Análisis bayesiano y transformación digital para optimizar la comunicación interna en el Instituto Superior Huaquillas
DOI:
https://doi.org/10.53591/scmu.v4i2.2409Palabras clave:
Transformación digital, comunicación interna, análisis bayesiano, educación superior, ISTHResumen
El objetivo del presente estudio ha sido identificar los instrumentos digitales eficaces para la comunicación interna del Instituto Superior Tecnológico Huaquillas en el marco de la transformación digital institucional. Se utilizó un enfoque mixto con un predominio cuantitativo en la obtención de datos a través de una encuesta estructurada dirigida a los estudiantes, docentes y personal de administración, y se utilizó el modelo bayesiano para estimar las probabilidades posteriores de efectividad de cinco plataformas: WhatsApp, Moodle, correo institucional, redes sociales y Google Meet. Los resultados han puesto de manifiesto que la herramienta más efectiva fue WhatsApp, seguida de Moodle y que los resultados han demostrado que la comunicación interna es funcional y ha sido sostenida mayormente en canales no oficializados. Sostener entrevistas para dar respuesta a la pregunta de investigación en entornos reconocidos por su escasez ha dado muestra de la adecuación que permite el enfoque bayesiano de integrar bases de datos empíricos y conocimiento previos que permiten decidir las alternativas, lo que lo hizo ser un enfoque muy adecuado para los contextos educativos que sufren restricciones tecnológicas y organizativas. De acuerdo con los resultados, se ha propuesto institucionalizar el uso de canales híbridos, fusionando herramientas formales e informales. Se ha propuesto fortalecer la capacitación digital del personal y llevar a cabo evaluaciones periódicas del ecosistema comunicacional. También se sugiere que este modelo futuro se extienda hacia otras instituciones de educación superior técnica a fin de comparar la eficacia del modelo del presente trabajo con otros métodos estadísticos como, por ejemplo, la regresión logística o el AHP. En definitiva, la combinación del análisis bayesiano junto con el diseño estratégico de la comunicación digital puede contribuir notablemente a una gestión de la información en instituciones educativas en proceso de transformación.
Descargas
Referencias
Cevallos Uve, G. E., Ramos López, Y., & Cedeño Hidalgo, E. R. (2021). Metodología para la planificación estratégica prospectiva de la gestión académica en los Institutos Superiores Tecnológicos Públicos de la provincia Santo Domingo de los Tsa’chilas. Universidad y Sociedad, 13(2), 217–227. ISSN 2218-3620. Recuperado de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2218-36202021000200217&lng=es&tlng=es.
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2021). Bayesian Data Analysis (3.ª ed.). Editorial Chapman & Hall/CRC. Recuperado de https://sites.stat.columbia.edu/gelman/book/BDA3.pdf
González, M., & Torres, L. (2021). Transformación digital en la educación superior. Revista Iberoamericana de Educación, 87(1), 45–62.
Jiménez García, E., & Velasco Quintana, P. J. (Coords.). (2024). Construyendo el futuro de la educación superior en la era digital. Dykinson.
López, R. (2022). Comunicación interna y cultura organizacional. Comunicación y Sociedad, 39(2), 103–120.
Martínez, Y. S. (2019). La Inteligencia Artificial en la transformación de procesos universitarios. TIES, Revista de Tecnología e Innovación en Educación Superior, 2, 1–12.
Ramírez, D., Vargas, P., & Muñoz, J. (2020). Herramientas digitales para la gestión universitaria. Educación y Tecnología, 8(3), 78–89.
Romero Carbonell, M., Romeu Fontanillas, T., Guitert Catasús, M., & Baztán Quemada, P. (2023). La transformación digital en la educación superior: el caso de la UOC. RIED. Revista Iberoamericana de Educación a Distancia, 26(1), 163–179. Recuperado de: https://doi.org/10.5944/ried.26.1.33998
Goodman, S. N. (1999). Toward evidence-based medical statistics. Annals of Internal Medicine, 130(12), 995–1004.
Morales-Gamboa, A., & Sucar, L. E. (2020). Dynamic Bayesian networks for competency-based learning. arXiv preprint arXiv:2008.12114.
Raimo, N., De Marco, M., Vitolla, F., & Rubino, M. (2022). Using Bayesian networks for decision-making in schools. PLoS ONE, 17(5), e0268055.
Pérez, M., & Rivas, F. (2021). Evaluación de plataformas educativas con AHP y redes bayesianas. Revista Iberoamericana de Tecnología Educativa, 17(3), 123–140.
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Scripta Mundi
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
