendimiento académico, se evaluó objetivamente utilizando el GPA acumulado real de los participantes. Además, se utilizó el GPA real de secundaria como control estadístico. Debido a que se trata de datos sensibles, y su recolección implica acceder a los registros académicos oficiales de los participantes, se aseguró a los participantes que la recolección, almacenamiento y reporte de datos garantizaría la confidencialidad y el anonimato. Los participantes fueron reclutados durante el tiempo de clase de cursos que típicamente atraen a estudiantes de una diversidad de carreras de pregrado. Los cursos representativos incluyen introducción a la sociología, biología general, política estadounidense, nutrición humana e historia mundial. Durante el horario de clase, los investigadores principales explicaron los métodos a todos los estudiantes presentes, respondieron preguntas, abordaron inquietudes y aseguraron que el documento de consentimiento informado fuera leído, entendido y firmado. Después de esto, una encuesta fue distribuida y completada durante clase por todos los estudiantes que consintieron participar en el estudio. En la encuesta, los estudiantes proporcionaron su dirección de correo electrónico de la universidad, que posteriormente fue utilizada para acceder a sus expedientes académicos. Si los estudiantes no dieron su consentimiento para que se recuperara su GPA, no participaron en el estudio. Este método produjo un tamaño de muestra inicial de 536 estudiantes de pregrado de 82 carreras autoreportadas.

Medidas

La encuesta tardó aproximadamente 10 minutos en completarse. Los estudiantes primero proporcionaron información básica demográfica y de estilo de vida Los estudiantes completaron las escalas SE:SRL validadas (Zimmerman et al., 1992) y SE:AA (Zimmerman et al., 1992). Los participantes también proporcionaron información sobre el uso de su teléfono celular como operacionalizado por Lepp et al. (2013) y, finalmente, sus direcciones de correo electrónico. Se utilizaron direcciones de correo electrónico para acceder a los registros académicos oficiales de cada estudiante de los cuales se recolectaron los GPA de colegio y preparatoria.

SE:SRL es una escala de 11 ítems que mide qué tan bien los estudiantes creen que pueden usar una variedad de estrategias de aprendizaje autorreguladas como terminar las tareas por plazos, estudiar cuando hay otras cosas interesantes que hacer, concentrarse en las materias escolares y organizar un lugar para estudiar sin distracciones (Zimmerman et al., 1992, p. 668). SE:AA es una escala de nueve ítems que mide lo bien que los estudiantes creen que pueden alcanzar el éxito en dominios académicos importantes como la lectura, la escritura, la gramática inglesa, las matemáticas, las ciencias, los estudios sociales y el uso de computadoras. Para los ítems en ambas medidas de autoeficacia, los estudiantes utilizaron una escala tipo Likert de siete puntos para calificar su capacidad percibida de hacerlo bien (es decir, 1 = no muy bien a 7 = muy bien). Se sumaron las respuestas para los ítems de cada escala, produciendo así una puntuación total. Los puntajes más altos indican mayor autoeficacia. Ambas escalas han sido previamente validadas y se encontró que presentan una fuerte consistencia interna (coeficiente α = .87 y .70, respectivamente; Zimmerman et al., 1992). Desde su desarrollo, se ha demostrado consistentemente que ambos son predictores confiables del desempeño académico en entornos de variedades (Pajares, 1996). Asimismo, las escalas SE:SRL y SE:AA demostraron una fuerte consistencia interna con la muestra de estudiantes de pregrado de este estudio (coeficiente α = .84 y .73, respectivamente; N = 536).

El uso total diario del celular se midió utilizando el siguiente artículo: Con la mayor precisión posible, por favor, estime la cantidad total de tiempo que pasa usando su teléfono móvil cada día. Por favor considere todos los usos excepto escuchar música. Por ejemplo: considere llamar, enviar mensajes de texto, enviar fotos, jugar, navegar por Internet, ver videos, Facebook, correo electrónico y todos los demás usos impulsados por “aplicaciones” y software.

Los participantes proporcionaron las mejores estimaciones de horas de uso del teléfono celular por día y minutos por día. El uso total en minutos se calculó para cada participante como horas × 60 + minutos. Al desarrollar esta medida del uso total del celular, dos grupos focales de estudiantes de pregrado revisaron la pregunta para determinar los criterios de validez del contenido, entre ellos: a) claridad en la redacción, (b) relevancia de los ítems, (c) uso del inglés estándar, (d) ausencia de palabras y frases sesgadas, (e) formato de ítems, y (f) claridad de las instrucciones (Fowler, 2002). La mayoría de los estudiantes proporcionaron retroalimentación de las categorías de criterios de (a), (b), (c) y (f). Se realizaron alteraciones adecuadas a la encuesta con base en las respuestas y sugerencias. Teniendo en cuenta la validez de constructo de esta medida, se evaluaron los mensajes de texto diarios y las llamadas diarias de los participantes, ya que así es como se ha operado el uso del celular en investigaciones previas (por ejemplo, Jacobsen & Forste, 2011). El uso diario total del celular (llamadas, mensajes de texto más todos los demás usos como navegación por Internet y juegos) se correlacionó positivamente con los mensajes de texto diarios (r = .430, p < .001) y las llamadas diarias (r = .210, p < .001), sugiriendo que las medidas están relacionadas pero no idénticos. Además, se evaluó la validez de constructo en un grupo pequeño (N = 21) de estudiantes universitarios de pregrado de la misma universidad del que se extrajo la presente muestra. El uso total autoreportado del teléfono celular (minutos) evaluado por esta medida tuvo una correlación grande y significativa (r = .510, p = .018) con el uso medido objetivamente del celular (minutos) obtenido al acceder a los registros reales de teléfonos celulares de los estudiantes (datos inéditos). Así, esta medida de autoreporte se desarrolló cuidadosamente para asegurar la validez del contenido, mientras que las pruebas posteriores proporcionaron evidencia de validez de constructo y criterio.

Análisis de datos

Todos los análisis se realizaron usando SPSS para Windows (Versión 18.0, SPSS Inc, Evenston, Illinois). En primer lugar, se utilizaron pruebas t de muestras independientes para examinar las diferencias en el GPA entre hombres y mujeres y fumadores y no fumadores. Asimismo, se utilizó ANOVA para examinar las diferencias en el GPA entre clase (es decir, primer año, segundo año, junior, senior) y una categorización de estudiantes con base en el colegio que alberga su especialidad (es decir, educación, salud y servicios humanos; artes y ciencias; negocios y comunicaciones). En segundo lugar, se realizaron correlaciones de Pearson para examinar las relaciones entre las siguientes variables: GPA universitario, SE:SRL, SE:AA, GPA de secundaria y uso total del celular. En tercer lugar, se utilizó la regresión jerárquica para responder a la pregunta central de este estudio:

• Pregunta de investigación 1: ¿Cuál es la relación entre el uso total del celular y el rendimiento académico después de controlar para predictores conocidos? Para ello, inicialmente se propuso el siguiente modelo:

Las variables categóricas de interés se evaluaron en el primer bloque de este modelo: sexo, tabaquismo, clase y universidad. Los bloques 2 a 4 en este modelo son idénticos al modelo desarrollado por Zimmerman et al. (1992) y soportados por otros (e.g., Caprara et al., 2011) para predecir el rendimiento académico. El Bloque 5 agregó el uso del celular al modelo y con ello probó si el uso diario del teléfono celular se predijo de manera única el rendimiento académico universitario (GPA) después de controlar para estas otras variables previamente establecidas.

Finalmente, para ilustrar mejor la relación entre el uso del teléfono celular y el GPA, se realizó una división de tertiles para uso celular. Los estudiantes de esta muestra final (N = 518) se dividieron en los siguientes grupos: grupo de bajo uso de celular (M = 94.6 min por día, DE = 41.0, n = 180), grupo de uso moderado (M = 235.1 min por día, DE = 45.2, n = 173), y grupo de alto uso (M = 601.3 min por día, DE = 226.8, n = 164). Luego se utilizó un ANOVA para comparar el promedio de GPA en los tres grupos de uso de teléfonos celulares (alto, moderado, bajo). Se realizaron pruebas t post hoc para cualquier efecto principal significativo.

Resultados

Comprobación de suposiciones, estadística descriptiva y análisis preliminares

Antes de realizar alguna estadística descriptiva o inferencial, se realizó un examen de valores atípicos (es decir, uso del celular, GPA, edad, SE:SRL, SE:AA). Siguiendo el método de Rosen et al. (2013), los valores totales de uso de celulares que fueron más de 3 desviaciones estándar de la media se truncaron a exactamente 3 desviaciones estándar de la media. Este procedimiento se aplicó a las medidas de uso total del celular para siete participantes. Los valores atípicos en cualquiera de las variables restantes se eliminaron del estudio. Este procedimiento resultó en la remoción de 18 casos y arrojó una muestra de análisis final de 518 estudiantes. El rango de edad del conjunto de datos fue de 18 a 28, con una media de 20.28 (DE = 1.78). El conjunto de datos se distribuyó uniformemente por clase (estudiantes de primer año = 132, estudiantes de segundo año = 139, juniors = 134 y adultos mayores = 113). Las mujeres constituyeron 69% del conjunto de datos (n = 360), lo que es mayor que el porcentaje de mujeres (59%) en el cuerpo general de estudiantes de pregrado de la Universidad.

A partir de este conjunto de datos se examinaron los supuestos de regresión y se realizó un análisis preliminar para evaluar la linealidad de la relación entre las variables continuas independientes del estudio (SE:SRL, SE:AA, GPA de secundaria, uso total de celulares) y GPA universitario. Mediante una Prueba de Falta de Ajuste, se sostuvo la suposición de linealidad (p = .906). Los supuestos de normalidad y homocedasticidad también se cumplieron utilizando diagramas de dispersión residuales.

En promedio, los estudiantes reportaron pasar 300 min diarios usando sus celulares (SD = 243). El promedio de GPA de la muestra fue de 3.03 (DE = 0.60). Las pruebas t de muestra independientes demostraron diferencias significativas entre hombres y mujeres (p < .001) y fumadores y no fumadores (p < .001). El GPA de las mujeres (M = 3.09, DE = 0.63) fue significativamente mayor que el de los hombres (M = 2.88, DE = 0.62), y el GPA de no fumadores (M = 3.07, DE = 0.64, n = 432) fue significativamente mayor que el de los fumadores (M = 2.80, DE = 0.58, n = 85). Un ANOVA demostró diferencias significativas en el promedio de GPA entre las cuatro clases (p < .001). Los estudiantes de primer año tuvieron un promedio de GPA de 3.21 (DE = 0.67), los estudiantes de segundo año tuvieron un GPA promedio de 2.93 (DE = 0.64), los juniors tuvieron un GPA promedio de 3.02 (DE = 0.55) y los adultos mayores tuvieron un GPA promedio de 2.94 (DE = 0.48). Finalmente, las 82 carreras autoreportadas se clasificaron en tres grupos en función de la universidad que alberga a la mayor (educación, salud y servicios humanos; artes y ciencias; negocios y comunicaciones). Un ANOVA no encontró diferencia significativa en el promedio de GPA entre estos tres grupos (p = .081). Por lo tanto, esta variable no se incluyó en análisis posteriores.

En el Cuadro 1 se proporcionan estadísticas descriptivas para las variables continuas utilizadas en este modelo. El Cuadro 2 ilustra los resultados de las correlaciones de Pearson. Hay varias correlaciones significativas que vale la pena señalar. Hubo una correlación significativa y negativa entre el uso del celular y el GPA universitario (p < .001). Hubo una correlación positiva significativa entre ambas medidas de autoeficacia (SE:SRL, SE:AA) y GPA universitario (p < .001). Hubo una correlación significativa y negativa entre ambas medidas de autoeficacia (SE:SRL, SE:AA) y el uso del celular (p ≤ .041). Finalmente, el GPA de secundaria se correlacionó significativa y positivamente con el GPA universitario (p < .001).

Cuadro 1. Estadística Descriptiva.
	N	M	SD
Colegio GPA	518	3.03	0.601
GPA de secundaria	483	3.22	0.473
SE:SRL	518	56.42	8.96
SE:AA	518	44.44	7.07
Uso del teléfono celular	518	300.55	243.52

Nota. GPA = promedio de calificaciones; SE:SRL = autoeficacia para el aprendizaje autorregulado; SE:AA = autoeficacia para el logro académico.

Cuadro 2. Coeficientes de correlación de Pearson (r).
	Colegio GPA	GPA de secundaria	SE:SRL	SE: AA
GPA de secundaria	.611***
SE:SRL	.341***	.242***
SE:AA	.200***	.275***	.456***
Uso del teléfono celular	-.234***	-.168***	-.90*	-.239***

Nota. GPA = promedio de calificaciones; SE:SRL = autoeficacia para el aprendizaje autorregulado; SE:AA = autoeficacia para el logro académico.
* p < .05. *** p < .001.

Regresión Jerárquica

Como se describió anteriormente, el análisis preliminar apoyó probar el siguiente modelo de regresión jerárquica:

En el Cuadro 3 se presentan los resultados del resumen del modelo para la regresión jerárquica que predice el GPA universitario con el uso total del celular como bloque final en el modelo. Cada bloque se sumó significativamente a la predicción de la variable criterio. En el Bloque 1, las hembras tuvieron un GPA significativamente mayor que los machos (β = .120, p = .007), los no fumadores tuvieron un GPA significativamente mayor que los no fumadores (β = .155, p = .001), y la clasificación de clase también resultó significativa (β = −.111, p = .013). En el Bloque 2, hubo una relación significativa y positiva entre el GPA universitario y el SE:AA (β = .210, p < .001). En el Bloque 3, hubo una relación significativa y positiva entre el GPA universitario y SE:SRL (β = .289, p < .001). En el Bloque 4, hubo una relación significativa y positiva entre el GPA universitario y el GPA de secundaria (β = .553, p < .001). Finalmente, hubo una relación significativa y negativa entre el uso diario total de celulares y el GPA universitario (β = −.164, p < .001). Este modelo total explicó 44.9% de la varianza en el GPA universitario (R ² = .449).

Cuadro 3. Regresión Jerárquica Prediciendo GPA Universitario: Resumen del Modelo.
	Sexo/clase/humo Bloque 1	SE: AA Bloque 2	SE:SRL Bloque 3	HS GPA Bloque 4	Uso CP Bloque 5
R²	.058	.101	.165	.425	.449
ΔR²	.058	.043	.064	.259	.024
ΔF	9.755	22.922	36.580	213.86	20.454
ρ	.000	.000	.000	.000	.000

Nota. GPA = promedio de calificaciones; SE:SRL = autoeficacia para el aprendizaje autorregulado; SE:AA = autoeficacia para el logro académico; SA = preparatoria; CP = teléfono celular.

Finalmente, el ANOVA comparando el GPA entre los tres grupos de uso del celular (bajo, moderado, alto) reveló un efecto principal significativo (F = 11.70, df = 2, p < .001). Específicamente, el grupo de alto uso de celular tuvo un GPA (M = 2.84, SD = 0.61) que fue significativamente menor (p < .001) que tanto el grupo de uso moderado (M = 3.06, SD = .61) como el grupo de bajo uso (M = 3.15, SD = 0.45 ). No hubo diferencia estadísticamente significativa entre los grupos de uso bajo y uso moderado (p = .175).

Discusión

Este estudio fue de naturaleza exploratoria. Por lo tanto, los hallazgos se entienden mejor como pasos iniciales hacia una nueva línea de investigación. El objetivo del estudio fue evaluar la relación entre el uso del teléfono celular y el rendimiento académico después de controlar los predictores conocidos del rendimiento académico. Para ello se utilizó una regresión jerárquica que permitió el desarrollo de un modelo que utilizó sexo, comportamiento de tabaquismo, posición de clase, SE:AA, SE:SRL y GPA de secundaria para predecir el GPA universitario. Cada una de estas variables fueron predictores significativos del GPA universitario. Las hembras, como ha sido la tendencia reciente, tenían GPA más altos que los machos (Peter & Horn, 2005). Los fumadores, como se sugirió en investigaciones previas, tuvieron menores GPA que los no fumadores (DeBERard et al., 2004; Sánchez-Martínez & Otero, 2009). La clase también fue un predictor significativo, con estudiantes de primer y tercer año haciendo algo mejor académicamente que los estudiantes de segundo y último año en esta muestra. Como se esperaba, SE:SRL, SE:AA y GPA de secundaria se asociaron positivamente con el GPA (Zimmerman et al., 1992). Finalmente, se agregó el uso total del celular (min/día) al final de este modelo de regresión. Después de controlar para los predictores de rendimiento académico previamente establecidos, el uso total del celular se encontró que era un predictor negativo significativo de GPA. Estos resultados sugieren que dado que dos estudiantes universitarios de la misma universidad con la misma posición de clase, el mismo sexo, los mismos hábitos de fumar, la misma creencia en su capacidad de autorregular su aprendizaje y les va bien académicamente, y el mismo GPA de secundaria, el estudiante que usa el celular más a diario es probablemente tenga un promedio menor que el estudiante que usa menos el celular.

Investigaciones anteriores sugieren que el uso del teléfono celular de los estudiantes universitarios puede ser una distracción en entornos académicos (Levine et al., 2007). Dos estudios previos que utilizaron grandes muestras aleatorias de estudiantes universitarios encontraron que 89% (N = 302) y 83% (N = 251) de los estudiantes encuestados percibieron el teléfono celular principalmente como un dispositivo de ocio y no como una herramienta educativa (Barkley & Lepp, 2013; Lepp et al., 2013). Debido a que el celular está siempre presente y se usa comúnmente para el ocio, es probable que ocasionalmente distraiga del aprendizaje en clase, en la biblioteca, en los dormitorios y en cualquier otro entorno utilizado por los estudiantes con fines académicos. Además, hay una cantidad creciente de investigaciones que sugieren que los medios electrónicos en cualquier forma fomentan la multitarea (Jacobsen & Forste, 2011; Junco & Cotton, 2011, 2012; Karpinski et al., 2013; Kirschner & Karpinski, 2010; Wood et al., 2012) y el cambio de tareas (Rosen et al., 2013), ambos de los cuales son negativamente relacionados con el rendimiento académico.

Teniendo en cuenta estas explicaciones, es probable que el celular moderno genere la tentación de navegar por Internet, consultar las redes sociales (por ejemplo, Facebook), jugar videojuegos, contactar amigos, explorar nuevas aplicaciones o interactuar con cualquier número de actividades de ocio basadas en teléfonos celulares, a las que algunos estudiantes no logran resistir cuando de otra manera deberían enfocarse en académicos. Como tal, la relación negativa entre el uso del teléfono celular y el rendimiento académico identificado aquí podría atribuirse a la disminución de la atención de los estudiantes mientras estudiaban o a una disminución del tiempo dedicado al estudio ininterrumpido. En efecto, se ha ofrecido un argumento similar para explicar la relación negativa entre el uso general del sitio de redes sociales o el uso de Facebook y el rendimiento académico (Karpinski et al., 2013; Kirschner & Karpinski, 2010). La investigación futura debería examinar las muchas razones subyacentes potenciales de la relación negativa identificada aquí, incluido el tiempo dedicado al estudio y la multitarea. Por supuesto, esta línea de investigación ha demostrado sólo relaciones y no causalidad. Así, existe la necesidad de explorar estas relaciones a lo largo del tiempo y con diseños experimentales.

También es necesario comprender mejor cómo se relacionan los usos específicos de los teléfonos celulares con el rendimiento académico. Si bien este estudio encontró que el uso del teléfono celular en su conjunto se asoció negativamente con el rendimiento académico, la relación puede variar con usos particulares. Es decir, contrariamente a los hallazgos aquí presentados, puede haber usos específicos que estén relacionados positivamente con el rendimiento académico. Por ejemplo, Norris (1996) encontró que si bien ver la televisión en su conjunto se asoció negativamente con la participación política, ver noticias de televisión y programación de asuntos públicos se asoció positivamente con la participación política. De igual manera, Chen y Tzeng (2010) encontraron que el uso de Internet para la búsqueda de información se asoció con un mejor rendimiento académico, mientras que el uso de Internet para jugar videojuegos se asoció con menores niveles de rendimiento académico. Finalmente, Junco (2012a) encontró que la cantidad total de tiempo que los estudiantes universitarios pasan en Facebook, así como el número total de veces que los estudiantes revisan Facebook, se asociaron negativamente con la participación del campus. Sin embargo, algunas actividades de Facebook, como la creación de eventos y la confirmación de asistencia para eventos, se asociaron positivamente con la participación del campus. Por lo tanto, es probable que evaluar el uso del celular en su conjunto proporcione solo una comprensión parcial de una relación indudablemente compleja. Se necesita investigación adicional que evalúe el tiempo dedicado a usos específicos del teléfono celular como juegos, redes sociales, búsqueda de información y el uso de software educativo (aplicaciones).

Si bien estos hallazgos se basan y extienden investigaciones previas en esta área, existen limitaciones. En primer lugar, el uso del celular se informó por sí mismo. Aunque la medida de autoreporte utilizada en este estudio se desarrolló cuidadosamente para asegurar la validez del contenido y una prueba posterior proporcionó evidencia de validez de criterio, la investigación de Boase y Ling (2013) ilustra que las medidas continuas y abiertas de autoinforme de teléfonos celulares están en riesgo de sobrereportar el uso. En lugar de datos objetivos, futuros estudios pueden buscar validar aún más esta medida. Además, futuros estudios deben evaluar el tiempo dedicado a usos específicos comunes como las redes sociales, los juegos y la búsqueda de información, además de medir el uso general como se hizo aquí. En segundo lugar, la muestra consistió en estudiantes universitarios de pregrado de una sola universidad pública grande en el Medio Oeste de los Estados Unidos. Aunque las normas conductuales que rigen el uso del teléfono celular parecen ser consistentes entre los estudiantes universitarios actuales (Anderson & Rainie, 2011; Tindell & Bohlander, 2012), los intentos de generalizar estos resultados a otras poblaciones deben hacerse con precaución. Por lo tanto, las investigaciones futuras deben incluir estudiantes universitarios de diferentes tipos de universidades y de diferentes regiones geográficas. Además, los estudiantes de secundaria y secundaria deben ser estudiados, ya que investigaciones recientes sugieren que las relaciones identificadas aquí también pueden ser evidentes en estudiantes más jóvenes (Rosen et al., 2013).

Conclusión

Esta investigación utilizó una medida más holística del uso del teléfono celular que estudios anteriores. La medida explica las capacidades ampliadas del teléfono celular en el ámbito de las redes sociales, los juegos y el uso de Internet. Después de controlar para SE:SRL, SE:AA y otros predictores importantes como el GPA real de secundaria, esta medida de uso del teléfono celular fue un predictor significativo y negativo del desempeño académico de los estudiantes universitarios, medido objetivamente como GPA acumulativo. Actualmente, el uso del teléfono celular es una característica dominante y definitoria de esta generación de estudiantes universitarios y a menudo ocurre durante el tiempo de clase, mientras completan la tarea y mientras estudian (Smith, Raine, & Zickuhr, 2011; Tindell & Bohlander, 2012). Por lo tanto, se necesita más investigación para comprender mejor los mecanismos que subyacen a esta relación. Aun así, los educadores y administradores de educación superior tal vez deseen considerar cuidadosamente las políticas con respecto al uso del teléfono celular en el aula, laboratorios y otros entornos donde se produce el aprendizaje. Sin duda, la capacidad del celular para entretener, conectar e informar continuará su rápido desarrollo. Como tal, los teléfonos celulares y dispositivos relacionados solo aumentarán en popularidad y uso. Por lo tanto, es necesario comprender mejor cómo se puede aprovechar esta tecnología para hacer una contribución genuina al aprendizaje de los estudiantes. Podemos descubrir condiciones en las que el aprendizaje se mejora al tener el celular encendido; de igual manera, podemos descubrir condiciones en las que el aprendizaje se mejora al tenerlo apagado.

Notas del artículo

• Declaración de Intereses en Conflicto El autor o autores declararon que no existen conflictos de intereses potenciales con respecto a la investigación, autoría y/o publicación de este artículo.

• Financiamiento El autor (es) no recibió ningún apoyo económico para la investigación y/o autoría de este artículo.

• © El Autor (es) 2015

Este artículo se distribuye bajo los términos de la Licencia Creative Commons Attribution 3.0 (http://www.creativecommons.org/licenses/by/3.0/) que permite cualquier uso, reproducción y distribución de la obra sin más permiso siempre que la obra original se atribuya como se especifica en el SAGE y página de acceso abierto (http://www.uk.sagepub.com/aboutus/openaccess.htm).

Biografías de autor

Andrew Lepp, PhD es profesor asociado en la Universidad Estatal de Kent en la Facultad de Educación, Salud y Servicios Humanos (EHHS). Es profesor en el programa de Recreación, Gestión de Parques y Turismo de EHHS. Sus intereses de investigación incluyen “nuevos medios” (por ejemplo, teléfonos inteligentes, internet) y la vida de los jóvenes.

Jacob E. Barkley, PhD es profesor asociado de Ciencias del Ejercicio en la Facultad de Educación Salud y Servicios Humanos de la Universidad Estatal de Kent. La investigación del Dr. Barkley se centra en examinar factores relacionados con la actividad física y los comportamientos sedentarios.

Aryn C. Karpinski, PhD es profesora asistente en la Universidad Estatal de Kent en la Facultad de Educación, Salud y Servicios Humanos (EHHS) en el Departamento de Fundaciones, Liderazgo y Administración (FLA), en el programa de Evaluación y Medición. Imparte cursos de métodos de investigación, medición y estadística avanzada. Sus intereses de investigación involucran la tecnología y las redes sociales en la educación.

Referencias

Al-Harthy, I. S., & Was, C. A. (2010). Metas, eficacia y autorregulación metacognitiva: Un análisis de ruta. Revista Internacional de Educación , 2 (1), E2.

Anderson, J., & Rainie, L. (2011). Los millennials se beneficiarán y sufrirán debido a sus vidas hiperconectadas (Internet y American Life Project de The Pew Research Center). Recuperado de www.pewinternet.org/reports/2... yperconnected- lives/Overview.aspx

Bandura, A. (1982). Mecanismo de autoeficacia en la agencia humana. Psicólogo Americano , 37 (2), 122-147.

Barkley, J. E., & Lepp, A. (2013). El uso del teléfono celular se asocia con un mayor comportamiento sedentario independiente de la actividad física del tiempo libre. Fisiología Aplicada, Nutrición y Metabolismo , 38 (S1), 1023.

Boase, J. A., & Ling, R. (2013). Medición del uso del teléfono móvil: Autoinforme versus datos de registro. Revista de Comunicación Mediada por Computadora , 18, 508-519.

Bull, P., & McCormick, C. (2012). Aprendizaje móvil: Integración de mensajes de texto en un curso de preálgebra de colegio comunitario. Revista Internacional de E-Learning , 11 , 233-245.

Caprara, G. V., Vecchione, M., Alessandri, G., Gerbino, M., & Barbaranelli, C. (2011). La contribución de los rasgos de personalidad y creencias de autoeficacia al logro académico: Un estudio longitudinal. Revista Británica de Psicología Educativa , 81 , 78-96.

Chen, S. Y., & Tzeng, J. Y. (2010). Perfiles de prácticas de usuarios de Internet pesados femeninos y masculinos universitarios y sus calificaciones académicas y ajuste psicosocial. Ciberpsicología, comportamiento y redes sociales , 13 , 257-262.

Chen, Y. F., & Peng, S. S. (2008). El uso de Internet de los estudiantes universitarios y su relación con el rendimiento académico, las relaciones interpersonales, el ajuste psicosocial y la autoevaluación. Ciberpsicología y comportamiento. , 11 , 467-469.

DeBERARD, M. S., Spielmans, G. I., & Julka, D. C. (2004). Predictores de rendimiento académico y retención en estudiantes universitarios de primer año: Un estudio longitudinal. Diario de Estudiantes Universitarios , 38 (1), 66-80.

Fowler, F. J. Jr., (2002). Métodos de investigación de encuestas (3ª ed.). Thousand Oaks, CA: Publicaciones de Sage.

Hong, F. Y., Chiu, S. I., & Hong, D. H. (2012). Un modelo de relación entre las características psicológicas, la adicción a la telefonía móvil y el uso de teléfonos móviles por parte de estudiantes universitarias taiwanesas. Computadoras en el Comportamiento Humano , 28, 2152-2159.

Jackson, L. A., von Eye, A., Fitzgerald, H. E., Witt, E. A., & Zhao, Y. (2011). Uso de Internet, juegos de videojuegos y uso del teléfono celular como predictores del índice de masa corporal (IMC) de los niños, peso corporal, rendimiento académico y autoestima social y general. Computadoras en el Comportamiento Humano , 27, 599-604.

Jackson, L. A., von Eye, A., Witt, E. A., Zhao, Y., & Fitzgerald, H. E. (2011). Un estudio longitudinal de los efectos del uso de Internet y el juego de videojuegos en el rendimiento académico y los roles de género, raza e ingresos en estas relaciones. Computadoras en el Comportamiento Humano , 27, 228-239.

Jacobsen, W. C., & Forste, R. (2011). La generación cableada: Resultados académicos y sociales del uso de medios electrónicos entre estudiantes universitarios. Ciberpsicología, comportamiento y redes sociales , 14 , 275-280.

Junco, R. (2012a). La relación entre la frecuencia de uso de Facebook, la participación en las actividades de Facebook y la participación de los estudiantes. Computadoras y educación , 58 , 162-171.

Junco, R. (2012b). Demasiada cara y no suficientes libros: La relación entre múltiples índices de uso de Facebook y rendimiento académico. Computadoras en el Comportamiento Humano , 28, 187-198.

Junco, R., & Cotton, S. R. (2011). Efectos académicos percibidos del uso de mensajería instantánea. Computadoras y educación , 56 , 370-378.

Junco, R., & Cotton, S. R. (2012). No A 4 U: La relación entre multitarea y rendimiento académico. Computadoras y educación , 59 , 505-514.

Karpinski, A. C., Kirschner, P. A., Ozer, I., Mellott, J. A., & Ochwo, P. (2013). Una exploración del uso del sitio de redes sociales, la multitarea y el rendimiento académico entre estudiantes universitarios estadounidenses y europeos. Computadoras en el Comportamiento Humano , 29, 1182-1192.

Kirschner, P. A., & Karpinski, A. C. (2010). Facebook y rendimiento académico. Computadoras en el Comportamiento Humano , 26, 1237- 1245.

Klomegah, R. Y. (2007). Predictores del rendimiento académico de estudiantes universitarios: Una aplicación del modelo de eficacia meta. Diario de Estudiantes Universitarios , 41 , 407-415.

LaRosa, R., & Eastin, M. S. (2004). Una teoría cognitiva social de los usos y gratificaciones de internet: Hacia un nuevo modelo de asistencia a los medios. Revista de Radiodifusión y Medios Electrónicos , 48 , 358-377.

LaRosa, R., Lin, C. A., & Eastin, M. S. (2003). Uso no regulado de Internet: ¿Adicción, hábito o autorregulación deficiente? Psicología de los Medios , 5 , 225-253.

LaRosa, R., Mastro, D., & Eastin, M. S. (2001). Comprender el uso de Internet: Un enfoque social-cognitivo de usos y gratificaciones. Revista Informática de Ciencias Sociales , 19 , 395-413.

Lepp, A., Li, J., & Barkley, J. (2015). Explorando las relaciones entre el uso del teléfono celular de los estudiantes universitarios, la personalidad y el lei- seguro. Computadoras en el Comportamiento Humano , 43 : 210—219.

Lepp, A., Barkley, J. E., Sanders, G. J., Rebold, M., & Gates, P. (2013). La relación entre el uso del celular, la actividad física y sedentaria y la aptitud cardiorrespiratoria en una muestra de estudiantes universitarios estadounidenses. Revista Internacional de Nutrición Conductual y Actividad Física , 10 , Artículo 79. Recuperado a partir de http://www.ijbnpa.org/content/10/1/79

Levine, L. E., Waite, B. M., & Bowman, L. L. (2007). Uso de medios electrónicos, lectura y distracción académica en jóvenes universitarios. Ciberpsicología y comportamiento , 10 , 560-566.

Multon, K. D., Brown, S. D., & Cuaresma, R. W. (1991). Relación de las creencias de autoeficacia con los resultados académicos: una investigación metaanalítica. Revista de Psicología de Consejería , 1 , 30-38.

Norris, P. (1996). ¿La televisión erosiona el capital social? Una respuesta a Putnam. Ciencia política y política , 29 , 474-480.

Odaci, H. (2011). Autoeficacia académica y dilación académica como predictores del uso problemático de Internet en estudiantes universitarios. Computadoras y educación , 57 , 1109-1113.

Pajares, F. (1996). Autoeficacia en entornos académicos. Revisión de Investigación Educativa , 66 , 543-578.

Paulsen, M., & Gentry, J. (1995). Motivación, estrategias de aprendizaje y rendimiento académico: Un estudio del aula de finanzas universitarias. Práctica financiera y educación , 5 (1), 78-89.

Peter, K., & Horn, L. (2005). Diferencias de género en la participación y finalización de la educación de pregrado y cómo han cambiado con el tiempo (NCES 2005-169). Washington, DC: Imprenta del Gobierno de Estados Unidos, Departamento de Educación de Estados Unidos, Centro Nacional de Estadísticas Educativas.

Pintrich, P., & Schunk, D. (2002). Motivación en la teoría de la educación: Teoría, investigación y aplicación (2ª ed.). Upper Saddle River, NJ: Prentice Hall.

Rosen, L. D., Carrier, M., & Cheever, N. A. (2013). Facebook y los mensajes de texto me hicieron hacerlo: Cambio de tareas inducido por los medios mientras estudiaba. Computadoras en el Comportamiento Humano , 29, 948-958.

Sánchez-Martínez, M., & Otero, A. (2009). Factores asociados al uso del celular en adolescentes de la comunidad de Madrid (España). Ciberpsicología y comportamiento , 12 , 131-137.

Schunk, D. H. (1984). La perspectiva de autoeficacia sobre el comportamiento de logro. Psicólogo educativo , 19 , 119-218.

Schunk, D. H. (1989). Teoría cognitiva social y aprendizaje autorregulado. En B. J. Zimmerman & D. H. Schunk (Eds.), Aprendizaje autorregulado y logro académico: Teoría, investigación y práctica (pp. 83-110). Nueva York, NY: Springer Verlag.

Smith, A., Raine, L., & Zickuhr, K. (2011). Estudiantes universitarios y tecnología (Internet y American Life Project de The Pew Research Center). Recuperado a partir de http://pewinternet.org/ Reports/2011/College-students-and-technology.aspx

Stollak, M. J., Vandenberg, A., Burklund, A., & Weiss, S. (2011). Ser social: El impacto del uso de las redes sociales en las calificaciones de los estudiantes universitarios. En Actas de la Conferencia Anual de ASBBS (pp. 859-865). Recuperado de: http://asbbs.org/files/2011/asbbs201...s/stollaKM.pdf

Sulaiman, A., & Mohezar, S. (2006). Factores de éxito estudiantil: Identificar predictores clave. Revista de Educación para la Empresa , 81 , 328-333.

Tao, Y., & Yeh, C. R. (2013). Transformar el sistema de respuesta personal a un servicio de votación en la nube. En S. Uesugi (Ed.), los servicios habilitados para TI (pp. 139-156). Verlag, Austria: Springer.

Tindell, D. R., & Bohlander, R. W. (2012). El uso y abuso de celulares y mensajes de texto en el aula: Una encuesta a estudiantes universitarios. Enseñanza Universitaria , 60 , 1-9.

Wood, E., Zivcakova, L., Gentile, P., Archer, K., De Pasquale, D., & Nosko, A. (2012). Examinar el impacto de la multitarea fuera de la tarea con tecnología en el aprendizaje en el aula en tiempo real. Computadoras y educación , 58 , 365-374.

Zimmerman, B. J., Bandura, A., & Martínez-Pons, M. (1992). La automotivación para el logro académico: El papel de las creencias de autoeficacia y el establecimiento de metas personales. Revista Americana de Investigación Educativa , 29 , 663-676.