Analyzing Interactions in CSCL

Capítulo sobre análisis multinivel en investigación colaborativa en línea. El texto expone los fundamentos metodológicos del análisis multinivel (AMN) como técnica estadística apropiada para estudios de aprendizaje colaborativo mediado por computadora (CSCL). Describe los problemas específicos que enfrentan los investigadores de CSCL: datos jerárquicamente anidados (individuos dentro de grupos), no independencia de variables dependientes derivada de la influencia mutua entre integrantes de grupos, y unidades de análisis múltiples. Explica que técnicas estadísticas tradicionales (análisis de varianza, regresión) resultan inadecuadas cuando se violan estos supuestos. El capítulo justifica por qué el AMN, desarrollado en los años 1980 y adoptado en investigación educativa y psicología social, es esencial para desentrañar correctamente los efectos en niveles individuales, grupales y contextuales en entornos de aprendizaje colaborativo en línea.

Puntos clave

• El análisis multinivel permite disentangular efectos y dependencias en niveles individual, grupal y contextual, esencial para estudios de aprendizaje colaborativo mediado por computadora.
• Los datos en CSCL son jerárquicamente anidados (individuos dentro de grupos, grupos dentro de clases), estructura que viola supuestos de independencia de las pruebas estadísticas tradicionales.
• La no independencia de variables dependientes en CSCL surge de la influencia mutua entre miembros del grupo, que puede ser positiva (comportamientos similares) o negativa (efecto boomerang, comportamientos divergentes).
• Las técnicas estadísticas convencionales como prueba t, análisis de varianza y regresión asumen independencia de observaciones, supuesto que no se cumple en contextos colaborativos donde la conducta de un miembro afecta a otros.
• El análisis multinivel, adoptado tardíamente en CSCL respecto a investigación educativa y psicología social, es la técnica apropiada para manejar datos con múltiples niveles de análisis y variables medidas en diferentes niveles jerárquicos.

Para quién: Para investigadores, doctorandos y psicólogos educativos que diseñan o analizan estudios de aprendizaje colaborativo en línea y necesitan comprender cuándo y cómo aplicar análisis multinivel.