Este estudio busca determinar variables de conocimiento significativas que sugieran un mayor impacto del uso de las TIC en zonas rurales de cuatro provincias de Loreto, Perú. Los investigadores entrevistaron a 255 personas en 2011 y utilizaron análisis de correspondencia múltiple y simple para identificar ocho variables de conocimiento optimizadas que explican el 84.86% del impacto de las TIC. Estos análisis también mostraron una alta correlación superior al 85% entre las variables de conocimiento y el uso real de las TIC en zonas rurales de Lore
Similar a DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO.
Similar a DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO. (20)
DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS DEL DEPARTAMENTO DE LORETO.
1. DETERMINACION DE VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS
PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS
DEL DEPARTAMENTO DE LORETO.
R. Ramírez Alvarez1
, F. Fachin Morí2
y I. Rondona3
1
Instituto de Investigaciones de la Amazonia Peruana. Av. Abelardo Quiñones km. 2.5, San Juan
Bautista, Loreto, Perú. E-mail: rramirez@iiap.org.pe
2
Facultad de Ingeniería de Computación e Informática, Universidad Privada de la Selva Peruana. Jr. San
Martin 230. E-mail: francia251294@gmail.com
3
Instituto de Investigaciones de la Amazonia Peruana. Av. Abelardo Quiñones km. 2.5, San Juan
Bautista, Loreto, Perú. E-mail: irondona@hotmail.com
2. RESUMEN
DETERMINACION VARIABLES DE CONOCIMIENTO SIGNIFICATIVAS
PARA ESTUDIOS DE IMPACTO DE LAS TIC EN CUATRO PROVINCIAS
DEL DEPARTAMENTO DE LORETO
Este estudio busca encontrar mediante estudios estadísticos de análisis de
correspondencia, variables de conocimiento que sugieran un mayor impacto al
uso de las TIC en zonas rurales de Loreto. Además, comprobar la existencia de
correlación entre las variables de conocimiento y el real uso de las TIC. El
levantamiento de información se realizó en el año 2011, entrevistando a 255
personas de zonas rurales en cuatro provincias del departamento de Loreto. Se
utilizaron las herramientas SAS for Windows y SPSS 20, con el primero se hizo
el análisis de correspondencia múltiple, en la que se determinaron ocho (08)
variables optimizadas que contribuyan en un 84,86% al Chi-cuadrado
estadístico y por ende sugieren un mayor impacto al uso de las TIC y, la
segunda herramienta nos permitió comprobar el alto nivel de confiabilidad
superior al 85% (σ2
≥0,85), en la correlación de nuestras variables de
conocimiento y el uso de las TIC en zonas rurales de Loreto.
Palabras clave: TIC, variables de conocimiento, análisis de correspondencia.
2
3. RESUMO
DETERMINAÇÃO PARA ESTUDOS RELEVANTES VARIÁVEIS,
CONHECIMENTO IMPACTO DAS TIC EM QUATRO PROVÍNCIAS
DE LORETO
Este estudo visa encontrar estudos estatísticos por análise de correspondência,
as variáveis de conhecimento que sugerem um impacto maior sobre a
utilização das TIC nas zonas rurais de Loreto. Além disso, verifique se há
correlação entre as variáveis de conhecimento e utilização efectiva das TIC. A
coleta de informações foi realizada em 2011, entrevistando 255 pessoas nas
áreas rurais em quatro províncias do departamento de Loreto. SAS e SPSS for
Windows 20 foram usadas, com a primeira análise de correspondência múltipla
na qual oito (08) variáveis otimizadas que contribuem 84,86% para uma
estatística qui-quadrado e, portanto, foi determinada sugerem um impacto
maior sobre a utilização das TIC e da segunda ferramenta nos permitiu verificar
o alto nível de confiabilidade superior a σ2
≥0,85, nas variáveis de correlação de
nosso conhecimento e utilização das TIC nas zonas rurais de Loreto.
Palavras-chave: TIC, variáveis de conhecimento, análise de correspondência.
3
4. INTRODUCCIÓN
“Las tecnologías de la información y de las comunicaciones (TIC) han
experimentado un desarrollo espectacular a lo largo de los últimos veinte
años y han impulsado innovaciones que afectan a todos los ámbitos de
la economía y de la sociedad” (Rovira, et al., 2013). Se puede afirmar
que la utilización de estas tecnologías representa hoy una oportunidad
para generar beneficios que pueden aportar de manera significativa no
sólo al crecimiento económico, sino también a los procesos de inclusión
social a través de mejores servicios en educación, salud y gestión
gubernamental.
4
5. “Las nuevas tecnologías están derribando barreras, ampliando diálogos y
alterando el contenido de las relaciones entre los sectores públicos,
privado y sociedad civil. Los países han registrado en los últimos años
un crecimiento exponencial en la incorporación de la TIC”. Tales como el
acceso a Internet, redes de datos, servicios en línea, telefonía celular y
satelital, gobierno electrónico y comercio electrónico (CEA, et al., 2003).
Este proceso interactivo e interrelacionado de cambio económico y
transformación social nos conduce hacia un nuevo tipo de economía y
de sociedad: la economía y la sociedad del conocimiento (Perez, 2002;
Stehr, 2002; Rodrigues, 2002). La economía del conocimiento es, pues,
el análisis del comportamiento y los hechos derivados de la aplicación
económica del saber (Torrent, 2002). Y esto no significa únicamente que
la actividad económica incorpore el conocimiento científico y tecnológico,
sino que también abarca al conocimiento técnico y a las habilidades,
fácilmente transmisibles o no, de los agentes económicos (Vilaseca &
Torrent, 2005).
5
6. Sin embargo, para que la sociedad del conocimiento se exprese en su máxima
expresión, debemos observar en un peldaño anterior y ver en la
Sociedad de la Información el medio para lograr el conocimiento global y
nuestra civilización se encamine a ello. La sociedad de la información
se entiende como un estadío de desarrollo que permite el intercambio de
información de forma instantánea, desde cualquier lugar y en la forma
que se prefiera (Oliart, 2002), supone la existencia de una sociedad que
se estructura y ordena en función de las TIC y “convierte a la
información en un factor de producción, intercambio y consumo” (Giner,
2004) así como en fuente de productividad y poder (Castells, 1999).
Diversas construcciones teóricas y evidencia científicas sustentan el impacto
positivo de las TIC en la dinamización económica de las áreas rurales, como es
el caso en el uso de celulares en la India (Jensen, 2007), Nigeria (Aker, 2010) o
el empleo de cabinas de internet en pueblos en Madhya Pradesh, en la India
(Goyal, 2010). En el Perú, estudios realizados en áreas rurales, principalmente
de la sierra, dan cuenta que las TIC inciden indirectamente en la productividad,
en el incremento de los precios de los productos para los agricultores (Cuanto,
2009), (Barrantes & Fernández 2012), (Ruiz, 2009), (Fernández & Medina
2011) e incremento de los salarios y empleabilidad (Katz, 2009).
Según Luis Bonifa (2011), exdirector de FITEL, el objetivo principal de lograr la
conexión de las zonas rurales del Perú es incorporarlas a la sociedad de la
información. Esta conexión de las zonas rurales no debe quedarse solo en el
acceso a Internet sino también en lograr que los usuarios lleguen a colocar
páginas web, poder manejar cuentas de correo y tener una capacitación inicial
6
7. básica. Debe ser posible llevar cualquier tipo de información a las zonas más
alejadas, contribuyendo de esta manera a la creación de la sociedad de la
información que es tan necesitada en zonas rurales.
El desarrollo de las telecomunicaciones, ha permitido a las pequeñas y
medianas empresas, en los últimos tiempos, competir en la economía mundial.
Asimismo, permiten que los gobiernos y los institutos académicos y de
investigación aprovechen la riqueza de la información, la educación, las
bibliotecas y las redes de conocimientos en línea, que ya son accesibles a
través de las redes informáticas. (Sánchez, 2006).
Este aprovechamiento es necesario también en las zonas rurales, porque
necesitan estos servicios, para compensar el aislamiento geográfico y cultural
(Fachin, 2015). Sólo entonces aprovecharía plenamente la comunidad mundial
el potencial de las telecomunicaciones como instrumentos del desarrollo
sostenible y del desarrollo de los recursos y de los mercados potencialmente
inmensos que representan las poblaciones rurales de los países en desarrollo.
(Sánchez, 2006).
En 2003 los países integrantes de la Conferencia de Estadística de las
Américas (CEA) y del cual el Perú es miembro, buscaron identificar una matriz
indicadores para medir las TIC y, de esta manera incorporarlos en sus planes
estadísticos nacionales. Esta matriz de indicadores denominada “Indicadores
de la Sociedad del Conocimiento”, muestra 31 indicadores de medición en
cuatro aristas divididas en Telecomunicaciones, Informática y Servicios de alto
valor agregado, Educación y Ciencia y Tecnología. Todos estos indicadores
fueron tomados en cuenta en la Encuesta Nacional de Hogares en 2008 (INEI,
7
8. 2015) y son visualizados en el Sistema Regional de Toma de Decisiones
SIRTOD.
Sin embargo, ¿Será posible afirmar que el número total de indicadores
optimizados fuese menor y, que no se pierda la confiabilidad, ni significancia de
la información recopilada en los trabajos de campo realizados en el Instituto de
Investigaciones de la Amazonia Peruana, para medir el uso e impacto de las
TIC en zonas rurales de Loreto?.
Este estudio busca afirmar esa interrogante y, encontrar mediante estudios
estadísticos de análisis de correspondencia múltiple, indicadores que sugieran
un mayor impacto al uso de las TIC en zonas rurales de Loreto. Y, mediante
análisis de correspondencia simple determinar la existencia de correlación
entre las variables de conocimiento sugeridos por INEI y el real uso a las TIC
en zonas como Loreto que, como lo dijo Fachin (2015) están geográficamente
están aisladas.
8
9. MATERIAL Y MÉTODO
SAS SYSTEM FOR WINDOWS V8
El sistema SAS es un sistema integrado de programas independientes del
hardware desarrollados por el SAS Institute, para el procesamiento y análisis
de las necesidades de información en los negocios, la industria, la educación y
el gobierno. El funcionamiento del SAS se centra alrededor de cuatro tareas
dirigidas a datos almacenados denominados “datasets”:
1) Acceso a datos, crear y acceder los datos que se requieren (Bases de
datos, Ficheros de datos planos, Comunicaciones entre datos).
2) Manejo de datos, da a los datos el formato que la aplicación requiere
(Introducción y edición de datos, Recuperación de datos, Formateo y
conversión de datos).
3) Análisis de datos, totaliza, reduce o transforma los datos planos en
información útil y significativa (desde Estadísticas descriptivas simples,
Inferencia estadística, Predicción y construcción de modelos,
Programación lineal hasta sofisticadas técnicas multivariantes).
4) Presentación de datos, comunica información de forma que su
significado se aprecia claramente (Creación de tablas e informes,
Gráficos de análisis, Correspondencia de negocios y reportes impresos
tanto en pantalla como en papel).
Aplicaremos esta herramienta para uso de análisis multivariante en análisis de
correspondencias múltiples para determinar variables optimizadas que
contribuyan al Chi-cuadrado estadístico de la matriz de correspondencia.
9
10. IBM SPSS statistics 20
SPSS es un programa estadístico informático muy usado en las ciencias
sociales y las empresas de investigación de mercado. Originalmente SPSS fue
creado como el acrónimo de Statistical Package for the Social Sciences aunque
también se ha referido como "Statistical Product and Service Solutions" (Pardo,
A., & Ruiz, M.A., 2002, p. 3). Es uno de los programas estadísticos más
conocidos teniendo en cuenta su capacidad para trabajar con grandes bases
de datos y un sencillo interface para la mayoría de los análisis.
Aplicaremos esta herramienta para demostrar la relación entre las variables de
conocimiento y las variables registradas en zonas rurales amazónicas.
Área de estudio
El área de estudio fueron cuatro provincias y 11 distritos del departamento de
Loreto, entre ellas están: 1) Alto Amazonas y sus distritos de Lagunas y
Yurimaguas. 2) Datem del Mararón y sus distritos de Barranca, Morona y
Pastaza. 3) Mariscal Ramón Castilla y sus distritos de Ramón Castilla, San
Pablo y Yavari. 4) Maynas y sus distritos de Belén e Iquitos. El departamento
de Loreto ocupa una superficie de 368 852 km2
, que representa el 28,7 por
ciento del territorio nacional, ubicándose en el primer puesto dentro del ranking
de extensión por departamentos (BCRP, 2015). Loreto está dividido en 7
provincias y 51 distritos, en los cuales viven 705 de las 1 786 comunidades
indígenas existentes a nivel nacional.
El territorio departamental de Loreto pertenece al denominado "Llano
Amazónico", cuya altitud más baja es de 61 msnm y la más alta 220 msnm; sin
10
11. embargo, se distinguen dos tipos de terrenos: aluvial y colinoso, en los cuales
se identifican islas, playas, orillares, meandros, terrazas y colinas bajas.
Análisis de correspondencia
Para dar solución a los objetivos de investigación se aplicará el método
estadístico de análisis de correspondencia. Que es una de las técnicas de los
métodos factoriales que analiza la asociación entre dos o más variables
categóricas. A través del análisis de correspondencia simple (ACS) aplicado a
las tablas de contingencia se construyen las representaciones de las
asociaciones entre filas y columnas de tablas, basados en la distancia σ2
(chi-
cuadrado). Se trata de tablas de efectivos, obtenidos cruzando las modalidades
de dos variables cualitativas definidas sobre una misma población de n
individuos Escofier & Pages (1992). Por otra parte con el análisis de
correspondencia múltiple (ACM), el cual es una extensión del dominio de
aplicación del ACS, se describen grandes tablas de variables categóricas,
representando las categorías de las variables como puntos en un espacio de
pocas dimensiones Clausen (1998).
Un requisito fundamental para este tipo de análisis es la obtención de los
valores y vectores propios, y por ende las coordenadas sobres los ejes
factoriales que permiten la interpretación de las asociaciones entre las
variables categóricas. Esta investigación presentará una metodología de
estimación de los valores y vectores propios de las matrices por diagonalizar en
los análisis de correspondencia simple y múltiples, a partir de una muestra
probabilística. Con ellos se obtienen los ejes, las coordenadas factoriales y las
11
12. relaciones de transición entre los espacios, la estimación, de la inercia, las
contribuciones y los cosenos cuadrados. Lo que se tiene entonces es una
complementación entre los diseños de muestreo probabilístico tomada de
alguna población bajo estudio, sino también inferir acerca de dicho
comportamiento y el grado de asociación entre las variables de estudio,
siguiente la metodología dada por Martínez (1998).
Alfa de Cronbach
El coeficiente alfa fue descrito en 1951 por Lee J. Cronbach. Es un índice
usado para medir la confiabilidad del tipo consistencia interna de una escala, es
decir, para evaluar la magnitud en que los ítems de un instrumento están
correlacionados Cortina (2002), En otras palabras, el alfa de Cronbach es el
promedio de las correlaciones entre los ítems que hacen parte de un
instrumento Streiner (2003). Valores de alfa de Cronbach entre 0,70 y 0,90
indican una buena consistencia interna. La determinación del alfa de Cronbach
se indica para escalas unidimensionales entre tres y veinte ítems Heidi Celina
Oviedo & Campo (2005)
Dónde:
• es el número de ítems
• es el promedio de las correlaciones lineales entre cada uno de los
ítems (se tendrán pares de correlaciones).
12
13. Contribución de Chi-cuadrado estadístico de las variables de estudio.
Las variables independientes que contribuyan hasta en un 90% a la sumatoria
total del Chi-cuadrado estadístico se detallarán como significativas para validar
los estudios de la investigación. Las variables que representen el 10% o menos
serán descartadas.
Nivel de correspondencia entre variables
Se hará análisis de correspondencia simple entre las variables significativas y
la variable dependiente. Para conocer la causa-efecto del uso de las TIC y los
pobladores rurales amazónicos. Si la varianza o inercia es superior al 85% se
dará por correlacionada a las variables estudiadas.
Índice de encuestas validas:
Es la función entre el número de registros realizados en la base de datos SPSS
entre número de encuestas realizadas.
13
14. Índice de pobladores rurales amazónicos con uso de TIC
Es la función entre el número de pobladores rurales con acceso y uso a las TIC
y el número total de pobladores encuestados.
14
15. RESULTADOS Y DISCUSIÓN
1) Análisis de fiabilidad de encuestas realizadas
Para determinar la fiabilidad de la encuesta desarrollada en zonas rurales del
departamento de Loreto, se realizó una prueba de Alfa de Cronbach a sus 12
ítems o variables de investigación. De ellas, se obtuvo como resultado un alfa
de 0,495 en 20 elementos tomados como muestra – nuestra encuesta no paso
la prueba –, para incrementar nuestro valor alfa a un 0,7 y, considerar el
modelo de encuesta fiable, realizamos un posterior análisis bivariante para
determinar la correlación de Pearson entre las 12 variables y encontramos que
las variables X1, X10 y X11 tienen valores negativos a los que se considera
Reactivo Negativo4
. Al invertir las variables X1, X10 y X11, se obtiene un Alfa
de Cronbach 0,713. Con lo cual se considera fiable el modelo de encuesta
realizadas en zonas rurales en Loreto.
Tabla 1
2) Análisis de correspondencia múltiple
Para realizar esta prueba se utilizó la herramienta estadística SAS System for
Windows v8. Y el método estadístico fue el de análisis de correspondencia
múltiple (ACM). Con la ayuda de este método a través de la contribución de la
sumatoria de Chi-cuadrados de cada variable, se pudo realizar la
discriminación de las variables independientes no relevantes – que serán
desechadas – en cuyo caso el peso no sea representativo para el análisis. Y,
conocer con exactitud las variables de conocimiento, que sí son relevantes y
4
Reactivo negativo, se le considera también un ítem invertido porque va en sentido contrario a la
sumatoria total de las variables. Es un instrumento en una escala tipo Likert. Ejemplo de un reactivo
negativo: ¿Cuánto te molesto tener que esperar el tiempo de la encuesta?
15
16. con las que analizaremos de forma separada con la variable de uso de las TIC
en zonas rurales de Loreto.
Se ingresaron 255 filas correspondientes al total de encuestados en Loreto
dentro de la herramienta estadística SAS (Figura 1). Para ello, se tomaron
como atributos las variables independientes X1, X2, X3, X4, X5, X6, X7, X8,
X9, X10, X11 y X12 (Tabla 2).
Figura 1
Tabla 2
Los resultados arrojados por SAS System son ocho (08): 1) Tabla de
Contingencia, 2) Valores Esperados, 3) Valores Mínimos observados, 4)
Contribución al Chi-Cuadrado, 5) Perfiles de Fila, 6) Perfiles de Columna, 7)
Resultados de Fila y 8) Resultados de Columna.
Para la extracción de variables se aplica el método Contribución al Chi-
Cuadrado, que busca hallar combinaciones lineales de las variables originales
que expliquen la mayor parte de la variación total. Es decir, aquella variable
que muestre la menor sumatoria de su Chi-cuadrado no variará el resultado o
simplemente resultará menos significante para el estudio.
La matriz de resultados (Tabla 3) nos muestra la sumatoria del Chi-cuadrado
por filas (Personas encuestadas) y por columnas (Variables de estudio). Como
se pretende desechar a la variable o las variables menos representativas se
tomará en cuenta quién o quiénes tienen menor contribución a la sumatoria
total del Chi-cuadrado estadístico según la sumatoria de sus columnas.
Tabla 3
16
17. Las variables de conocimientos no discriminadas y adaptadas para la realidad
rural de Loreto son: X1, X2, X3, X6, X7, X9, X10 y X11 con una proporción del
84,86%. Y las variables que ha sido desechadas por su baja significancia en el
estudio son: X4, X5, X8 y X12, que sólo representan el 15,14% de los datos
significativos para el estudio.
3) Nivel de correspondencia entre variables
Se analizará la variable Uso de TIC en zonas rurales – a un nivel de
correspondencia simple – con las ocho variables de conocimiento
significativas que han sido previamente discriminadas. Se presente el
siguiente resumen de operacionalizaciòn de variables (Tabla 4)
Tabla 4
X3: Actividades desarrolla al conectarse internet
Con un 88.3% de confiabilidad (Tabla 5) se puede demostrar la correlación
entre la variable X3 y el uso de las TIC en zonas rurales de Loreto (Figura 2).
Tabla 5
Figura 2
17
18. Los resultados muestran una relación directamente proporcional del excelente
uso de las TIC en zonas rurales y la necesidad de búsquedas de
información como: Créditos y Financiamientos, Mejorar la productividad,
Precios de Productos y Costo de Transporte. En contraparte que existe
un uso malo o deficiente de las TIC cuando se busca información
respecto a Cómo contrarrestar Plagas y, Qué y cómo producir.
X6: ¿De dónde accede con más frecuencia?
Con un 99,7% de confiabilidad (Tabla 6) se puede demostrar la correlación
entre la variable X6 y el uso de las TIC en zonas rurales de Loreto (Figura 3).
Tabla 6
Figura 3
El uso de las TIC en zonas rurales es excelente cuando se encuentra en el
trabajo u oficina, bueno cuando se encuentran en casa y, tiene un uso
deficiente cuando se encuentra del ámbito comunal.
X7: Con el uso de las TIC, ¿Generalmente con quién se comunican?
Con un 99,9% de confiabilidad (Tabla 7) se puede demostrar la correlación
entre la variable X7 y el uso de las TIC en zonas rurales de Loreto (Figura 4).
Tabla 7
Figura 4
18
19. El uso de las TIC en zonas rurales es excelente cuando la comunicación se da
entre familiares, bueno cuando la comunicación se da entre amigos,
deficiente si es entre familiares y mala en otros casos.
X9: Con el uso de las TIC, ¿G En qué casos lo considera más útil las TIC?
Con un 97,2% de confiabilidad (Tabla 8) se puede demostrar la correlación
entre la variable X9 y el uso de las TIC en zonas rurales de Loreto (Figura 5).
Tabla 8
Figura 5
El uso de las TIC en zonas rurales es excelente cuando lo utilizan para la
búsqueda de información y para realizar negocios locales, el uso es
bueno para realizar trabajos del colegio o atender alguna emergencia y,
es deficiente para informase de temas de salud.
X10: Con el uso de las TIC y la Mejor Manera de Obtener Información
Con un 93,4% de confiabilidad (Tabla 9) se puede demostrar la correlación
entre la variable X10 y el uso de las TIC en zonas rurales de Loreto (Figura 6).
Tabla 9
Figura 6
19
20. El uso de las TIC en zonas rurales es excelente siempre y cuando esté ligado a
las necesidades para obtener información y para ellos Internet es la
principal forma, un uso bueno de TIC le da la televisión y un deficiente
uso se le da a la Radio.
X11: Con el uso de las TIC en correlación al grado de instrucción
Con un 98,1% de confiabilidad (Tabla 10) se puede demostrar la correlación
entre la variable X11 y el uso de las TIC en zonas rurales de Loreto (Figura 7).
Tabla 10
Figura 7
El uso de las TIC en zonas rurales es excelente cuando el usuario posee grado
de instrucción superior universitario, le da un uso bueno cuando el
usuario posee grado de instrucción superior técnico, deficientes si tienen
solo estudios secundarios y le da un mal uso cuando solo posee
estudios primarios.
X1: Con el uso de las TIC en correlación al costo del Internet.
Con un 96,2% de confiabilidad (Tabla 11) se puede demostrar la correlación
entre la variable X1 y el uso de las TIC en zonas rurales de Loreto (Figura 8).
Tabla 11
Figura 8
20
21. El uso de las TIC en zonas rurales es excelente cuando el costo del servicio es
caro, la sensación que el costo está bien cuando el uso es bueno y
deficiente cuando el poblador considere que el costo lo desconoce.
X2: Con el uso de las TIC en correlación a porque razones no accede a
internet.
Con un 98,2% de confiabilidad (Tabla 12) se puede demostrar la correlación
entre la variable X2 y el uso de las TIC en zonas rurales de Loreto (Figura 9).
Tabla 12
Figura 9
El uso de las TIC en zonas rurales es excelente cuando no necesita internet,
eso nos indica que pueden hacer uso de otras tecnologías como televisión,
radio, teléfono, entre otros y, el uso es deficiente de las TIC cuando no tiene
dinero o no sabe usar el internet.
21
22. BIBLIOGRAFÍA
Aker, J; Mbiti, I. (2010). Mobile Phones and Economic Development in Africa.
Working Paper. Center for Global Developtment, Washington. 45pp
Barrantes, R.; Fernández, M. (2012). Mobile Phone Use Among Market Traders
at Fairs in Rural Peru . USC Annenberg School for Communication y
Journalism, 8 (3): 5-52. Disponible en: http://itidjournal.org/itid/article/
view/913. Acceso: 15(05/2012).
BCRP, (2015). Caracterización del departamento de Loreto.Peru, 1 – 6 pp
(http://www.bcrp.gob.pe/docs/Sucursales/Iquitos/Loreto-
Caracterizacion.pdf)
Castell, M. (1999). La era de la información. Economía, sociedad y cultura. La
sociedad Red. Vol. I. Siglo Veintiuno Editores, México. 574pp.
CEA, et al., (2003). Propuesta de indicadores de tecnologías de información y
comunicación para los países conformantes de la CEA, lima. 7pp
Clausen (1998). Rueda-Clausen Gómez, C. F., Villa-Roel Gutíerrez, C. &
Rueda-Clausen Pinzón, C. E., 2005. Indicadores bibliométricos: origen,
aplicación, contradicción y nuevas propuestas. MedUNAB, 8(1), pp. 29-
36.
Cronbach, L. J. (1951). Cronbach LJ. Coefficient alpha and the internal
structure of test. Psychometrika. 1951;16:297-334
Cortina (2002). Cortina JM. What is coefficient alpha? An examination of theory
and applications. J Appl Psychol. 1993;78:98-104.; Bland JM, Altman
DG. Validating scales and indexes. Br Med J. 2002;24:606-7.).
Escofier, B y Pagès, J. (1992): Análisis factoriales simples y múltiples.
Objetivos, métodos e interpretación. UPV. Bilbao
Fachin Mori, F.S. (2015) Análisis de variables relevantes para medir el uso de
las TIC en zonas rurales de Loreto en el año 2011
Fernández, R.; Medina, P. (2011). Evaluación del impacto de acceso a las TIC
sobre el ingreso de los hogares. Una aproximación a partir de la
metodología Propensity Score Matching y datos de panel para el caso
peruano. Diálogo Regional sobre Sociedad de la Información, DIRSI,
Lima. 76p.
Giner, F. (2004). Los sistemas de información en la sociedad del conocimiento.
ESIC Editorial, Madrid. 216pp.
22
23. Goyal, A. (2010). Information, Direct Access to Farmers, and Rural Market
Performance in Central India. American Econmic Journal: Applied
Economics, 2: 22-45
Instituto CUANTO. (2009). Selección de una empresa consultora que se
encargue de realizar el estudio de evaluación de impacto de proyectos
de FITEL. Informe Final, Tomo I, Lima. 437pp
Jensen, R. (2007). The Digital Provide: Information (Technology), market
performance and Welfare in the South Indian Fisheries Sector. Quarterly
Journal of Economics, 122 (3): 879-925. Disponible en:
ttp://qje.oxfordjournals.org/ content/122/3/879.full.pdf+htm. Acceso:
20/06/2011
Katz, R. (2009). El papel de las TIC en el desarrollo. Propuestas de América
Latina a los retos económicos actuales. Ediciones Ariel, Colección
Fundación Telefónica, España,192pp.
Oliart, B. (2002). La Sociedad de la Información en el Perú. Presente y
perspectivas 2003-2005. Servicios Editoriales del Perú, Telefónica del
Perú, Lima. 100pp
Oviedo & Campo (2005). Metodología de investigación y lectura crítica de
estudios; Aproximación al uso del coeficiente alfa de Cronbach; Heidi
Celina Oviedo1, Adalberto Campo-Arias2; Revista Colombiana de
Psiquiatría, vol. XXXIV / No. 4 / 2005, 572-580)
Pardo, A. y Ruiz, M. A. (2002). SPSS 11. Guía para el análisis de datos.
Madrid: McGraw-Hill. ISBN 9788448137502.
Pérez, C. (2002): Technological Revolutions and Financial Capital, Cheltenham
y Northampton: Edward Elgar.
Sánchez Ríos, J. V. (2011). Análisis y diagnóstico de los sistemas de
comunicación entre establecimientos de salud aplicado a la región de
Madre de Dios. 13pp
Sánchez Ríos, J. V. (2006). Análisis y diagnóstico de los sistemas de
comunicación entre establecimientos de salud aplicado a la región de
Madre de Dios. 10pp
Stehr, N. (2002): Knowledge and Economic Conduct. The Social Foundations of
the Modern Economy, Toronto: Toronto University Press
Streiner (2003). Streiner DL. Being inconsistent about consistency: when
coefficient alpha does and doesn’t matter. J Pers Assess. 2003;80:217-
22.
23
24. Rodrigues, M. J. (2002): The New Knowledge Economy in Europe. A Strategy
fo International Competitiviness and Social Cohesion, Cheltenham y
Northampton: Edward Elgar.
Rovira, S., Santoleri, P., & Stumpo, G. (2013). Incorporación de TIC en el
sector productivo: uso y desuso de las políticas públicas para favorecer
su difusión. Rovira, S. y Stumpo, G.(Comp.). Entre mitos y realidades.
TIC, políticas públicas y desarrollo productivo en América Latina, 17-53.
Ruiz, L. (2009). Impacto de la telefonía celular en zonas rurales pobres del
Perú. Proceeding pf the 3erd ACORN-REDECOM Conference Mexico
City. México. 12pp.
Torrent, J. (2002). «De la nueva economía a la economía del conocimiento.
Hacia la tercera revolución industrial». Revista de Economía Mundial.
Núm. 7, págs. 39-68.
Vilaseca, J. y torrent, J. (2005): Cap a l’empresa xarxa. Les TIC i les
transformacions de l’empresa catalana, Barcelona: Edicions de la
Universitat Oberta de Catalunya.
24
27. Tabla 3: Variables analizadas con SAS, para determinar su contribución al Chi-
Cuadrado estadístico.
Variable ITEM Sumatoria
Peso
porcentual
Variables
discriminadas
Costo del Internet X1 113,74 6% No Discriminada
Razones porque no Accede a Internet X2 120,87 6% No Discriminada
Actividades desarrolla al conectarse internet X3 505,16 26% No Discriminada
Donde Accede Frecuencia a Internet X4 67,01 3% Discriminada
En qué hora ve TV X5 60,19 3% Discriminada
¿De dónde accede con más frecuencia? X6 178,89 9% No Discriminada
¿Generalmente con quien se comunican? X7 163,12 9% No Discriminada
Frecuencia del Uso Internet X8 65,3 3% Discriminada
En qué casos lo considera más útil X9 129,02 7% No Discriminada
Mejor Manera de Obtener Información X10 285,3 15% No Discriminada
Grado de Instrucción X11 131,24 7% No Discriminada
Edad X12 97,9 5% Discriminada
Tabla 4: Resumen de operación de variables
variables Valores Tipo de
Variable
Descripción Instrumentos
Uso de TIC
Uso Excelente Este tipo de
variable es
Cuantitativa.
Sin embargo,
para realizar el
análisis de
correspondencia
múltiple se
necesita que el
tipo de variable
sea cualitativa.
7 a 8 TIC
utilizadas
Radio, Celular,
Televisión, internet,
Periódico, CD/DVD,
teléfono fijo, TV
cable, Revistas.
Uso Bueno 5 a 6 TIC
utilizadas
Uso Deficiente 3 a 4 TIC
utilizadas
Uso Malo 0 a 2 TIC
utilizadas
Costo del Internet
Caro
Cualitativa
Bien
Barato
No sabe
Razones porque no
Accede a Internet
No Necesita
Cualitativa
No sabe usar
No hay
No tiene dinero
¿Qué actividades
desarrolla al
conectarse internet?
Busca información
Precios de Productos
Cualitativa
Costo de transporte
Créditos y financiamiento
Mercados donde vender
Qué y cómo producir
Como Contrarrestar plagas
Como mejorar la producción
Información para su oficio o
profesión
Ninguna
Si usan teléfono fijo
¿De dónde accede
Casa Cualitativa
Trabajo/ oficina
27
28. con más frecuencia? Público monedero
Comunal
Otro
Cuando usan el
teléfono
¿Generalmente con
quien se comunican?
Familia
Cualitativa
Amigos
Clientes
Otro
¿En qué casos lo
considera más útil?
Informarse el estado de salud
de un pariente
Cualitativa
Conocer él envió/ recepción
de encargos
Atender emergencias
Para realizar negocios
Para las tareas del colegio
Para buscar
información
Otro
Mejor Manera de
Obtener Información
Radio
Cualitativa
Televisión
Periódico
Internet
Manuales, folletos
CD/ DVD
Otro
Grado de Instrucción
Sin estudios
Cualitativa
Solo estudios primarios
Solo estudios secundarios
Superior Técnico
Superior Universitario
Posgrado
Tabla 5: Resumen de análisis de correspondencia simple entre las variables de
uso de la TIC y la variable X3: Actividades que desarrolla al conectarse
internet.
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,371 ,138 ,572 ,572 ,052 -,074
2 ,273 ,075 ,311 ,883 ,059
3 ,168 ,028 ,117 1,000
Total ,240 61,279 ,001a
1,000 1,000
a. 32 grados de libertad
28
29. Tabla 6: Resumen de análisis de correspondencia simple entre las variables de
uso de la TIC y la variable X6: ¿De dónde accede con más frecuencia?
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,639 ,409 ,985 ,985 ,050 -,150
2 ,069 ,005 ,011 ,997 ,065
3 ,037 ,001 ,003 1,000
Total ,415 80,852 ,000a
1,000 1,000
a. 16 grados de libertad
Tabla 7: Resumen de análisis de correspondencia simple entre las variables de
uso de la TIC y la variable X7: ¿Generalmente con quien se comunican?
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,443 ,196 ,886 ,886 ,050 ,210
2 ,159 ,025 ,113 ,999 ,054
3 ,014 ,000 ,001 1,000
Total ,222 56,515 ,000a
1,000 1,000
a. 12 grados de libertad
Tabla 8: Resumen de análisis de correspondencia simple entre las variables de
uso de la TIC y la variable X9: En qué casos lo considera más útil las TIC
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,355 ,126 ,880 ,880 ,053 ,045
2 ,114 ,013 ,091 ,972 ,064
3 ,063 ,004 ,028 1,000
Total ,143 36,410 ,050a
1,000 1,000
a. 24 grados de libertad
29
30. Tabla 9: Resumen de análisis de correspondencia simple entre las variables de
uso de la TIC y la variable X10: Mejor Manera de Obtener Información.
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,311 ,097 ,654 ,654 ,055 ,103
2 ,204 ,041 ,280 ,934 ,059
3 ,099 ,010 ,066 1,000
Total ,148 37,189 ,042a
1,000 1,000
a. 24 grados de libertad
Tabla 10: Resumen de análisis de correspondencia simple entre las variables
de uso de la TIC y la variable X11: Grado de Instrucción.
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,490 ,240 ,917 ,917 ,045 ,306
2 ,130 ,017 ,064 ,981 ,055
3 ,070 ,005 ,019 1,000
Total ,261 65,622 ,000a
1,000 1,000
a. 20 grados de libertad
Tabla 11: Resumen de análisis de correspondencia simple entre las variables
de uso de la TIC y la variable X1: Costo del Internet
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,360 ,129 ,886 ,886 ,054 ,184
2 ,105 ,011 ,075 ,962 ,058
3 ,075 ,006 ,038 1,000
Total ,146 37,230 ,000a
1,000 1,000
a. 12 grados de libertad
30
31. Tabla 12: Resumen de análisis de correspondencia simple entre las variables
de uso de la TIC y la variable X2: Razones porque no Accede a Internet
Resumen
Dimensión Valor
propio
Inercia Chi-
cuadrado
Sig. Proporción de inercia Confianza para el Valor
propio
Explicada Acumulada Desviación
típica
Correlación
2
1 ,450 ,203 ,952 ,952 ,053 ,029
2 ,080 ,006 ,030 ,982 ,068
3 ,062 ,004 ,018 1,000
Total ,213 54,243 ,000a
1,000 1,000
a. 12 grados de libertad
31
32. Figuras
Figura 1: Herramienta SAS, preparada para el análisis de discriminación de
variables.
Figura 2: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X3: Actividades que desarrolla al
conectarse internet.
32
33. Figura 3: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X6: ¿De dónde accede con más
frecuencia?
Figura 4: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X7: ¿Generalmente con quien se
comunican?
33
34. Figura 5: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X9: En qué casos lo considera más
útil las TIC
Figura 6: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X10: Mejor Manera de Obtener
Información.
34
35. Figura 7: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X11: Grado de Instrucción.
Figura 8: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X1: Costo de Internet.
35
36. Figura 9: Grafico de dispersión de correlación entre la variable Uso de TIC en
zonas rurales y la variable de conocimiento X2: Razones porque no Accede a
Internet.
36