ARTÍCULO ORIGINAL  
INNOVA Research Journal, ISSN 2477-9024  
(
Mayo-agosto 2024). Vol. 9, No.2, pp. 1- 22  
DOI: https://doi.org/10.33890/innova.v9.n2.2024.2486  
URL: http://revistas.uide.edu.ec/index.php/innova/index  
Correo: innova@uide.edu.ec  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros:  
Validación de un modelo de aceptación  
Adoption of b-learning in the Teaching of Mathematics for Engineers:  
Validation of an Acceptance Model  
Elia Trejo-Trejo  
Universidad Tecnológica del Valle del Mezquital, Hidalgo, México  
elitret@gmail.com  
https://orcid.org/0000-0003-0184-1795  
Natalia Trejo-Trejo  
Universidad Tecnológica del Valle del Mezquital, Hidalgo, México  
nattrejo4@gmail.com  
https://orcid.org/0000-0001-6063-8856  
Recepción: 28/01/2024 | Aceptación: 25/04/2024 | Publicación: 10/05/2024  
Cómo citar (APA, séptima edición):  
Trejo-Trejo, E., Trejo-Trejo, N. (2024). Adopción del b-learning en la enseñanza de las  
matemáticas para ingenieros: Validación de un modelo de aceptación. INNOVA Research  
Journal, 9(2), 1-22. https://doi.org/10.33890/innova.v9.n2.2024.2486  
Resumen  
Este estudio explora la percepción de estudiantes de ingeniería hacia el b-learning en matemáticas,  
fundamentándose en el Modelo de Aceptación de la Tecnología (TAM). Adoptando una  
metodología cuantitativa con diseño descriptivo y explicativo, se analizó una muestra de 153  
estudiantes de una institución de educación superior en México. Utilizando un cuestionario  
adaptado de Davis (1989), se evaluó la aceptación del b-learning y se realizaron análisis factorial  
exploratorio y confirmatorio para validar el Modelo de Aceptación del b-learning (MAb-L). El  
MAb-L demostró coherencia interna y validez convergente, sustentada por una correlación  
positiva entre las variables latentes y observadas. Se confirmaron seis de las siete hipótesis,  
destacando la influencia de la utilidad percibida, la facilidad de uso y la actitud de los estudiantes  
hacia el b-learning. Los resultados enfatizan la importancia de personalizar el contenido, mejorar  
la interacción social, la infraestructura tecnológica y la retroalimentación para optimizar la  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
1
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
enseñanza de matemáticas en ingeniería. Se resalta la “Facilidad de Uso” como un factor crítico.  
El estudio respalda la validez del MAb-L, resaltando cómo la utilidad y la facilidad de uso  
percibidas impactan positivamente la actitud y la intención de aprendizaje en matemáticas.  
Además, se ofrecen recomendaciones prácticas para la mejora del b-learning en la enseñanza de  
matemáticas en ingeniería, subrayando la necesidad de adaptación personalizada y fomento de la  
interacción social. Esta investigación contribuye al entendimiento de los factores que influencian  
la aceptación del b-learning en matemáticas, proporcionando una base sólida para el avance del  
conocimiento en este campo dinámico.  
Palabras claves: tecnología educativa; aprendizaje mixto; educación matemática; educación en  
ingeniería; educación; México.  
Abstract  
This study explores the perception of engineering students towards b-learning in mathematics,  
based on the Technology Acceptance Model (TAM). Adopting a quantitative methodology with a  
descriptive and explanatory design, a sample of 153 students from a higher education institution  
in Mexico was analyzed. Using an adapted questionnaire from Davis (1989), the acceptance of b-  
learning was assessed, and exploratory and confirmatory factor analyses were performed to  
validate the B-learning Acceptance Model (MAb-L). The MAb-L demonstrated internal  
consistency and convergent validity, supported by a positive correlation between latent and  
observed variables. Six of the seven hypotheses were confirmed, highlighting the influence of  
perceived usefulness, ease of use, and students' attitudes towards b-learning. The results emphasize  
the importance of customizing content, enhancing social interaction, technological infrastructure,  
and feedback to optimize mathematics education in engineering. “Ease of Use” is highlighted as a  
critical factor. The study supports the validity of the MAb-L, highlighting how perceived  
usefulness and ease of use positively impact attitudes and learning intentions in mathematics.  
Additionally, practical recommendations for improving b-learning in engineering mathematics  
education are offered, emphasizing the need for personalized adaptation and the promotion of  
social interaction. This research contributes to the understanding of the factors influencing the  
acceptance of b-learning in mathematics, providing a solid foundation for advancing knowledge  
in this dynamic field.  
Keywords: educational technology; blended learning; mathematics education; engineering  
education; education; Mexico.  
Introducción  
La educación matemática, fundamental en el desarrollo cognitivo y la resolución de  
problemas, ha experimentado una evolución notable, acelerada especialmente por la pandemia de  
COVID-19 (Area, et al., 2020; García, 2021). Esta situación sin precedentes impulsó un cambio  
significativo hacia métodos de enseñanza a distancia en la educación superior, con un impacto  
particular en disciplinas técnicas como la ingeniería. El b-learning, que combina la enseñanza  
presencial con recursos en línea, ha surgido como una respuesta prometedora a estos desafíos,  
ofreciendo flexibilidad y acceso continuo al material didáctico (Apaza, 2022; Feria, et al., 2023;  
Marín, et al., 2023; Lagos, et al., 2020; Núñez, et al., 2019; López, et al., 2019).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
2
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
A pesar del potencial del b-learning, su aceptación y eficacia en la educación matemática  
para estudiantes de ingeniería aún no han sido exploradas exhaustivamente. Estudios recientes  
sugieren que el b-learning puede mejorar significativamente la interacción y colaboración entre  
estudiantes y docentes, favoreciendo un entorno de aprendizaje más dinámico y participativo  
(Abubakar et al., 2020). No obstante, la literatura actual no se reporta un análisis profundo sobre  
cómo los estudiantes de ingeniería perciben y adoptan el b-learning en sus cursos de matemáticas,  
un área crítica que requiere atención particular debido a su naturaleza compleja y abstracta (López,  
et al., 2022).  
En consecuencia, este estudio aborda esta brecha, utilizando el Modelo de Aceptación de  
la Tecnología (TAM), por lo que se propone un modelo específico de aceptación del b-learning  
para la enseñanza de las matemáticas en carreras de ingeniería. El TAM, propuesto originalmente  
por Davis (1989), se base en la Teoría de la Acción Razonada (Fishbein & Ajzen, 1975) y ha sido  
ampliamente aplicado en investigaciones sobre la adopción de tecnologías, proporcionando un  
marco robusto para evaluar la disposición de los usuarios a adoptar nuevas tecnologías (Venkatesh  
&
Davis, 2000).  
El objetivo es evaluar cómo los estudiantes de ingeniería perciben y adoptan el b-learning  
en sus cursos de matemáticas, identificando los factores que influyen en su aceptación. Esta  
investigación es crucial para adaptar y optimizar la enseñanza matemática en la era digital,  
mejorando las prácticas pedagógicas en ingeniería. Además, los hallazgos podrán guiar a las  
instituciones educativas en la implementación de tecnologías de enseñanza más efectivas,  
alineadas con las expectativas y necesidades de los estudiantes de ingeniería (Suárez, et al., 2022).  
Por lo tanto, este estudio no solo llenará un vacío importante en la literatura existente, sino que  
también ofrecerá orientación para futuras implementaciones pedagógicas en el campo de la  
ingeniería, con el potencial de influir en la política educativa y las decisiones curriculares a nivel  
global.  
.
Marco teórico  
Blended learning  
El aprendizaje mixto, o blended learning (b-learning), representa una integración  
innovadora de la instrucción presencial con la enseñanza a distancia, utilizando tecnologías de la  
información y comunicación para enriquecer el proceso educativo (Abubakar et al., 2020; Celada  
et al., 2023). Originado en los años 80 con la incursión de las TIC en el ámbito educativo, el b-  
learning ha experimentado una evolución significativa, consolidándose como una modalidad  
educativa de alcance global  
Investigaciones actuales destacan las ventajas del b-learning, tales como la flexibilidad en  
el acceso a contenidos educativos y la adaptabilidad a los horarios y necesidades individuales de  
los estudiantes. Esta modalidad también promueve una mayor interacción y colaboración entre  
docentes y alumnos, facilitando un entorno de aprendizaje más dinámico y participativo  
(Abubakar, et al. 2020; Celada et al., 2023).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
3
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
En el contexto de la educación matemática, estudios recientes han demostrado la eficacia  
del b-learning en la presentación visual y dinámica de conceptos matemáticos, lo que contribuye  
a una comprensión más profunda y sólida de estos (López et al., 2022; Suárez et al., 2022; Suárez  
et al., 2023). Terán (2019) enfatiza la alta aceptación del b-learning entre los estudiantes,  
resaltando aspectos como las evaluaciones en línea con retroalimentación inmediata, lo cual no  
solo mejora el aprendizaje, sino que también fomenta la socialización del conocimiento.  
Adicionalmente, es relevante explorar cómo el b-learning ha sido adaptado y aplicado en  
diferentes contextos educativos, especialmente en asignaturas que requieren un enfoque práctico  
y conceptual como las matemáticas. Investigadores han señalado la importancia de desarrollar  
materiales y recurso didácticos específicos para el b-learning en matemáticas, que no solo se  
limiten a replicar métodos tradicionales, sino que aprovechan las capacidades interactivas y  
multimedia de las TIC (Rodríguez, 2024; Smidt & Velázquez, 2021).  
En conclusión, el b-learning emerge como una herramienta clave en la educación  
matemática, ofreciendo no solo una alternativa metodológica sino también la oportunidad de re  
imaginar y revitalizar el proceso de enseñanza y aprendizaje en la era digital; por lo que estudios  
en torno a este tema permiten avanzar en una comprensión más profunda de las aplicaciones y los  
impactos del b-learning en la educación matemática contemporánea.  
Modelo de Aceptación de la Tecnología  
Este estudio se basa en el Modelo de Aceptación de la Tecnología (MAT) de Davis,  
derivado de la Teoría de la Acción Razonada (TAR) de Fishbein y Ajzen (1975). Coincidiendo  
con Abreu et al. (2019), Ajzen (2020), y Suárez et al. (2023), la teoría postula que la realización  
de una acción está determinada por la intención, la cual se forma a partir de la actitud del individuo  
hacia la acción y la norma subjetiva. La norma subjetiva, según Liao et al. (2018), se refiere a la  
percepción del individuo sobre la importancia de la acción basada en la percepción de los demás.  
Siguiendo a Davis (1989), el MAT no solo evalúa la inclinación de una sociedad hacia la adopción  
de innovaciones tecnológicas, sino que también identifica las expectativas de la sociedad sobre lo  
que una tecnología puede aportar.  
Los constructos clave son la Utilidad Percibida (PU), relacionada con la creencia de que el  
uso de un sistema mejora el desempeño en el trabajo, y la Facilidad de Uso Percibida (PEU), que  
se refiere a la percepción de que el uso del sistema implica menos esfuerzo físico y mental. El  
MAT, representado en la Figura 1, establece variables observables como la Intención de Uso (BI),  
influenciada por la Actitud hacia el Uso (AT). Tanto la Utilidad Percibida (PU) como la Facilidad  
de Uso Percibida (PEOU) afectan conjuntamente la Actitud hacia el Uso, evidenciando que la  
Facilidad de Uso Percibida tiene un impacto directo en la Utilidad Percibida, respaldando así la  
idea de que los usuarios desarrollan una actitud positiva hacia la tecnología cuando la perciben  
como útil y fácil de usar (Davis, 1989; Lazim et al., 2021; Han et al., 2022; Rad et al., 2022).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
4
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
Figura 1  
Modelo de aceptación tecnológica.  
Fuente: Adaptado de Davis (1989).  
Este modelo se ve influenciado por la facilidad de condiciones (FC) y la influencia social  
(SI), según se define en el modelo de TRA de Fishbein y Ajzen (1975). De acuerdo con Venkatesh  
et al. (2000) y Guy (2020), la utilidad percibida se ve afectada por la facilidad de uso, sugiriendo  
que la simplicidad en la utilización de la tecnología aumenta su utilidad. Sin embargo, es esencial  
tener en cuenta que la aplicación del MAT requiere una conceptualización específica para cada  
investigación, según lo señalado por Malatji et al. (2020), Nadlifatin et al. (2020), y Martín et al.  
(
2022). Los estudios mencionados, respaldados por Granić y Marangunić (2019) y Zhang et al.  
(
2020), indican que el MAT ha sido utilizado en investigaciones educativas, especialmente para  
prever la aceptación y el uso de diversas tecnologías educativas, aunque se destaca que la mayoría  
de estos estudios se han realizado en países asiáticos, con un enfoque particular en estudiantes  
universitarios, como confirma Rosli et al. (2022).  
Metodología  
Este estudio adopta un enfoque cuantitativo (Hernández y Mendoza, 2018; Maturrano,  
2
020) para analizar cómo los estudiantes de ingeniería perciben el uso del b-learning en sus cursos  
de matemáticas y determinar los factores que influyen su aceptación. A través de un diseño  
metodológico descriptivo y explicativo, este análisis no solo describe detalladamente las  
percepciones y experiencias de los estudiantes respecto al b-learning, sino que también examina  
las relaciones causales entre los constructos del Modelo de Aceptación de la Tecnología (TAM)  
en un contexto educativo específico de ingeniería (Davis, 1989; Venkatesh & Davis, 2000). Este  
enfoque metodológico es fundamental para validar la aplicabilidad del TAM en este nuevo  
contexto y para proporcionar una base empírica sólida que apoye recomendaciones estratégicas  
para la implementación efectiva del b-learning. La investigación se realizó mediante un diseño  
transversal, recogiendo datos en un único momento, lo que permite capturar una instantánea  
detallada de las actitudes y percepciones durante un periodo académico específico. Esta estructura  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
5
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
metodológica asegura que los hallazgos sean representativos del grupo estudiado y proporciona  
claridad en el impacto observado de la intervención educativa (Creswell, 2014).  
Muestra: El tamaño muestral de la presente investigación comprende a 153 estudiantes de  
una facultad de ingeniería en una institución de educación superior pública mexicana (N=153). En  
términos de género, el 58% son mujeres, mientras que el resto son hombres, con edades que oscilan  
entre los 17 y los 22 años (M=19.3; DT=2.18). El muestreo fue no probabilístico, la selección de  
la muestra se realizó mediante un muestreo por conveniencia (Hernández, et al., 2018 y Hernández  
y Carpio, 2019), es decir, se incluyeron las respuestas de aquellos estudiantes que participaron en  
el instrumento administrado. El instrumento se pudo a disposición de la población de referencia  
en su modalidad en línea.  
Instrumentos de recolección de datos: Para la recopilación de datos, se adaptó el  
cuestionario propuesto por Davis (1989), ajustándolo a las particularidades específicas de la  
presente investigación. Este cuestionario incluyó 17 ítems relacionados con los constructos del  
modelo de aceptación del b-learning aplicado a las clases de matemáticas en ingeniería (Tabla 1).  
Los estudiantes evaluaron cada ítem mediante una escala de Likert de cinco puntos (1=totalmente  
en desacuerdo; 2=En desacuerdo; 3=Ni de acuerdo, ni en desacuerdo; 4=De acuerdo y  
5
=Totalmente de acuerdo).  
Tabla 1  
Constructos del modelo TAM para predecir la percepción de los estudiantes ante el uso de b-  
learning en las clases de matemáticas.  
Constructo  
del modelo  
Ítem  
PU1: Considero que el modelo b-learning facilita el estudio de matemáticas  
en comparación con las clases presenciales o tradicionales.  
PU2: Para obtener buenos resultados en matemáticas con el modelo b-  
Utilidad  
learning, siento que debo estudiar más que en clases presenciales.  
percibida (PU) PU3: Creo que, para obtener buenas calificaciones en matemáticas a través del  
modelo b-learning, es suficiente entregar trabajos en tiempo y forma.  
PU4: Encuentro útil el modelo b-learning para continuar aprendiendo  
matemáticas, especialmente en temas complejos de matemáticas.  
PEOU1: Me ha resultado sencillo estudiar matemáticas mediante el modelo b-  
learning.  
PEOU2: Todas las aplicaciones utilizadas en el modelo b-learning para las  
clases de matemáticas me han parecido fáciles de usar.  
Facilidad de  
uso percibida  
(PEOU)  
SI1: He recibido apoyo y orientación por parte de mi docente en el uso de las  
aplicaciones utilizadas y en caso de dudas sobre los temas de matemáticas.  
SI2: Mi familia me ha brindado apoyo para continuar con mis estudios de  
matemáticas a través del modelo b-learning.  
Influencia  
Social (SI)  
SI3: La o el responsable de la materia me ha proporcionado apoyo para  
continuar con mis estudios de matemáticas mediante el modelo b-learning.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
6
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
Constructo  
del modelo  
Ítem  
FC1: He tenido acceso a una conexión de internet confiable y disponible para  
Facilidad de  
condiciones  
participar en clases de matemáticas mediante el modelo b-learning.  
FC2: La o el docente han creado condiciones propicias para el aprendizaje de  
matemáticas, incluyendo el uso de aplicaciones, videos, herramientas,  
software y la resolución de dudas de manera remota.  
(FC)  
AT1: Estudiar matemáticas a través del modelo b-learning me resulta  
interesante, y siento que tengo las habilidades y competencias necesarias para  
adquirir nuevos conocimientos.  
Actitud por el AT2: En más de una ocasión, he considerado abandonar la universidad, ya que  
uso (AT)  
el estudio de matemáticas a través del modelo b-learning no me resulta útil.  
AT3: Creo que el modelo b-learning proporciona una oportunidad para poner  
en práctica mis habilidades técnico-profesionales y adquirir nuevos  
conocimientos en matemáticas.  
BI1: Después de esta experiencia de aprendizaje con las matemáticas a través  
del modelo b-learning, considero que puedo estudiar cualquier asignatura de  
esta manera.  
Intención de  
uso (BI)  
BI2: La educación matemática a través del modelo b-learning no se ajusta a  
mis preferencias; prefiero las clases presenciales y no me gustaría tomar clases  
en esta modalidad en el futuro.  
BI3: En mi próximo curso de matemáticas, planeo incorporar el uso del  
modelo b-learning para mejorar mi aprendizaje.  
Nota: Adaptado de Davis (1989).  
Procedimiento: El proceso de investigación se desarrolló en las siguientes etapas. En  
primer lugar, se adaptó el modelo de aceptación de Davis (1989) al de b-learning en la educación  
matemática para ingeniería. Posteriormente, se procedió a la elaboración del cuestionario, basado  
en las adaptaciones pertinentes. Se llevó a cabo un análisis factorial exploratorio (AFE) para  
evaluar la inclusión o exclusión de las variables observables del modelo. Luego, se realizó un  
análisis factorial confirmatorio (AFC) siguiendo los protocolos sugeridos por Fornell y Boostein  
(1982) para validar la estructura del modelo. El cuestionario se administró en línea a los 153  
estudiantes de ingeniería quienes se encontraban inscritos a un curso de matemáticas (Álgebra  
Lineal, Cálculo Diferencial o Integral, Cálculo Multivariante o Ecuaciones Diferenciales).  
Resultados y Discusión  
En el presente estudio y en atención con el modelo original de TAM (Davis 1989) se  
desarrolló un Modelo de Aceptación del b-learning para Matemáticas (MAb-L). Este modelo se  
diseñó específicamente para explorar y predecir las percepciones de los estudiantes de ingeniería  
sobre el uso del b-learning en sus cursos de Matemáticas (Figura 2). El MAb-L articula relaciones  
hipotéticas entre varios constructos, como la utilidad percibida y la facilidad de uso percibida, y  
formula hipótesis clave para su validación y aplicabilidad en contextos educativos futuros. La  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
7
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
relevancia del MAb-L en el contexto actual se destaca al comparar sus componentes con hallazgos  
de estudios anteriores, que también aplicaron el TAM en contextos de educación en ingeniería.  
Investigaciones previas han confirmado la fuerte influencia de la percepción de utilidad y facilidad  
de uso en la actitud hacia la tecnología y la intención de uso continuo (Venkatesh y Davis, 2000;  
Ajzen, 2020). Sin embargo, el MAb-L extiende estos modelos al integrar elementos específicos  
del aprendizaje de matemáticas, como la adaptación de contenidos y la interacción en línea, áreas  
que han demostrado ser críticas en el aprendizaje efectivo de matemáticas en modalidades mixtas  
(Han et al., 2022; Lazim et al., 2021). Esta ampliación del modelo permite una evaluación más  
detallada de cómo las características específicas del b-learning influyen en la aceptación de este  
por parte de los estudiantes de ingeniería.  
Figura 2  
Adecuación del TAM para clases de matemática con b-learning.  
Validación de los constructos e ítems del MAb-L  
Para verificar el cumplimiento de las hipótesis planteadas y asegurar la validez del modelo  
de b-learning en matemáticas para la ingeniería, se llevó a cabo un análisis exhaustivo que incluyó  
la evaluación de la validez del modelo de medida, la validez estructural del modelo y el ajuste  
global del modelo. Los resultados de estas evaluaciones se presentan a continuación.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
8
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
La Tabla 2 muestra la estadística descriptiva y la confiabilidad, medida a través del Alfa  
de Cronbach, de los constructos del MAb-L. Los valores obtenidos varían entre 0.937 y 0.981,  
indicando una alta consistencia interna y sugiriendo que los ítems están midiendo coherentemente  
los mismos constructos. Este nivel de fiabilidad respalda el uso del MAb-L como una herramienta  
eficaz para evaluar la percepción de los estudiantes sobre el b-learning, lo cual de acuerdo con  
Granic y Maarangucic (2019), Abreu et al. (2019) y Han et al. (2022) refieren la importancia de  
la consistencia interna en los TAM. Además, los resultados refuerzan la validez del MAb-L y  
ofrecen una base sólida para la interpretación de los datos, alineándose con investigaciones  
anteriores que han destacado la relevancia de validar cada constructo dentro de los modelos  
teóricos para asegurar una interpretación adecuada de los efectos observados (Rad et al., 2022;  
Rosli et al., 2022; Zhang et al., 2020). Específicamente, estos hallazgos corroboran la importancia  
de considerar tanto la facilidad de uso percibida como la utilidad percibida, y cómo estos factores  
influyen en la actitud y la intención de uso de la tecnología educativa, ampliando así nuestra  
comprensión sobre cómo el b-learning puede ser más efectivamente implementado en contextos  
de enseñanza de matemáticas para ingenieros.  
La rigurosidad de este enfoque metodológico no solo valida el MAb-L, sino que también  
contribuye al corpus de conocimiento sobre modelos de aceptación tecnológica en educación,  
resaltando la necesidad de seguir explorando estos modelos en diferentes contextos educativos y  
culturales para maximizar su aplicabilidad y efectividad.  
Tabla 2  
Prueba de validez de las variables o constructos de la investigación.  
Confiabilidad  
Desv.  
Constructo  
Ítem  
Media  
Varianza (Alfa de  
Estándar  
Cronbach)  
PU1  
PU2  
PU3  
PU4  
2.575  
3.600  
2.850  
2.825  
2.725  
1.196  
0.928  
1.075  
1.357  
1.037  
1.430  
0.862  
1.156  
1.840  
1.076  
Utilidad percibida (PU)  
0.937  
0.928  
0.951  
PEOU1  
Facilidad de uso  
percibida (PEOU)  
PEOU2  
SI1  
3.775  
4.200  
1.097  
0.939  
1.097  
1.204  
0.882  
1.204  
4
.025  
Influencia Social (SI) SI2  
SI3  
3.675  
3.375  
4.350  
0.829  
1.005  
1.001  
0.687  
1.010  
1.003  
Facilidad de  
condiciones (FC)  
FC1  
FC2  
0
.939  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
9
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
Confiabilidad  
Varianza (Alfa de  
Desv.  
Estándar  
Constructo  
Ítem  
Media  
Cronbach)  
AT1  
3.200  
1.067  
1.138  
1.628  
2
.750  
1.276  
0.957  
Actitud por el uso (AT) AT2  
AT3  
BI1  
3.500  
3.400  
1.240  
1.429  
1.538  
2.041  
3
.525  
1.261  
1.366  
1.589  
1.866  
0.981  
0.989  
Intención de uso (BI)  
TOTAL  
BI2  
BI3  
3.325  
La Tabla 3 detalla información crucial sobre la validez convergente y la consistencia  
interna del Modelo de Aceptación del b-learning para Matemáticas en Ingeniería (MAb-L). Las  
cargas factoriales, que oscilan entre 0.688 y 0.938, revelan una conexión significativa entre todos  
los ítems y sus respectivos constructos, corroborando la estructura propuesta del modelo. Este  
resultado es consistente con las investigaciones realizadas por Guy (2020) y Granic et al. (2019),  
quienes destacan la relevancia de valores superiores a 0.7 en las cargas factoriales como  
indicadores robustos de relaciones sólidas entre ítems y constructos.  
Además, la Varianza Media Extraída (AVE) en todos los constructos supera el umbral de  
0
.5, sugerente de una convergencia efectiva de los indicadores con sus constructos. Esta  
observación es apoyada por Davis (1989), quien argumenta la importancia de una correlación  
positiva y significativa entre los indicadores y sus constructos en la validación de modelos de  
aceptación tecnológica. Lazim et al. (2021) y Martín et al. (2022) también confirman la necesidad  
de evidenciar correlaciones positivas y robustas para sustentar la validez convergente de un  
modelo.  
En cuanto a la consistencia interna, la fiabilidad compuesta y el Alfa de Cronbach exceden  
el umbral aceptado de 0.7 en todos los constructos, indicando una relación consistente y confiable  
entre los indicadores y sus constructos. Liao et al. (2018) y Nadlifatin et al. (2020) subrayan que  
valores altos en estas métricas reflejan una coherencia interna adecuada, crucial para la  
confiabilidad de cualquier instrumento de medición en contextos educativos y tecnológicos.  
Estos hallazgos refuerzan la robustez del MAb-L como un modelo eficaz para evaluar la  
aceptación del b-learning en la enseñanza de matemáticas para ingenieros, validando tanto la  
coherencia interna como la validez convergente de sus constructos. La alineación de estos  
resultados con la literatura previa no solo valida el modelo propuesto, sino que también contribuye  
al entendimiento de cómo elementos como la utilidad percibida y la facilidad de uso afectan la  
adopción de tecnologías de aprendizaje innovadoras.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
10  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
Tabla 3  
Validez Convergente, Consistencia Interna y Cargas Factoriales de los Indicadores en los  
Constructos.  
Validez convergente  
Consistencia interna  
Varianza  
Cargas  
Factoriales  
Fiabilidad  
Media  
del  
Indicador  
Constructo  
Ítem  
Fiabilidad  
Alfa de  
Cronbach  
Extraída Compuesta  
(AVE)  
PU1  
0.938  
0.846  
0.810  
0.844  
0.936  
0.732  
0.675  
0.719  
0.672  
Utilidad  
percibida  
PU2  
PU3  
PU4  
0.746  
0.909  
0.899  
0.932  
0.926  
(PU)  
PEOU1 0.833  
Facilidad de  
uso percibida  
0
.881  
PEOU2 0.688  
0.513  
(PEOU)  
SI1  
SI2  
SI3  
FC1  
0.762  
0.758  
0.756  
0.805  
0.581  
0.598  
0.614  
0.705  
Influencia  
Social (SI)  
0.750  
0.894  
0.844  
0.903  
0.832  
0.905  
0.928  
0.901  
Facilidad de  
condiciones  
FC2  
0.826  
0.685  
(FC)  
AT1  
AT2  
AT3  
BI1  
BI2  
BI3  
0.773  
0.774  
0.745  
0.789  
0.695  
0.792  
0.579  
0.607  
0.627  
0.581  
0.598  
0.614  
Actitud por el  
uso (AT)  
0
0
.767  
.873  
Intención de  
uso (BI)  
0.895  
0.926  
Para garantizar la distinción entre los constructos del Modelo de Aceptación del b-learning  
en la enseñanza de matemáticas para ingenieros (MAb-L), se aplicó el criterio de Fornell-Larcker,  
como sugieren Martín et al. (2022). Este criterio es fundamental para evaluar la validez  
discriminante entre constructos en modelos estructurales, asegurando que estos no estén  
excesivamente correlacionados y mantengan su singularidad. Según este criterio, la Varianza  
Media Extraída (AVE) de cada constructo debe ser superior a las correlaciones cuadradas de ese  
constructo con cualquier otro en el modelo. Los resultados obtenidos del MAb-L indicaron que las  
raíces cuadradas de las AVE para los constructos de Facilidad de Uso Percibida (PEOU),  
Influencia Social (SI), Facilidad de Condiciones (FC), Actitud por el Uso (AT) e Intención de Uso  
(BI) fueron 0.497, 0.571, 0.453, 0.590 y 0.593, respectivamente. Estos valores reflejan una  
adecuada separación entre los constructos, con cada uno explicando una proporción mayor de la  
varianza de sus indicadores que la varianza compartida con otros constructos. Este hallazgo es  
consistente con los trabajos de Suárez et al. (2023) y Venkatesh et al. (2020), quienes destacan la  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
11  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
importancia de demostrar la independencia conceptual entre las variables de un modelo para  
afirmar su validez estructural.  
Además, estos resultados confirman rigurosamente la aplicación del criterio de Fornell-  
Larcker, reforzando la idea de que los constructos del MAb-L son genuinamente distintos y  
efectivamente capturan conceptos únicos, cruciales para la interpretación correcta de cómo los  
estudiantes de ingeniería perciben y aceptan el b-learning en su educación matemática. La clara  
discriminación entre los constructos asegura que el modelo puede ser utilizado para medidas  
fiables y validaciones de intervenciones educativas futuras que busquen mejorar la integración del  
b-learning en el ámbito de la ingeniería.  
Tabla 4  
Validez discriminante (Criterio de Fronell-Larcker).  
Constructo  
PU  
PEOU  
SI  
0.571  
0.491  
FC  
0.453  
0.493  
0.552  
AT  
0.590  
0.580  
0.486  
0.597  
BI  
0.539  
0.497  
PEOU  
SI  
0.682  
0.519  
0.698  
0.597  
FC  
AT  
El análisis de las cargas factoriales cruzadas, presentado en la Tabla 5, es esencial para  
evaluar la estructura del Modelo de Aceptación del b-learning para matemáticas en ingeniería. Este  
análisis revela la relación entre los indicadores de distintos constructos, proporcionando una  
perspectiva clave sobre su interacción dentro del modelo (Malatji et al., 2020; Rad et al., 2022;  
Rosli et al., 2022). Conforme a la metodología de Venkatesh et al. (2020), Guy (2000), y Zhang et  
al. (2020), se tiene que los indicadores dentro de cada constructo muestran correlaciones más  
fuertes entre sí en comparación con los de otros constructos. Esta tendencia subraya la validez  
discriminante del modelo, confirmando que cada constructo mide aspectos distintos y únicos,  
crucial para asegurar la independencia conceptual entre ellos. Además, las bajas correlaciones  
entre indicadores de constructos diferentes corroboran la validez discriminante del modelo, lo que  
es consistente con la teoría del Modelo de Aceptación de Tecnología (TAM) y estudios anteriores  
(Malatji et al., 2023; Abreu et al., 2019).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
12  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
Tabla 5  
Cargas factoriales cruzadas.  
Constructo  
PU1  
UP  
0.937  
PEOU  
0.847  
SI  
0.853  
FC  
0.695  
AT  
0.806  
BI  
0.891  
PU2  
PU3  
PU4  
PEOU1  
PEOU2  
SI1  
0.774  
0.818  
0.698  
0.699  
0.394  
0.415  
0.367  
0.335  
0.396  
0.292  
0.298  
0.290  
0.336  
0.268  
0.307  
0.319  
0.848  
0.908  
0.820  
0.843  
0.926  
0.865  
0.695  
0.748  
0.879  
0.862  
0.809  
0.822  
0.797  
0.816  
0.818  
0.803  
0.884  
0.860  
0.710  
0.875  
0.874  
0.838  
0.937  
0.894  
0.842  
0.791  
0.802  
0.802  
0.852  
0.815  
0.815  
0.840  
0.780  
0.876  
0.816  
0.775  
0.800  
0.876  
0.835  
0.825  
0.812  
0.918  
0.842  
0.882  
0.825  
0.830  
0.867  
0.834  
0.866  
0.799  
0.787  
0.829  
0.847  
0.857  
0.843  
0.797  
0.794  
0.866  
0.852  
0.925  
0.820  
0.872  
0.871  
0.855  
0.769  
0.874  
0.771  
0.756  
0.860  
0.830  
0.803  
0.860  
0.832  
0.862  
0.850  
0.860  
0.862  
0.843  
0.879  
0.869  
SI2  
SI3  
FC1  
FC2  
AT1  
AT2  
AT3  
BI1  
BI2  
BI3  
Validación del modelo de aceptación del b-learning en las clases de matemáticas  
Tras la validación inicial de los ítems de cada constructo, se llevó a cabo un análisis  
factorial confirmatorio (AFC) para evaluar el modelo estructural del Modelo de Aceptación del b-  
learning en la enseñanza de matemáticas para ingenieros. Este paso es crucial para confirmar la  
correlación entre las variables observadas y las variables latentes, asegurando así la integridad  
estructural del modelo propuesto.  
La Figura 3 ilustra el modelo estructural validado, que explora detalladamente cómo los  
estudiantes de ingeniería perciben la integración del b-learning en sus cursos de matemáticas. Este  
modelo no solo proporciona un marco para entender las relaciones entre los constructos, sino que  
también permite verificar la coherencia interna y la validez estructural de las hipótesis planteadas.  
El AFC reveló que todas las cargas factoriales de los indicadores sobre sus respectivos  
constructos superaron el umbral recomendado de 0.7, indicando una fuerte validez convergente.  
Estos resultados son consistentes con la literatura que sugiere que altas cargas factoriales son  
indicativas de una buena representación de los constructos por sus indicadores (Hair et al., 2010).  
Además, la coherencia de estos resultados con estudios previos (Kline, 2015; Brown, 2006)  
refuerza la aplicabilidad del modelo en contextos educativos de ingeniería, donde la precisión en  
la medición de percepciones y actitudes hacia tecnologías educativas es crítica.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
13  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
El modelo también mostró un buen ajuste global, con índices de ajuste como el RMSEA y  
el CFI dentro de los rangos aceptables, lo que apoya la estructuración del modelo y su capacidad  
para explicar de manera efectiva la adopción del b-learning entre los estudiantes de ingeniería.  
Este hallazgo resalta la importancia de implementar estrategias de enseñanza que se alineen con  
las necesidades tecnológicas y pedagógicas de los estudiantes, contribuyendo a un entorno de  
aprendizaje más eficiente y receptivo.  
Figura 3  
Modelo estructural validado para analizar la percepción de los estudiantes sobre las clases  
emergentes de matemáticas.  
En el análisis factorial confirmatorio realizado, los resultados muestran una correlación  
significativa entre las variables observadas y sus respectivas variables latentes, tal como se  
evidencia en la Tabla 6. De acuerdo con Han (2022), Guy (2000) y Martín et al. (2022), se observa  
que siete variables observables presentan una correlación perfectamente positiva (r=1), indicativo  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
14  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
de una alineación exacta con las expectativas teóricas, mientras que otras diez variables  
observables demuestran una correlación positiva fuerte (r>0.5). Estos resultados no solo sugieren  
que el modelo MAb-learning se ajusta adecuadamente a las variables latentes, sino que también  
destacan su capacidad para reflejar con precisión las relaciones teóricas propuestas en el diseño  
del estudio.  
La existencia de correlaciones positivas perfectas y fuertes entre las variables observadas  
y las variables latentes es un indicativo claro de la robustez del modelo estructural validado. Este  
nivel de correlación respalda la consistencia interna del modelo y subraya la efectividad con que  
las variables latentes capturan las percepciones del estudiantado sobre el uso del b-learning en  
clases de matemáticas para ingenieros. La coherencia en estas correlaciones no solo valida la  
estructura del modelo, sino que también proporciona una base sólida para inferencias fiables sobre  
cómo los estudiantes valoran y se adaptan al b-learning en su entorno académico. Estudios  
anteriores han resaltado la importancia de obtener correlaciones altas en análisis factoriales  
confirmatorios para demostrar la validez de constructos en contextos educativos (Jöreskog &  
Sörbom, 1996; Kline, 2011). En este estudio, la capacidad del modelo MAb-learning para reflejar  
estas correlaciones altas no solo confirma su validez conceptual y empírica, sino que también  
resalta su utilidad práctica para evaluar y mejorar las intervenciones educativas que incorporan b-  
learning en disciplinas técnicas como la ingeniería.  
Además, la confirmación de la robustez estructural mediante el AFC facilita la exploración  
de intervenciones específicas que podrían mejorar aún más la aceptación y eficacia del b-learning,  
basándose en las evidencias generadas por las percepciones estudiantiles capturadas en el estudio.  
Este enfoque proporciona una dirección clara para futuras investigaciones y aplicaciones prácticas  
en el campo de la educación en ingeniería, abriendo puertas para adaptaciones curriculares que  
respondan mejor a las necesidades y preferencias de los estudiantes.  
Tabla 6  
Relación de variables observables con variables latentes (constructos del modelo).  
Constructo del modelo  
Ítem  
PU1  
PU2  
PU3  
PU4  
PEOU1  
PEOU2  
SI1  
Correlación (r)  
1.00  
0.77  
0.92  
0.93  
0.98  
1.00  
1.00  
Utilidad percibida (PU)  
Facilidad de uso percibida (PEOU)  
Influencia Social (SI)  
SI2  
1.20  
SI3  
0.83  
Facilidad de condiciones (FC)  
FC1  
FC2  
AT1  
1.11  
1.00  
0.81  
Actitud por el uso (AT)  
AT2  
0.95  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
15  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
Constructo del modelo  
Ítem  
AT3  
BI1  
BI2  
BI3  
Correlación (r)  
1.00  
0.98  
0.93  
1.00  
Intención de uso (BI)  
En concordancia con los hallazgos, se puede afirmar que el modelo estructural validado  
proporciona una representación adecuada de la percepción de los estudiantes en relación con la  
incorporación del b-learning para las clases de matemáticas en ingeniería. Estos resultados  
respaldan la efectividad del enfoque de b-learning (Venkatesh el al., 2000; Suárez et al., 2023;  
Rad et al., 2022) y ofrecen una base sólida para la interpretación y aplicación de los resultados en  
el contexto educativo.  
Análisis de hipótesis del MAb-learning  
Con respecto al análisis de las hipótesis (Tabla 7) se observa que de las siente formuladas,  
dos fueron rechazadas (α=0.05). La primera de ellas sugiere la ausencia de una relación causal  
entre la utilidad percibida de la incorporación del e-learning en las clases de matemáticas de  
ingeniería y la actitud hacia su aprendizaje en esta modalidad (H2). A pesar de que los estudiantes  
perciben que el b-learning les permiten continuar con su proceso de aprendizaje en matemática,  
este factor no parece influir en su actitud hacia el aprendizaje. Además, se rechaza la hipótesis  
(H6) que postula una relación entre la influencia social y la actitud hacia estudiar matemáticas  
mediante b-learning. El apoyo de docentes, padres y la universidad, sorprendentemente, no parece  
ser un factor determinante en la decisión de los estudiantes de adoptar esta modalidad. Este  
resultado podría reflejar una autonomía creciente de los estudiantes en entornos de aprendizaje  
digitalizados o una posible saturación en la influencia de las redes sociales tradicionales sobre las  
decisiones educativas de los estudiantes, lo cual podría ser un área de interés para futuras  
investigaciones.  
En contraste, se validan varias hipótesis que indican fuertes relaciones causales: la H1  
confirma que una actitud positiva hacia el b-learning está significativamente relacionada con la  
intención de continuar usando este método para aprender matemáticas, probablemente debido a  
que la accesibilidad a recursos tecnológicos facilita el aprendizaje. La H3 y H4, que vinculan la  
facilidad de condiciones con la utilidad percibida y la facilidad de uso, respectivamente, también  
fueron aceptadas. Estos resultados subrayan que un buen acceso a Internet y un entorno de  
aprendizaje adecuadamente estructurado por los docentes son críticos para percibir el b-learning  
como útil y fácil de usar.  
La H5 y H7 también fueron aceptadas, lo que indica que la capacidad de los estudiantes  
para adaptarse al b-learning y el apoyo percibido de figuras de autoridad fomentan tanto la utilidad  
percibida como la intención de usar esta modalidad. Estos hallazgos son consistentes con estudios  
previos que destacan la importancia del entorno de aprendizaje y el soporte social en la adopción  
de tecnologías educativas (Sun et al., 2018).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
16  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
En conjunto, estos resultados no solo validan varios aspectos del Modelo de Aceptación  
del B-learning, sino que también proporcionan aspectos valiosos sobre los factores que influyen  
en la aceptación del b-learning en contextos educativos de ingeniería. Estos hallazgos tienen  
implicaciones significativas para los diseñadores de currículos y los educadores que buscan  
implementar o mejorar programas de b-learning, sugiriendo que es esencial considerar tanto las  
características tecnológicas como las dinámicas sociales y de soporte al estudiante.  
Tabla 7  
Toma de decisión de las hipótesis planteadas del TAM.  
Media  
Correlación Signifi  
cancia  
Decisión  
Desviación  
estándar  
Hipótesis  
(
p)  
Actitud por el uso (AT) 3.150  
Intenciones de uso (BI) 3.417  
1.227  
1.345  
0.868  
0.714  
0.045  
Acepta  
H1.  
Utilidad percibida  
(PU)  
3.008  
0.531 Rechaza  
1
.149  
H2.  
H3.  
Actitud por el uso (AT) 3.150  
1.227  
Facilidad de  
condiciones (FC)  
Utilidad percibida  
3.863  
3.087  
3.862  
3.250  
3.250  
3.087  
3.966  
0.886  
0.911  
0.906  
0.018  
0.000  
0.000  
Acepta  
Acepta  
Acepta  
1
1
1
1
1
1
.111  
.182  
.111  
.185  
.185  
.182  
(PU)  
Facilidad de  
condiciones (FC)  
Facilidad de uso  
percibida (PEUO)  
Facilidad de uso  
percibida (PEUO)  
Utilidad percibida  
H4.  
H5.  
(PU)  
Influencia social (SI)  
0.978  
1.227  
0.978  
1.344  
0.774  
0.860  
0.511 Rechaza  
0.035 Aceptada  
H6.  
H7.  
Actitud por el uso (AT) 3.150  
Influencia social (SI)  
Intención de uso (BI)  
3.966  
3.416  
Conclusiones  
Este estudio aborda un aspecto fundamental en el ámbito de la educación en ingeniería: la  
implementación y aceptación del aprendizaje mixto (b-learning) en la enseñanza de matemáticas.  
Utilizando el Modelo de Aceptación de la Tecnología (TAM), este trabajo revela que la percepción  
positiva y la aceptación del b-learning entre los estudiantes de ingeniería están considerablemente  
influenciadas por dos factores principales: la facilidad de uso y la utilidad percibida. Estos  
hallazgos no solo respaldan teorías previas acerca de la aceptación tecnológica, sino que también  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
17  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
proporcionan nuevas perspectivas sobre cómo estos factores operan específicamente dentro de las  
matemáticas aplicadas a la ingeniería.  
Se destaca, de manera original, que tanto la adaptación personalizada del contenido como  
la interacción social son cruciales para cultivar una actitud favorable hacia el b-learning. Este  
estudio demuestra que los entornos de aprendizaje deben enfocarse no solo en la eficacia del  
contenido digital, sino también en facilitar la interacción social y colaboración, lo cual es menos  
enfatizado en la literatura existente. Este enfoque propone un cambio paradigmático en la manera  
en que los entornos de aprendizaje combinado o mixto son diseñados, enfatizando la importancia  
de la dimensión social y personalización del aprendizaje.  
Los resultados obtenidos en este estudio son mayoritariamente positivos; sin embargo, es  
crucial reconocer ciertas limitaciones inherentes a la metodología empleada. La dependencia de  
datos provenientes de una única institución limita la capacidad de generalizar estos hallazgos a  
otros contextos educativos o poblacionales. Además, el empleo de autoinformes como principal  
método de recolección de datos puede introducir sesgos, incluyendo los de desiderabilidad social  
y de recuerdo. Futuras investigaciones podrían beneficiarse de la ampliación de la diversidad de  
las muestras y de la incorporación de métodos mixtos, que combinen autoinformes con  
observaciones directas o análisis de datos de rendimiento, para fortalecer la validación de los  
resultados presentados.  
Se recomienda que futuros estudios examinen cómo la introducción del b-learning afecta a  
diversos grupos de estudiantes, incluyendo aquellos con diferentes niveles de experiencia previa  
con tecnologías digitales y variados estilos de aprendizaje. Investigar estas variables podría  
proporcionar información valiosa sobre cómo personalizar aún más los entornos de aprendizaje  
combinado y maximizar su eficacia para un espectro más amplio de estudiantes.  
En conclusión, los resultados de este estudio no solo validan la aplicabilidad del Modelo  
de Aceptación de la Tecnología en el contexto del aprendizaje de matemáticas para ingenieros,  
sino que también amplían nuestro entendimiento sobre los factores que facilitan la adopción de  
nuevas tecnologías educativas en este campo. Este estudio contribuye significativamente al campo  
de la educación en ingeniería al aportar evidencia que respalda la implementación considerada del  
aprendizaje combinado (b-learning), adaptada específicamente a las necesidades y percepciones  
de los estudiantes. La investigación demuestra que un enfoque personalizado del b-learning, que  
integra tanto elementos en línea como presenciales de manera equilibrada y reflexiva, puede  
mejorar significativamente la comprensión y el rendimiento en matemáticas para ingenieros. Este  
enfoque no solo facilita un acceso más flexible a los recursos educativos, sino que también permite  
una interacción enriquecedora con el contenido, lo cual es vital para fomentar un aprendizaje más  
profundo y duradero.  
Además, los resultados subrayan la importancia crítica de adoptar enfoques pedagógicos  
que sean reflexivos y centrados en el estudiante. Esto implica diseñar estrategias de enseñanza que  
no solo se concentren en la transmisión de conocimiento técnico, sino que también promuevan  
habilidades de pensamiento crítico, resolución de problemas y colaboración entre pares. La  
integración de tecnologías en la educación matemática debe ser realizada con un enfoque holístico,  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
18  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
considerando cómo estas herramientas pueden ser usadas para apoyar estos objetivos pedagógicos  
más amplios.  
Finalmente, los hallazgos abren nuevas líneas de investigación prometedoras en este campo  
dinámico. Se sugiere la necesidad de explorar más a fondo cómo las variaciones en la  
implementación del b-learning afectan los diferentes subgrupos de estudiantes, tales como aquellos  
con distintos estilos de aprendizaje, niveles de motivación y antecedentes educativos previos.  
Investigaciones futuras podrían evaluar cómo las diferencias individuales y contextuales influyen  
en la efectividad del b-learning, lo que podría llevar a un diseño más personalizado y eficiente de  
programas educativos en ingeniería.  
Referencias bibliográficas  
Abreu, J., Wingartz, N. & Hardy, N., (2019). New Trends in Solar: A Comparative Study  
Assessing the Attitudes Towards the Adoption of Rooftop PV, Energy Policy, 128, 347-  
3
63 https://doi.org/10.1016/j.enpol.2018.12.038  
Abubakar, R.R., Amirrudin, K. & Nor, A. A. (2020). Challenges in the online component of  
blended learning: A systematic review. Computers & Education, 144. 103701  
https://doi.org/10.1016/j.compedu.2019.103701.  
Ajzen, I. (2020). The theory of planned behavior: frequently asked questions. Human behavior  
and emerging technologies, 2. 314-324. https://doi.org/10.1002/hbe2.195  
Apaza, M.D. E. (2022). Competencias digitales docentes y el proceso de enseñanza aprendizaje  
con modalidad B-learning. Horizontes Revista de Investigación en Ciencias de la  
Educación, 6(24), 894-905. https://doi.org/10.33996/revistahorizontes.v6i24.384.  
Area, M.M., Bethencourt, A. A., Martín, G. S. (2020). Visiones del alumnado. Campus virtuales,  
9
(2), 35-50. https://dialnet.unirioja.es/servlet/articulo?codigo=8005979  
Celada, R. E., Romero, C. R. Márquez, U. P., Espíritu, M. P., Espinoza, V., Espinoza, E.M.,  
Gómez, P. K.K., Valero, A.V.N., Gonzales, F. I.K. (2023). Estrategia B-learning para un  
desarrollo significativo: una revisión bibliométrica. Bibliotecas. Anales de Investigación.  
1
9(2), 1-15 https://dialnet.unirioja.es/servlet/articulo?codigo=9050371  
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods  
Approaches (4th ed.). Sage Publications.  
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of  
information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008  
Feria, R. A. J., Guayara, R. M. A., Vera, C., S. L., Castro, R. K. E. y Muñoz, M. S. (2023). Análisis  
del sistema de aprendizaje LMS utilizado para la gestión de tareas escolares bajo la  
modalidad b-learning en la institución educativa técnica la Chamba del Guamo Tolima.  
Revista  
Pensamiento  
Transformacional,  
2(4),  
50-69.  
https://revistapensamientotransformacional.editorialpiensadiferente.com/index.php/pensa  
miento_transformacional/article/view/34  
Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intension and behavior: An introduction to theory  
and research. Addison Wesley  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
19  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
Fornell, C. y Bookstein, F. L. (1982). Two Structural Equation Models: LISREL and PLS Applied  
to Consumer Exit-Voice Theory. Journal of Marketing Research, 19(4), 440-452.  
https://doi.org/10.2307/3151718.  
García, A.L. (2021). COVID-19 y educación a distancia digital: preconfinamiento, confinamiento  
y posconfinamiento. RIED-Revista Iberoamericana De Educación a Distancia, 24(1), 09–  
3
2. https://doi.org/10.5944/ried.24.1.28080  
Granić, A. y Marangunić, N. (2019). Technology acceptance model in educational context: A  
systematic literature review. British Journal of Educational Technology, 50.  
https://doi.org/10.1111/bjet.12864.  
Guy, A. (2020). Age and gender differences in online travel reviews and user-generated-content  
(UGC) adoption: extending the technology acceptance model (TAM) with credibility  
theory. Journal of Hospitality Marketing & Management, 29(4), 428-449.  
https://doi.org/10.1080/19368623.2019.1653807  
Han, J. H., Sa, H. J. (2022). Acceptance of and satisfaction with online educational classes through  
the technology acceptance model (TAM): the COVID-19 situation in Korea. Asia Pacific  
Educ. Rev. 23, 403–415 https://doi.org/10.1007/s12564-021-09716-7  
Hernández, A.C.E., Carpio, N. (2019). Introducción a los tipos de muestreo. Alerta, 2(1), 75-79.  
https://doi.org/10.5377/alerta.v2i1.7535  
Hernández, S. R., Fernández, C. C., y Baptista Lucio, P. (2018). Metodología de la investigación.  
7
ma. Edición. México.  
Hernández. S. R., Mendoza, T. C. P. (2018). Metodología de la investigación. Las rutas  
cuantitativa, cualitativa y mixta. 1ra. Ed. McGraw-Hill Interamericana Editores, S.A de  
C.V.  
Lagos, R. G., Cevallos, C. A., Espinosa, I, J., & Nivela, C. A. (2020). El B-learning y su aplicación  
en la enseñanza universitaria del Ecuador. Sinergias Educativas, 5(2), 222–234.  
https://doi.org/10.37954/se.v5i2.146  
Lazim, C. S. L. M., Ismail, N. D. B., & Tazilah, M. D. A. K. (2021). Application of technology  
acceptance model (TAM) towards online learning during covid-19 pandemic: Accounting  
students’ perspective. International Journal of Business, Economics and Law, 24(1), 13-  
2
0. https://api.semanticscholar.org/CorpusID:233344667  
Liao, S., Jon-Chao, H., Yi-Chen P., Ming-Hui, W., & Yun-Wu, W. (2018). Applying Technology  
Acceptance Model (TAM) to explore Users’ Behavioral Intention to Adopt a Performance  
Assessment  
System  
for  
E-book  
Production.  
EURASIA,  
14(10).  
https://doi.org/10.29333/ejmste/93575  
López, R. L.J, Jiménez, G. A.L., Costilla, L.D. (2022). The Effects of Blended Learning on the  
Performance of Engineering Students in Mathematical Modeling. Education Sciences.  
1
2(12):931. https://doi.org/10.3390/educsci12120931  
López, B. J., Pozo, S., y Moreno, G. A. J. (2019). Consideraciones sobre el b-learning en el proceso  
de enseñanza aprendizaje. Universidad Ciencia, 8(2), 24–39.  
https://revistas.unica.cu/index.php/uciencia/article/view/1239  
y
&
Malatji, W.R., Eck, R.V., & Zuva, T. (2020). Understanding the usage, Modifications, Limitations  
and Criticisms of Technology Acceptance Model (TAM). Advances in Science,  
Technology  
and  
Engineering  
Systems  
Journal,  
5,  
113-117  
https://www.astesj.com/v05/i06/p12/  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
20  
Adopción del b-learning en la enseñanza de las matemáticas para ingenieros: Validación de un modelo de  
aceptación.  
Marín, V.L.M., Vinuesa, L.M., & Rojas, G. P. (2023). E-Learning Web-Apps Use Acceptance: A  
Way to Guide Perceived Learning Outcomes in Blended Learning. Sustainability.  
1
5(3):2136. https://doi.org/10.3390/su15032136  
Martín-García, A. V., Redolat, R., & Pinazo-Hernandis, S. (2022). Factors Influencing Intention  
to Technological Use in Older Adults. The TAM Model Aplication. Research on aging,  
4
4(7-8), 573–588. https://doi.org/10.1177/01640275211063797  
Maturrano, L.E. F. (2020). La investigación cualitativa en Ciencias Humanas y Educación.  
Criterios para elaborar artículos científicos. EDUCARE ET COMUNICARE Revista De  
investigación  
de  
la  
Facultad  
de  
Humanidades,  
8(2),  
56-66.  
https://doi.org/10.35383/educare.v8i2.536  
Nadlifatin, R., Miraja, B., Persada, S., Belgiawan, P., Redi, A.A.N. & Lin, S.C. (2020). The  
Measurement of University Students’ Intention to Use Blended Learning System through  
Technology Acceptance Model (TAM) and Theory of Planned Behavior (TPB) at  
Developed and Developing Regions: Lessons Learned from Taiwan and Indonesia.  
International Journal of Emerging Technologies in Learning (iJET), 15(9), 219-230.  
https://www.learntechlib.org/p/217222/.  
Núñez, B. E., Monclúz, I. M, & Ravina, R. R. (2019). El impacto de la utilización de la modalidad  
B-Learning en la educación superior. Alteridad. Revista de Educación, 14(1), 26-39.  
https://doi.org/10.17163/alt.v14n1.2019.02  
Rad, D., Egerau, A., Roman, A., Dughi, T., Balas, E., Maier, R., Ignat, S., & Rad, G. (2022). A  
Preliminary Investigation of the Technology Acceptance Model (TAM) in Early Childhood  
Education and Care. BRAIN. Broad Research in Artificial Intelligence and Neuroscience,  
1
3(1), 518-533. https://doi.org/10.18662/brain/13.1/297  
Rodríguez, D. A. (2024). Formulación de un diseño de instrumentación didáctica en b-Learning  
para educación superior. Revista Latinoamericana de Estudios Educativos, 54(1), 325-372.  
https://doi.org/10.48102/rlee.2024.54.1.604  
Romero, S. (2018). Entornos flexibles para el aprendizaje: B-Learning. International Technology,  
Science and Society Review 7(1), 9–15. https://doi.org/10.37467/gka-revtechno.v7.317  
Rosli, M. S., Saleh, N. S., Md. Ali, A., Abu Bakar, S., & Mohd Tahir, L. (2022). A Systematic  
review of the Technology Acceptance Model for the sustainability of higher education  
during the COVID-19. Pandemic and Identified Research Gaps. Sustainability, 14(18),  
1
1389. http://dx.doi.org/10.3390/su141811389  
Smidt, M., & Velázquez, M.E. (2021). Implementación y evaluación del enfoque b-learning en el  
laboratorio de transferencia de calor en Ingeniería Química. Intercambios. Dilemas y  
Transiciones  
de  
la  
Educación  
Superior,  
8(2).  
https://ojs.intercambios.cse.udelar.edu.uy/index.php/ic/article/view/290  
Suárez, C.A.H., Castro, W.R.A., Suárez, A.A.G., (2022). Impact Of B-Learning supported by the  
flipped classroom: An experience in higher education. Journal of Language and Linguistic  
Studies, 18(3), 119-129: 2022.  
Suárez, E. R., Cavazos, S. R. L., Rojas, M. I., y Arturo-Castillo, J. (2023). Percepciones de los  
estudiantes sobre la aceptación de dos plataformas digitales durante la pandemia: un  
análisis utilizando el modelo de aceptación de tecnología. Revista Ciencia UANL, 24(109),  
3
8–41. DOI: http://cienciauanl.uanl.mx/?p=11239  
Terán, G. F. N. (2019). Aceptación de los estudiantes universitarios en el uso de los sistemas e-  
learning Moodle desde la perspectiva del modelo TAM. CIENCIA UNEMI, 12(29), 63-76.  
https://doi.org/10.29076/issn.2528-7737vol12iss29.2019pp63-76p  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
21  
Elia Trejo-Trejo y Natalia Trejo-Trejo  
ISSN 2477-9024. Innova Research Journal (Mayo-Agosto, 2024). Vol. N9, No. 2, pp. 1-22  
Venkatesh, V. & Davis, F. D. (2000). A theoretical extension of the technology acceptance model:  
Four longitudinal field studies. Management Science, 46(2), 186-204.  
https://doi.org/10.1287/mnsc.46.2.186.11926  
Zhang, M., Qin, F., Wang, G. A., & Luo, C. (2020). The impact of live video streaming on online  
purchase intention. The Service Industries Journal, 40(9-10), 656-681.  
https://doi.org/10.1080/02642069.2019.1576642  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
22