Competencias digitales docentes y calidad del aprendizaje en entornos virtuales post-pandemia: un modelo de ecuaciones estructurales en Chile

Resumen

La pandemia de COVID-19 aceleró de manera forzada la transición hacia la educación virtual en Chile, exponiendo con inusitada crudeza las brechas existentes en las competencias digitales del profesorado y sus consecuencias sobre la calidad del aprendizaje estudiantil. En el período post-pandémico, la educación híbrida y virtual se ha consolidado como componente estructural del sistema educativo, lo que confiere renovada urgencia al análisis de las competencias digitales docentes como predictores de la calidad educativa. El presente estudio, de carácter cuantitativo no experimental con diseño de encuesta transversal, empleó un modelo de ecuaciones estructurales (SEM) para examinar las rutas causales entre las dimensiones del Marco Europeo de Competencia Digital Docente (DigCompEdu) y la calidad percibida del aprendizaje en entornos virtuales, en una muestra de 142 docentes de educación media y superior de la Región Metropolitana y la Región de Valparaíso. Los resultados del modelo SEM indicaron índices de ajuste satisfactorios (CFI=0.95; RMSEA=0.054; SRMR=0.061) y confirmaron que la competencia pedagógica digital es la dimensión con mayor influencia directa sobre la calidad del aprendizaje virtual (β=0.52; p<.001), seguida de la competencia profesional TIC (β=0.31; p<.001) y la competencia para el empoderamiento digital del estudiante (β=0.24; p=.001). La competencia pedagógica mostró además influencia indirecta sobre las otras dos macrocompetencias, operando como el nodo central del modelo. Los hallazgos tienen implicaciones directas para el diseño de programas de formación continua docente en competencias digitales en Chile.

Abstract

The COVID-19 pandemic forcibly accelerated the transition to virtual education in Chile, starkly exposing existing gaps in teachers' digital competencies and their consequences for the quality of student learning. In the post-pandemic period, hybrid and virtual education has consolidated as a structural component of the educational system, which confers renewed urgency to the analysis of teacher digital competencies as predictors of educational quality. This non-experimental quantitative study with a cross-sectional survey design employed a structural equation model (SEM) to examine the causal pathways between the dimensions of the European Framework for the Digital Competence of Educators (DigCompEdu) and perceived quality of learning in virtual environments, in a sample of 142 secondary and higher education teachers from the Metropolitan and Valparaíso regions. SEM results indicated satisfactory fit indices (CFI=0.95; RMSEA=0.054; SRMR=0.061) and confirmed that pedagogical digital competence is the dimension with the greatest direct influence on virtual learning quality (β=0.52; p<.001), followed by professional ICT competence (β=0.31; p<.001) and the competence for students' digital empowerment (β=0.24; p=.001). Pedagogical competence also showed indirect influence on the other two macrocompetencies, operating as the central node of the model. Findings have direct implications for the design of teacher continuing education programs in digital competencies in Chile.

Keywords: teacher digital competencies, DigCompEdu, virtual learning, educational quality, structural equation model, Chile.

Referencias

Metared Chile. (2024). Competencias digitales docentes en Chile: Segunda aplicación del instrumento DigCompEdu 2023–2024. Metared. https://www.metared.org/cl/competencias_digitales_chile_2023.html

Ministerio de Educación de Chile. (2022). Estadísticas de la educación 2022. Centro de Estudios MINEDUC.

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

Mora, M., Espinoza, R., Pérez, A., & Contreras, C. (2024). Competencia en comunicación digital docente como predictor de la calidad del aprendizaje en línea. Ciencia Latina Revista Científica Multidisciplinar, 8(1), 3456–3478. https://doi.org/10.37811/cl_rcm.v8i1.9876

Peralta Roncal, M., García, L., & Torres, N. (2023). Búsqueda de información digital y sobrecarga informativa en estudiantes universitarios. Pixel-Bit. Revista de Medios y Educación, 68, 7–29. https://doi.org/10.12795/pixelbit.97893

Rodríguez-García, A.-M., Trujillo-Torres, J.-M., & Sánchez-Rodríguez, J. (2022). Validación del Marco Europeo de Competencia Digital Docente mediante ecuaciones estructurales. Perfiles Educativos, 44(175), 185–202. https://doi.org/10.22201/iisue.24486167e.2022.175.60212

Santiago, G., & Garvich, M. (2024). Entornos digitales expandidos y redefinición del rol docente en la educación post-pandémica. Revista Iberoamericana de Educación a Distancia, 27(1), 89–112. https://doi.org/10.5944/ried.27.1.37834

UNESCO. (2025). Fortalecimiento de competencias digitales docentes en Chile. UNESCO Santiago. https://www.unesco.org/es/articles/fortalecimiento-de-competencias-digitales-docentes-en-chile

R Core Team. (2024). R: A language and environment for statistical computing (Version 4.3.1) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02