Hispanopedia Wiki
Articulo de referencia

Autoeficacia tecnológica

La autoeficacia tecnológica ( AET ) es "la creencia en la propia capacidad para realizar con éxito una nueva tarea tecnológicamente sofisticada". [ 1 ] La AET no destaca tareas ...

Hispanopedia WikiContenido en espanolLectura gratuita

La autoeficacia tecnológica ( AET ) es "la creencia en la propia capacidad para realizar con éxito una nueva tarea tecnológicamente sofisticada". [ 1 ] La AET no destaca tareas tecnológicas específicas; en cambio, es deliberadamente vaga. [ 1 ] Esta es una aplicación específica del constructo más amplio y general de autoeficacia , que se define como la creencia en la propia capacidad para participar en acciones específicas que resultan en los resultados deseados. [ 2 ] La autoeficacia no se centra en las habilidades que uno posee, sino en los juicios sobre lo que uno puede hacer con sus habilidades. Tradicionalmente, una característica distintiva de la autoeficacia es su especificidad de dominio. En otras palabras, los juicios se limitan a ciertos tipos de desempeño en comparación con una evaluación general de su potencial. Por lo general, estos constructos se refieren a tipos específicos de tecnología ; por ejemplo, autoeficacia informática, [ 3 ] o autoeficacia de internet [ 4 ] y autoeficacia de tecnología de la información. [ 5 ] Para organizar esta literatura, las autoeficacias específicas de la tecnología (por ejemplo, computadora e internet) pueden considerarse subdimensiones dentro del constructo más amplio de autoeficacia tecnológica.

Orígenes

Este concepto se concibió para describir las percepciones generales sobre la capacidad de adoptar nuevas tecnologías y, por lo tanto, es generalizable a diversas tecnologías específicas. Además, puede abarcar y aplicarse a tecnologías aún por inventar. Si bien estas características han permitido que la TSE siga siendo relevante a lo largo del tiempo, esta amplitud definitoria también ha generado confusión y una proliferación de conceptos relacionados.

Importancia

La sociedad del siglo XXI está completamente inmersa en un contexto tecnológico, lo que hace que la comprensión y evaluación de la autoeficacia tecnológica sea fundamental. De hecho, casi la mitad de los estadounidenses poseen teléfonos inteligentes [ 6 ] y esta tendencia hacia el uso de la tecnología no se limita a los Estados Unidos; en cambio, el uso de teléfonos celulares , computadoras e internet se está volviendo cada vez más común en todo el mundo. [ 7 ] La ​​tecnología es particularmente prevalente en el lugar de trabajo y los entornos de aprendizaje. En el trabajo, el 62% de los estadounidenses empleados usan internet y correo electrónico, pero los usuarios de internet en el lugar de trabajo o usan internet todos los días (60%) o no lo usan en absoluto (28%). [ 8 ] El uso de internet y correo electrónico está obviamente influenciado por las tareas laborales, pero el 96% de los estadounidenses empleados usan algún tipo de nueva tecnología de comunicación en el trabajo. [ 8 ] La inversión exitosa en tecnología está asociada con una mayor productividad; sin embargo, la plena realización del potencial tecnológico suele ser un problema para las organizaciones. [ 9 ] En los entornos de aprendizaje, los cursos universitarios se ofrecen cada vez con más frecuencia en línea. Esto se conoce comúnmente como educación a distancia y su implementación abarca desde cursos con apoyo web (la enseñanza se realiza principalmente mediante interacciones presenciales con el instructor, con materiales complementarios disponibles en línea) hasta aprendizaje semipresencial (con mucha menos interacción presencial y más instrucción en línea) y totalmente en línea (toda la instrucción se lleva a cabo virtualmente, sin interacción presencial con el instructor). La educación a distancia ofrece varias ventajas, como mayor flexibilidad y comodidad, lo que permite a las personas inscribirse en clases que de otro modo no estarían a su alcance por motivos geográficos o personales. [ 10 ] Otra ventaja comúnmente citada es que la instrucción se realiza a ritmo propio, lo que permite una personalización según las necesidades individuales. [ 11 ]Sin embargo, es poco probable que estas ventajas se materialicen si la persona siente ansiedad respecto al método de enseñanza o si sus expectativas de éxito son bajas debido a su componente tecnológico. En conjunto, estos dos ámbitos cruciales (el ámbito laboral y el aprendizaje) refuerzan el impacto de la tecnología en las actividades modernas y, por consiguiente, la importancia de la confianza en la propia capacidad para dominar las nuevas tecnologías. El éxito en la vida cotidiana a menudo depende del uso de la tecnología y, por definición, las nuevas tecnologías siempre serán novedosas. Por lo tanto, este concepto merece ser revisado.

Además, los estudios han demostrado que la autoeficacia tecnológica es un factor crucial para la enseñanza de la programación informática a estudiantes de secundaria, ya que aquellos con mayores niveles de autoeficacia tecnológica obtienen mejores resultados de aprendizaje. En este caso, el efecto de la autoeficacia técnica es incluso más fuerte que el efecto del género. [ 12 ]

Diferenciación de otras formas de autoeficacia

Dado que la TSE proviene de la misma teoría que la autoeficacia general y otras autoeficacias específicas de tareas, la diferenciación de este constructo de estas otras formas de autoeficacia es crucial. Desafortunadamente, estudios previos centrados en la TSE no han demostrado la singularidad de las medidas de TSE. A pesar de la escasez de investigación diferenciadora sobre la TSE, la singularidad de este constructo puede demostrarse al considerar autoeficacias estrechamente relacionadas y específicas de la tecnología (es decir, la autoeficacia informática), que se ha establecido como un constructo único. En comparación con la autoeficacia general, se ha demostrado que la autoeficacia informática es única según dos medidas de autoeficacia general. [ 13 ] En este mismo estudio, los autores mostraron que la autoeficacia informática no estaba relacionada con muchos tipos de autoeficacia específica, incluyendo la autoeficacia artística, de persuasión y científica. Uno de los tipos de autoeficacia específica más relacionados fue la mecánica. Esto tiene sentido dado que ambos tipos de autoeficacia específica están relacionados con el uso de herramientas, aunque una sea tecnológica y la otra de naturaleza más física. También se ha demostrado que la autoeficacia informática tiene un dominio relacionado, pero distinto, con la autoeficacia sobre programas informáticos. [ 14 ]

Medición

Según la definición de Bandura, [ 2 ] la autoeficacia es la creencia y confianza de un individuo en sí mismo. Esta propiedad tiene importantes implicaciones para la medición de cualquier tipo de autoeficacia. Específicamente, las medidas de autoeficacia deben ser autoinformadas, ya que la única persona que puede describir con precisión las creencias en la propia capacidad es el objeto de la investigación. En otras palabras, las medidas de autoeficacia autoinformadas poseen veracidad definicional. Si bien existen varios problemas con los inventarios de autoinforme , en el caso de la autoeficacia (y otros constructos que se definen como creencias y cogniciones internas) este enfoque de medición es inevitable.

Aunque el tipo de enfoque de medición está definido por el constructo, el proceso de desarrollo y validación de estas escalas ha variado considerablemente en la literatura sobre autoeficacia. Una diferencia importante entre las medidas se refiere a la puntuación de los ítems. Anteriormente, la investigación ha señalado que las diferencias en los resultados pueden atribuirse parcialmente a diferentes enfoques de puntuación. [ 15 ] Específicamente, hay dos formas principales de puntuar los ítems de autoeficacia. El primer tipo se llama magnitud de la autoeficacia. Los ítems están formulados de manera que los participantes respondan si sienten o no que pueden realizar una tarea determinada (sí o no). El segundo tipo es fuerza de la autoeficacia. Este enfoque de puntuación pide a los participantes que califiquen su grado de confianza en completar la(s) tarea(s) en una escala numérica y luego promedia todos los ítems. Todos los demás tipos de puntuación son simplemente compuestos de estos dos primeros enfoques.

Otra diferencia entre las medidas de TSE se refiere a la cuestión de la generalidad. Esta consideración es similar a la diferenciación previa entre TSE como concepto más amplio y autoeficacia específica de la tecnología. Primero se considerarán los intentos de medición del concepto más amplio de autoeficacia tecnológica. McDonald y Siegall [ 1 ] desarrollaron una escala Likert de cinco ítems de autoeficacia tecnológica basada en la consideración de estudios teóricos previos. Esta escala se puntuó utilizando el enfoque de fuerza para escalas de autoeficacia. Los ítems de esta escala no se referían a tecnologías específicas, sino que se centraban en la tecnología como concepto general. Utilizando un proceso de desarrollo, Holcomb, King y Brown también propusieron una escala para medir TSE [ 16 ]. El análisis factorial reveló tres factores distintos que contenían 19 ítems tipo Likert, que también se puntuaron según el sistema de puntuación de fuerza. A diferencia de la escala de McDonald y Siegall [ 1 ] , los ítems de esta escala hacían referencia a ciertas tecnologías (específicamente computadoras y paquetes de software). Los dos estudios mencionados anteriormente representan intentos de medir TSE como un concepto más amplio.

Además de los intentos de medir la TSE de forma más amplia, varios estudios han desarrollado medidas de autoeficacia específica para la tecnología. Una de las medidas de autoeficacia informática más citadas proviene de Compeau y Higgins. [ 3 ] Estos autores revisaron intentos previos de medir la autoeficacia informática y derivaron teóricamente una escala de 10 ítems. A diferencia de las escalas mencionadas anteriormente, este estudio empleó un enfoque de puntuación "compuesto". [ 15 ] Para cada ítem, primero se preguntó a los participantes si podían completar una tarea específica relacionada con las computadoras utilizando una escala dicotómica de sí/no. Después de esta respuesta, se les pidió a los participantes que calificaran su confianza en completar la tarea de 1 ( nada confiado ) a 10 ( totalmente confiado ). La puntuación final se calculó contando el número de respuestas "sí" (que refleja la magnitud de la autoeficacia) y el promedio de las calificaciones de confianza (que representa la fuerza de la autoeficacia). Luego, los autores validaron esta medida en una red nomológica de constructos relacionados. Un segundo ejemplo de autoeficacia específica de la tecnología es la autoeficacia en internet. Al igual que en enfoques de medición anteriores, la autoeficacia en internet se desarrolló utilizando un enfoque teórico que consideró medidas previas de temas relacionados y desarrolló nuevos ítems para abordar el espacio constructivo faltante. [ 4 ] Esta escala mostró un alto nivel de fiabilidad y validez.

Antepasados

Bandura [ 2 ] propone cuatro fuentes primarias para las creencias de autoeficacia: (1) experiencia previa, (2) modelado , (3) persuasión social y (4) factores fisiológicos. La investigación respalda que muchas de estas fuentes para la TSE son las mismas; sin embargo, también existen antecedentes adicionales. Aunque no se ha abordado un desarrollo teórico más complejo ni un examen empírico que analice cómo operan estos antecedentes y se relacionan entre sí, es más probable que los predictores más inmediatos de la TSE sean las fuentes primarias de Bandura (predictores proximales). Los antecedentes restantes que también se han asociado con la TSE (por ejemplo, recursos adecuados, género y edad) probablemente sean predictores más distales. En otras palabras, estas variables distales influyen en variables más proximales (por ejemplo, experiencia previa, modelado y persuasión social), lo que luego resulta en una TSE alta o baja.

Experiencia previa

Se ha comprobado repetidamente que la experiencia previa con la tecnología influye en las creencias de autoeficacia relacionadas con la tecnología. [ 17 ] [ 18 ] [ 19 ] [ 20 ] Si un individuo ha tenido la oportunidad de interactuar con nuevas tecnologías y, lo que es más importante, ha tenido éxito en dominarlas, es más probable que tenga creencias más positivas sobre su desempeño futuro.

Modelado o participación en formación tecnológica

También se ha descubierto que el modelado o la participación en la capacitación tecnológica son predictores significativos de la autoeficacia tecnológica. [ 21 ] [ 22 ] [ 23 ] [ 24 ] Aunque diferentes tipos de intervenciones de capacitación se han asociado con diferentes ganancias; [ 25 ] en general, la investigación respalda que ver a otras personas realizar con éxito la tarea en cuestión (por ejemplo, el instructor) y luego brindar al aprendiz alguna oportunidad de refuerzo y demostración (por ejemplo, intentar utilizar con éxito la tecnología sin ayuda) aumenta las creencias de autoeficacia relacionadas con la tecnología.

Persuasión social

La persuasión social, como el aliento de los demás [ 17 ] y el apoyo organizacional [ 17 ] [ 26 ] [ 27 ], también contribuye de manera importante a las creencias de autoeficacia relacionadas con la tecnología. Las acciones y declaraciones de los demás pueden alterar significativamente la percepción de la probabilidad de éxito. El apoyo organizacional generalmente incluye el aliento y la asistencia de la gerencia. Si la gerencia no parece apoyar con entusiasmo los intentos de los empleados por utilizar la tecnología, es poco probable que estos la acepten.

Recursos

Los recursos se citan comúnmente como una de las mayores barreras para la adopción de tecnología. [ 28 ] [ 29 ] [ 30 ] Esto incluye, entre otros, la falta de computadoras suficientes, licencias de software suficientes, hardware/software obsoleto y conexiones a Internet lentas o intermitentes. El éxito del uso adecuado de la tecnología está limitado, ante todo, por las capacidades de la tecnología en cuestión.

Género

El género está significativamente relacionado, de modo que los hombres tienden a tener niveles más altos de creencias de autoeficacia relacionadas con la tecnología que las mujeres. [ 20 ] [ 31 ] [ 32 ] [ 33 ] Todavía se desconoce por qué existen estas diferencias de género.

Edad

La edad también está significativamente relacionada, de modo que los individuos más jóvenes tienden a tener niveles más altos de creencias de autoeficacia relacionadas con la tecnología que los individuos mayores. [ 28 ] [ 34 ] [ 35 ] Este hallazgo no es sorprendente dado el estereotipo generalizado de la incapacidad de los adultos mayores para aprender material nuevo, especialmente cuando el material está relacionado con la tecnología. [ 36 ] Sin embargo, las bajas creencias de autoeficacia tecnológica de los adultos mayores sugieren que estos pueden internalizar el estereotipo de que "los perros viejos no pueden aprender trucos nuevos", lo que en consecuencia afecta las expectativas sobre el desempeño futuro en dominios relacionados con la tecnología.

Consecuencias

Las creencias de autoeficacia relacionadas con la tecnología se han vinculado con diversas consecuencias. Si bien la autoeficacia tecnológica predice los resultados que se analizan a continuación, cabe señalar que algunos de sus antecedentes predicen mejor estos resultados que la propia autoeficacia. Por ejemplo, la experiencia previa suele predecir mejor el desempeño en la tarea que la autoeficacia tecnológica. Un metaanálisis reciente sobre la autoeficacia (en general) también respalda esta conclusión. [ 37 ] En conjunto, la autoeficacia tecnológica es importante, pero su importancia no debe sobreestimarse. Además, es posible que el efecto de la autoeficacia tecnológica en los resultados (por ejemplo, el desempeño) opere a través de otras variables (por ejemplo, las intenciones conductuales o la ansiedad).

Rendimiento de la tarea

El desempeño de la tarea se ve afectado negativamente, de modo que las creencias de autoeficacia relacionadas con la tecnología más bajas se relacionan con un desempeño más deficiente [ 1 ] [ 17 ] [ 22 ] Esto es extremadamente importante, porque estos hallazgos sugieren que las percepciones positivas de las capacidades tecnológicas de los individuos pueden necesitar estar presentes antes de que se pueda lograr un desempeño exitoso.

Facilidad de uso y uso percibidos

Se ha encontrado que la facilidad de uso percibida y su utilización se relacionan positivamente con las creencias de autoeficacia relacionadas con la tecnología. [ 17 ] [ 27 ] [ 38 ] [ 39 ] Según el Modelo de Aceptación de la Tecnología , [ 40 ] la facilidad de uso percibida y la utilidad percibida influyen en las intenciones conductuales y, en última instancia, en los comportamientos relacionados con la tecnología. Otros investigadores consideran que las intenciones conductuales actúan como mediadoras entre la TSE y otras variables de resultado (rendimiento). Estas predicciones son similares a las de la Teoría del Comportamiento Planificado , que cuenta con amplio respaldo . [ 41 ]

Ansiedad

La ansiedad está relacionada negativamente, de modo que las creencias de autoeficacia relacionadas con la tecnología más bajas se asocian con un mayor nivel de ansiedad. [ 17 ] [ 27 ] [ 31 ] [ 42 ]

Autoeficacia tecnológica en el contexto de la IA y la robótica

La autoeficacia tecnológica (TSE, por sus siglas en inglés) surgió como un concepto intencionadamente vago para describir la creencia de una persona en su capacidad para realizar una tarea tecnológicamente compleja. La inteligencia artificial (IA) y la robótica se diferencian de otras tecnologías porque incluyen características como la autonomía, el aprendizaje adaptativo y las capacidades sociales, lo que modifica la dinámica respecto a las interfaces tradicionales entre humanos y computadoras. Estas características impulsan a los investigadores a estudiar la TSE cuando un usuario interactúa con un sistema capaz de tomar decisiones de forma independiente.

Adopción y aceptación

La TSE se reconoce como un determinante psicológico de la elección de un usuario de interactuar con y/o aceptar nuevos sistemas inteligentes. La investigación sobre la interacción humano-robot (HRI) encuentra que una persona con una puntuación TSE más alta muestra una predicción positiva significativa de su intención de adoptar o trabajar con robots sociales [ 43 ] [ 44 ] .

La misma relación se observa en la TSE y la IA. La autoeficacia del usuario influye en su actitud hacia las tecnologías de IA. [ 45 ] Esta dinámica está mediada por la facilidad con la que el usuario encuentra la tecnología y sus beneficios asociados. [ 45 ] A medida que un usuario acumula interacciones positivas con un robot o una IA, su confianza aumenta; a medida que estas interacciones aumentan, su autoeficacia percibida conduce a una mayor disposición a utilizar la tecnología. [ 43 ]

Resultados de rendimiento y aprendizaje

Además de predecir la intención, la investigación sugiere que la TSE también influye en el rendimiento y los resultados del aprendizaje en entornos educativos y profesionales. Se ha demostrado que los entornos educativos que utilizan la participación práctica con actividades de robótica son un enfoque eficaz para desarrollar la TSE de los estudiantes. [ 46 ] Este enfoque práctico permite a los estudiantes generar confianza en sus habilidades técnicas. [ 46 ] El aumento de la autoeficacia se correlaciona positivamente con el desarrollo de habilidades de resolución de problemas STEM, así como con una mejora general en las habilidades cognitivas e intelectuales de los estudiantes. [ 47 ]

Fuera del aula, la autoeficacia de los empleados en relación con la IA afecta el comportamiento profesional y la toma de decisiones. Estudios sobre la interacción de los empleados con la IA en el lugar de trabajo muestran que la calificación de autoeficacia de un empleado en relación con el uso de la IA actúa como un mediador parcial entre el uso de la IA y su disposición a asumir riesgos en la toma de decisiones. [ 48 ] Esto sugiere que su confianza en su capacidad para utilizar eficazmente los resultados de la IA se traduce en una mayor confianza para emprender acciones organizacionales potencialmente de alto riesgo y alta recompensa. [ 48 ]

Ansiedad, confianza y resistencia

La relación entre la autoeficacia tecnológica (AET) y la dinámica psicológica de la tecnología avanzada no siempre es lineal. Las investigaciones muestran una correlación compleja donde una mayor AET entre los usuarios se correlaciona positivamente con la ansiedad y la dependencia de la IA. [ 49 ] La explicación de este hallazgo contraintuitivo es que los usuarios que tienen más confianza en su capacidad para usar la IA tienden a usarla con mayor frecuencia, lo que aumenta su dependencia. Este alto nivel de compromiso también se correlaciona con la ansiedad respecto a posibles resultados negativos, como la dependencia excesiva o la sustitución. [ 49 ] La AET de un individuo actúa como un moderador que moldea las respuestas emocionales y conductuales a los factores de estrés tecnológico impulsados ​​por la IA e influye en la intención de los empleados de adoptar este tipo de sistemas. [ 50 ]

Véase también

Referencias

  1. 1 2 3 4 5 McDonald, T., & Siegall, M. (1992). Los efectos de la autoeficacia tecnológica y el enfoque laboral en el desempeño laboral, las actitudes y las conductas de abandono. The Journal of Psychology, 126 , 465-475.
  2. 1 2 3 Bandura, A. (1997). Autoeficacia: El ejercicio del control. Nueva York: Freeman.
  3. 1 2 Compeau, DR, & Higgins, CA (1995). Autoeficacia informática: Desarrollo de una medida y prueba inicial. Management Information System Quarterly, 19, 189-211.
  4. 1 2 Joo, YJ, Bong, M., & Choi, HJ (2000). Autoeficacia para el aprendizaje autorregulado, autoeficacia académica y autoeficacia en internet en la instrucción basada en la web. Educational Technology Research and Development, 48, 5-17.
  5. ↑ Staples, DS, Hulland, JS y Higgins, CA (1999). Una explicación basada en la teoría de la autoeficacia para la gestión de trabajadores remotos en organizaciones virtuales. Organization Science, 10, 758-776.
  6. ↑ "Casi la mitad de los adultos estadounidenses poseen un teléfono inteligente" . Pew Research Center: Internet, Ciencia y Tecnología . 1 de marzo de 2012.
  7. ↑ "El público global adopta las redes sociales" . Centro de Investigación Pew . 15 de diciembre de 2010.
  8. 1 2 Madden, M., & Jones, S. (2008, 24 de septiembre). Trabajadores en red. (PDF)
  9. ↑ Johansen, R., Swigart, R. (1996). Ampliando el papel del individuo en la organización reducida: Gestión tras la reingeniería, la globalización y el abrumador cambio tecnológico. Addison-Wesley, Reading, MA.
  10. ↑ Phipps, R., & Merisotis, J. (1999). ¿Cuál es la diferencia? Una revisión de la investigación contemporánea sobre la efectividad del aprendizaje a distancia en la educación superior. Washington, DC: Institute for Higher Education Policy.
  11. ↑ Vrasidas, C., & McIsaac, MS (2000). Principios de pedagogía y evaluación para el aprendizaje basado en la web. Educational Media International, 37, 105-112.
  12. ↑ Brauner, P., Leonhardt, T., Ziefle, M., & Schroeder, U. (2010): El efecto de los artefactos tangibles, el género y la competencia técnica subjetiva en la enseñanza de la programación a alumnos de séptimo grado. Actas de la 4.ª Conferencia Internacional sobre Informática en Escuelas Secundarias (ISSEP 2010), LNCS 5941. pp. 61–71.
  13. ↑ Chen, G., Gully, SM, & Eden, D. (2001). Validación de una nueva escala general de autoeficacia. Organizational Research Methods, 4 , 62-83.
  14. ↑ Agarwal, R., Sambamurthey, V., & Stair, RM (2000). Informe de investigación: La relación en evolución entre la autoeficacia informática general y específica: una evaluación empírica. Information Systems Research, 4, 418-430
  15. 1 2 Lee, C., & Bobko, P. (1994). Creencias de autoeficacia: Comparación de cinco medidas. Journal of Applied Psychology, 79, 364-369
  16. ↑ Holcomb, LB, King, FB y Brown, SW (2004). Rasgos y atributos de los estudiantes que contribuyen al éxito en los cursos en línea: Evaluación de cursos universitarios en línea. The Journal of Interactive Online Learning, 2, 1-17.
  17. 1 2 3 4 5 6 Compeau, DR, Higgins, CA (1995b). Aplicación de la teoría sociocognitiva al entrenamiento en habilidades informáticas. Information Systems Research, 6, 118-143.
  18. ↑ Hill, T., Smith, ND, & Mann, MF (1987). Papel de las expectativas de eficacia en la predicción de la decisión de usar tecnologías avanzadas: El caso de las computadoras. Journal of Applied Psychology, 72, 307–313.
  19. ↑ Jorde-Bloom, P., & Ford, M. (1988). Factores que influyen en las decisiones de los administradores de la primera infancia con respecto a la adopción de tecnología informática. Journal Educational Computing, 4, 31–47.
  20. 1 2 Murphy, CA, Coover, D., & Owen, SV (1989). Desarrollo y validación de la escala de autoeficacia computarizada. Educational and Psychological Measurement, 49, 893–899.
  21. ↑ Brinkerhoff, J. (2006). Efectos de una academia de desarrollo profesional de larga duración sobre las habilidades tecnológicas, la autoeficacia informática y las creencias y prácticas de integración tecnológica. Journal of Research on Technology in Education, 39, 22-43.
  22. 1 2 Gist. ME, Schwoerer, CE, & Rosen, B. (1989). Efectos de métodos de capacitación alternativos sobre la autoeficacia y el desempeño en la capacitación en software informático. Journal of Applied Psychology, 74, 884-891.
  23. ↑ Torkzadeh, G. y Van Dyke, TP (2002). Efectos del entrenamiento en la autoeficacia en Internet y las actitudes de los usuarios de computadoras. Computers and Human Behavior, 18, 479-494.
  24. ↑ Torkzadeh, G., & Koufteros, X. (1994). Validez factorial de la escala de autoeficacia informática y el impacto de la formación informática. Educational and Psychological Measurement, 54, 813–821.
  25. ↑ Smith, JM (1994). Los efectos de la educación en la autoeficacia informática. Journal of Industrial Teacher Education, 31, 51–65.
  26. ↑ Henry, JW, & Stone, RW (1994). Un modelo de ecuaciones estructurales de la satisfacción del usuario final con un sistema de información médica basado en computadora. Information Resources Management Journal , 7(3), 21–33.
  27. 1 2 3 Igbaria, M., & Iivari, J. (1995). Los efectos de la autoeficacia en el uso de la computadora. Omega, 23 (6), 587-605.
  28. 1 2 Burkhardt, ME y Brass, DJ (1990). Patrones cambiantes o patrones de cambio: Los efectos de un cambio en la tecnología sobre la estructura y el poder de las redes sociales. Administrative Science Quarterly, 35, 104-127.
  29. ↑ Butler, D., & Sellboom, M. (2002). Barreras para la adopción de tecnología para la enseñanza y el aprendizaje. Educause Quarterly, 2, 22-28.
  30. ↑ Shamburg, C. (2004). Condiciones que inhiben la integración de la tecnología para docentes de educación infantil en entornos urbanos. Information Technology in Childhood Education Annual, 227-244.
  31. 1 2 Durndall, A., & Haag, Z. (2002). Autoeficacia informática, ansiedad informática, actitudes hacia Internet y experiencia reportada con Internet, por género, en una muestra de Europa del Este. Computer in Human Behavior, 18, 521-535.
  32. ↑ Miura, IT (1987). La relación entre las expectativas de autoeficacia, el interés por la informática y la matriculación en cursos universitarios. Sex-Roles, 16, 303–311.
  33. ↑ Ogletree, SM, & Williams, SW (1990). Efectos del sexo y la tipificación sexual en las actitudes y aptitudes hacia la informática. Sex Roles, 23, 703–712.
  34. ↑ Reed, K. Doty y May, (2005). El impacto del envejecimiento en la autoeficacia y la adquisición de habilidades informáticas. Journal of Managerial Issues, 17, 212-228.
  35. ↑ Suls, J. y Mullen, C. (1982). De la cuna a la tumba: comparación y autoevaluación a lo largo de la vida. En J. Suls (Ed.), Perspectivas psicológicas sobre el yo, vol. 1, Erlbaum, Hillsdale, NJ, 97–125.
  36. ↑ Posthuma, RA y Campion, MA (2009). Estereotipos de edad en el lugar de trabajo: estereotipos comunes, moderadores y direcciones de investigación futuras. Journal of Management, 35, 158-188.
  37. ↑ Judge, TA, Jackson, CL, Shaw, JC, Scott, BA y Rich, BL (2007). Autoeficacia y desempeño laboral: El papel fundamental de las diferencias individuales. Journal of Applied Psychology, 92, 107-127. doi: 10.1037/0021-9010.92.1.107
  38. ↑ Agarwal, R., Sambamurthy, V., Stair, RM (2000). Informe de investigación: La relación en evolución entre la autoeficacia informática general y específica: una evaluación empírica. Information Systems Research, 11, 418-430.
  39. ↑ Venkatesh, V., & Davis, FD (1996). Un modelo de la facilidad de uso percibida: Desarrollo y prueba. Decision Science, 27, 451-481.
  40. ↑ Davis, FD (1989). Utilidad percibida, facilidad de uso percibida y aceptación del usuario. MIS Quarterly, 13, 319-340.
  41. ↑ Ajzen, I (1991). La teoría del comportamiento planificado. Organizational Behavior and Human Decision Processes, 50, 179-211. doi: 10.1016/0749-5978(91)90020-T.
  42. ↑ Russell, G., & Bradley, G. (1997). La ansiedad informática de los docentes: implicaciones para el desarrollo profesional. Educación y Tecnologías de la Información, 2, 1-14.
  43. 1 2 Giger, Jean-Christophe; Piçarra, Nuno; Pochwatko, Grzegorz; Almeida, Nuno; Almeida, Ana Susana (2025-01-21). "Intención de trabajar con robots sociales: el papel de la autoeficacia percibida en el uso de robots, las actitudes hacia los robots y las creencias en la singularidad de la naturaleza humana" . Tecnologías multimodales e interacción . 9 (2): 9. doi : 10.3390/mti9020009 . hdl : 10400.14/52809 . ISSN 2414-4088 . 
  44. ^ Latikka, Rita; Turja, Tuuli; Oksanen, Atte (1 de abril de 2019). «Autoeficacia y aceptación de los robots» . Las computadoras en el comportamiento humano . 93 : 157– 163. doi : 10.1016/j.chb.2018.12.017 . ISSN 0747-5632 . 
  45. 1 2 Jia, Xi-Hui; Tu, Jui-Che (2024-02-25). "Hacia un nuevo modelo conceptual de aprendizaje mejorado por IA para estudiantes universitarios: los roles de las capacidades de inteligencia artificial, la autoeficacia general, la motivación para el aprendizaje y la conciencia del pensamiento crítico" . Systems . 12 (3): 74. doi : 10.3390/systems12030074 . ISSN 2079-8954 . 
  46. 1 2 Zviel-Girshin, Rina; Rosenberg, Nathan (2025-10-19). "Mejorando la participación temprana en STEM: el impacto de los proyectos de robótica basados ​​en la indagación en la autoeficacia para la resolución de problemas y las actitudes colaborativas de los estudiantes de primer grado" . Ciencias de la Educación . 15 (10): 1404. doi : 10.3390/educsci15101404 . ISSN 2227-7102 . 
  47. ↑ Rahman, SM Mizanoor (2021-02-21). "Evaluación y comparación de los resultados de aprendizaje de la educación STEM habilitada por la robótica" . Ciencias de la Educación . 11 (2): 84. doi : 10.3390/educsci11020084 . ISSN 2227-7102 . 
  48. 1 2 Han, Zhiyong; Song, Guoqing; Zhang, Yanlong; Li, Bo (2025-08-01). "Confía en la máquina o confía en ti mismo: cómo el uso de la IA remodela la autoeficacia de los empleados y su disposición a asumir riesgos" . Behavioral Sciences . 15 (8): 1046. doi : 10.3390/bs15081046 . ISSN 2076-328X . PMC 12383118. PMID 40867403 .   
  49. 1 2 Morales-García, Wilter C.; Sairitupa-Sanchez, Liset Z.; Flores-Paredes, Alcides; Pascual-Mariño, Jai; Morales-García, Mardel (2025-01-12). "Influencia de la autoeficacia en el uso de la inteligencia artificial (IA) y la ansiedad hacia el uso de la IA en la dependencia de la IA entre estudiantes universitarios peruanos" . Datos y metadatos . 4 : 210. doi : 10.56294/dm2025210 . ISSN 2953-4917 . 
  50. ↑ Chang, Po-Chien; Zhang, Wenhui; Cai, Qihai; Guo, Hongchi (2024-02-07). "¿El tecnoestrés impulsado por la IA promueve o dificulta la intención de adopción de la inteligencia artificial por parte de los empleados? Un modelo de mediación moderada de reacciones afectivas y autoeficacia técnica" . Psychology Research and Behavior Management . 17 : 413–427 . doi : 10.2147/PRBM.S441444 .