Factores determinantes de la aceptación de Cisco Netscape: estudio empírico basado en TAM

- 211 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 FACTORES DETERMINANTES DE LA ACEPTACIÓN DE CISCO NETSCAPE: ESTUDIO EMPÍRICO BASADO EN TAM FACTORS DETERMINING ACCEPTANCE OF CISCO NETSCAPE: AN EMPIRICAL STUDY BASED ON TAM Dr. Hugo Julio Solano Cóndor1 [email protected] Dr. Víctor Abella García2 [email protected] (1)Universidad Privada de Santa Cruz de la Sierra UPSA, Coordinador Ingeniería Electrónica, Redes y Telecomunicaciones. C/Paragua entre 4to. Anillo s/n, 00000, Santa Cruz de la Sierra (Bolivia) (2)Universidad de Burgos, Facultad de Educación, Departamento de Ciencias de la Educación. C/ Villadiego s/n, 09001, Burgos (España) Resumen. Los LMS han supuesto un fuerte impulso tanto a la enseñanza en línea como a la enseñanza semipresencial. El presente estudio busca determinar qué factores influyen sobre la satisfacción de los profesores que desarrollan su labor en entornos semipresenciales con la plataforma CISCO NetScape. El estudio se realizó tomando como marco de referencia el Modelo de Aceptación Tecnológica (TAM) y utilizando como técnica estadística la regresión por mínimos cuadrados parciales (Partial Least Squares, PLS). Participaron 115 profesores de las Academias de CISCO de 18 países de Latinoamérica. En primer lugar se evaluó el modelo de medida aplicado, mostrando que tanto su fiabilidad así como la validez convergente y discriminante eran adecuadas. En segundo lugar se realizó la evaluación del modelo predictivo, con la intención de valorar el valor predictivo de las relaciones entre los constructos que componen el modelo. Los resultados revelaron que el modelo explica menos del 2% del Uso (U) y sin embargo el 36% de la Intención de Uso (IU) de la plataforma por parte de los profesores. Así mismo, la Intención de Uso (IU) está positivamente afectada por la Utilidad Percibida. Por el contrario, el efecto de la Facilidad de Uso Percibida (FUP) sobre la Intención de Uso (IU) no es significativo, sin embargo, el efecto indirecto de este factor sobre la Intención de Uso (IU) a través de la Utilidad Percibida es importante. Palabra claves: TAM, Blended learning, PLS, Integración tecnológica, Sistemas de aprendizaje integrados Abstract: The LMS have provided a impulse to both online learning and blended learning. The aim of this research was to determine what factors influence the satisfaction of the teachers who develop their work in b-learning environments with CISCO NetScape platform. For this purpose we used as a theoretical framework the Technology Acceptance Model (TAM) and using as statistical method the Partial Least Squares (PLS) regression. The study included 115 CISCO Academy instructors from 18 countries in Latin America. In the first place, the measurement model was evaluated, showed adequate psychometric properties; its reliability as well as the convergent and discriminant validity were adequate. Results revealed that the model explained less than 2% of Use (U) and yet 36% of Intention of use (IU) of the LMS by instructors. Likewise, Intention of use (IU) is positively affected by the Perceived usefulness. On the other hand, the effect of Perceived ease of use (PEU) on the Intention of Use (IU) is not significant, however, the indirect effect of this factor on the Intended Use (IU) through Perceived Utility (PU) was significative. Key word: TAM, Blended learning, PLS, Technology integration, Integrated learning systems - 212 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 1. Introducción. Actualmente existen cursos sobre escenarios virtuales que enseñan a los estudiantes las habilidades tecnológicas de redes e internet esenciales en una sociedad globalizada. Muchos de estos programas proporcionan contenido basado en la Web, pruebas en línea y seguimiento del desempeño de los estudiantes. Las Tecnologías de la Información y la Comunicación (TIC) como apoyo a los procesos educativos, en el aula o fuera de ella, se encuentran en proceso de expansión y de apropiación en los sistemas educativos, permitiendo la comunicación entre estudiantes, instructores e, incluso, otros miembros de la comunidad académica o expertos en las temáticas ligadas a los programas educativos. El blended learning (b-learning) constituye un instrumento idóneo para favorecer dichas metodologías y explorar nuevos enfoques metodológicos. B-learning no es un concepto nuevo, ya que durante años se han estado combinando las clases magistrales con los ejercicios, los estudios de caso, los juegos de rol y las grabaciones de vídeo y audio (Bartolomé, 2004). El término b-learning viene del mundo de la formación en la empresa, y se refiere a la combinación del trabajo presencial (en aula) y del trabajo virtual (Bartolomé, 2008; Graham, 2006), en donde el estudiante puede controlar algunos factores como el lugar, el momento y el espacio de trabajo. Desde la perspectiva de su concepción y desarrollo como herramienta formativa, Imbernón (2008) la considera como una dualidad pedagógica y tecnológica, que combina la enseñanza tradicional y la virtual con una gran variedad de métodos pedagógicos y diferentes formas de utilizar la tecnología. Así mismo, se puede entender como la combinación eficiente de diferentes métodos de impartición, modelos de enseñanza y estilos de aprendizaje (George-Palilonis & Filiak, 2009; Morán, 2012). 1.1. Modelos de aceptación tecnológica. Cuando los individuos se enfrentan a una nueva tecnología, reúnen y sintetizan información relativa a dicha tecnología. Como resultado de este proceso se generan una serie de creencias sobre el uso de la tecnología, que determinan que las personas la acepten o la rechacen; es decir, las creencias son el motor de la decisión de adoptar o no una determinada tecnología. Los modelos que explican la adopción de la tecnología son importantes para determinar de forma práctica las acciones que se deben llevar a cabo por empresas o instituciones académicas para mejorar su rendimiento. Tal y como indican Martín García, García del Dujo y Muñoz Rodríguez (2014) el origen de gran parte de los modelos de decisión comportamental se centran en la Teoría de la Acción Razonada (Theory of Reasoned Action, TRA). Éste es un modelo general de las relaciones entre actitudes, convicciones, presión social, intenciones y conducta, el cual fue desarrollado por Fishbein y Ajzen (1975). Desde esta perspectiva se considera que las acciones se basan en las actitudes individuales, por lo que una teoría de la acción consiste esencialmente en una descripción de las actitudes. La información que permite la formación de las mismas es de tipo cognitivo, afectivo y conductual. Posteriormente, la Teoría del Comportamiento Planeado (Ajzen, 1991) constituyó un avance sobre la Teoría de Acción Razonada ya que trata de incrementar la capacidad predictiva de ésta en el caso de - 213 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 conductas sobre las que el individuo tiene un control limitado. De este modo se incorporan las percepciones del individuo respecto al control sobre su comportamiento como variable explicativa de las intenciones y de la conducta, junto con las actitudes y la norma subjetiva. Por lo tanto, la intención conductual vendría determinada por tres tipos de creencias: las creencias sobre las consecuencias probables de la conducta, las creencias sobre las expectativas normativas de otros, y las creencias sobre la presencia de factores que pueden facilitar o dificultar el comportamiento (Ajzen, 1991). El Modelo de Aceptación Tecnológica (Technology Acceptance Model, TAM) fue enunciado por Davis (1989) y es una adaptación de la Teoría de la Acción Razonada centrada en la conducta hacia el uso de nuevas tecnologías (Figura 1). Se consideran dos creencias que afectan de forma fundamental a la adopción de innovaciones relacionadas con los sistemas de información y tecnologías: la Utilidad Percibida (UP) y la Facilidad de Uso Percibida (FUP) (Davis, Bagozzi & Warshaw, 1989). La primera trata de captar la creencia del individuo acerca de cómo un sistema en particular mejorará su desempeño en una tarea, mientras que la Facilidad de Uso Percibida se refiere al grado en el que un sujeto considera que el uso de una determinada tecnología no le va a suponer un esfuerzo extra (Cuesta, Abella & Alegre, 2014). TAM se ha utilizado en diferentes investigaciones para valorar la adopción de diversas innovaciones tecnológicas (Marakarkandy, Yajnik & Dasgupta, 2017; Wu & Chen, 2017;), y dentro del e-learning y - blearning este modelo también ha sido aplicado en diversas investigaciones (Lee, 2006; Lee, Cheung & Chen, 2005; Lin & Wang, 2012; Hussein, 2017). 1.2. Blended learning y TAM. Muchas universidades han adoptado diferentes plataformas tecnológicas, inicialmente dirigidas a la enseñanza a distancia, pero que en la mayoría de las ocasiones se han utilizado para dar soporte a las clases presenciales, dando lugar a modelos de enseñanza semipresencial o b-learning (Abella, López, Ortega, Sánchez, & Lezcano, 2011; Torrisi-Steele & Drew, 2013). Se puede entender el b-learning como el resultado de la convergencia entre dos modalidades instruccionales: por un lado la enseñanza Figura 1. Modelo de la Aceptación de la Tecnología inicial (Davis, 1986). - 214 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 mediada por ordenadores que se desarrolla en entornos distribuidos y por otro lado la tradicional enseñanza presencial (Khechine, Lakhal, Pascot, & Bytha, 2014). La mayoría de los estudios que analizan la aceptación e intención de uso de los LMS en entornos semipresenciales lo hacen desde la perspectiva de los estudiantes (p.e. Al- Azawei, Parslow & Lundqvist, 2017; Padilla- Meléndez, Aguila-Obra, Garrido-Moreno, 2013; Tran, 2016; Tselios, Daskalakis & Papadopoulou, 2011). Desde el punto de vista del profesorado no existen muchas investigaciones con respecto a por qué unos profesores utilizan mucho más que otros los LMS (Schoonenboom, 2014) y sobre la aplicación de TAM sobre la aceptación y uso de LMS (p.e. Lin & Wang, 2012; Motaghian, Hassanzadeh & Moghada, 2013). Los estudios realizados sobre la aceptación de los LMS en entornos semipresenciales ha mostrado la influencia de la Utilidad Percibida y la Facilidad de Uso Percibida con respecto a la Intención de Uso del LMS (Asiri, Mahmud, Abu-Bakar & Ayub, 2012; Alharbi & Drew, 2014; Schoonenboom, 2014). Respecto a la Facilidad de Uso Percibida también se ha encontrado que influye de manera positiva sobre la utilidad percibida y sobre la actitud hacia la utilización de un LMS (Asiri, Mahmud, Abu-Bakar & Ayub, 2012; Alharbi & Drew, 2014). Sobre la actitud hacia el uso del LMS se ha encontrado una influencia directa y positiva de la Utilidad Percibida, mientras que la actitud hacia el uso influye de forma positiva sobre la intención de usar el LMS (Asiri, Mahmud, Abu-Bakar & Ayub, 2012; Alharbi & Drew, 2014). 1.3. Modelo propuesto e hipótesis. En este trabajo se considera el entorno de las academias CISCO como objeto de estudio, en el que los Instructores constituyen uno de sus elementos clave. El programa CISCO Networking Academy utiliza el b-learning como modelo de enseñanza-aprendizaje, ofreciéndose actualmente en más de 150 países a lo largo del mundo. En América Latina cuenta con aproximadamente 700 instructores y 65000 estudiantes. Todos los alumnos tienen acceso a los contenidos del programa a través de la plataforma CISCO NetSpace, la cual contiene elementos multimedia, prácticas interactivas y evaluaciones virtuales para el seguimiento del desempeño a lo largo de todo el curso, si bien las prácticas de laboratorio se realizan de manera presencial. El objetivo de este trabajo es determinar qué factores subyacen a la aceptación del LMS CISCO NetSpace por parte de los Figura 2. Hipótesis propuestas basadas en TAM. - 215 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 profesores de las academias CISCO. El marco de referencia para esta investigación ha sido TAM (Figura 2), el cual plantea la existencia de dos variables predictoras, o que influyen, sobre la Intención de Uso de una determinada tecnología. Estas dos variables son la Utilidad Percibida (UP) y la Facilidad de Uso Percibida (FUP). Finalmente el modelo también plantea la influencia directa y positiva de la Intención de Uso sobre el uso de una tecnología, en este caso la plataforma CISCO NetSpace. Hipótesis de investigación: HI0: La Intención de Uso (IU) predice positivamente el Uso (U) de la plataforma CISCO NetSpace de la Academia CISCO. HI1: La Utilidad Percibida (UP) predice positivamente la Intención de Uso (IU) de la plataforma CISCO NetSpace de la Academia CISCO. HI2: La Facilidad de Uso Percibida (FUP) predice positivamente la Intención de Uso (IU) de la plataforma CISCO NetSpace de la Academia CISCO. HI3: La Facilidad de Uso Percibida (FUP) predice positivamente la Utilidad Percibida (UP) de la plataforma CISCO NetSpace de la Academia CISCO. 2. Material y métodos. 2.1. Muestra. En el estudio participaron 115 profesores de las Academias CISCO de la región Latinoamericana (LATAM) que componen 18 países, y como se puede ver en la Tabla 1 principalmente eran de Bolivia, México, Colombia y Perú. De la muestra total el 87,1% eran varones mientras que el 18,3% eran mujeres. La edad media era de 36 años (DT = 7,43), siendo la edad mínima 19 años y la máxima 54 años. 2.2. Instrumentos. Para la recogida da datos de este estudio se elaboró un cuestionario a partir del utilizado por Venkatesh y Bala (2008). El cuestionarioestaba compuesto por por 16 ítems distribuidos de la siguiente forma: 3 ítems evaluaron la Utilidad Percibida (UP), 9 ítems la Facilidad de Uso Percibida (FUP), 3 ítems evaluaron la Intención de Uso (IU) y 1 ítem evaluó el Uso (U). La respuesta a cada uno de los ítems se realizó mediante una escala tipo Likert con cinco opciones de respuesta (totalmente en desacuerdo a totalmente de acuerdo). 2.3 Procedimiento. La encuesta se diseñó en Google Forms y se distribuyó en línea de forma masiva a través de una herramienta que dispone este paquete para enviar la encuesta por correo electrónico. Uno de los principales problemas que presenta la realización de encuestas a través de Internet es baja tasa de respuesta o Bolivia México Colombia Perú Otros (14 países) Instructores 26,1% 13,9% 7% 7% 46% Tabla 1. Porcentaje de participación de Instructores de la región LATAM - 216 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 el abandono de la encuesta sin completarla (De Marchis, 2012). Teniendo en cuenta estos condicionantes se ha optado por PLS como técnica estadística, tal y como se describirá en el siguiente apartado. Los instructores completaron las encuestas de manera voluntaria y las respuestas se recogieron de forma automática una vez el encuestado completaba el cuestionario. En todo momento se garantizó el anonimato y la confidencialidad de las respuestas con el objetivo de aumentar la sinceridad de las mismas. 2.4 Análisis estadístico. La técnica estadística utilizada para llevar a cabo el análisis empírico fue la regresión por mínimos cuadrados parciales, también conocida como PLS (Partial Least Squares). PLS es una técnica de análisis multivariante cuyo objetivo es el de predecir variables dependientes a través de la varianza explicada (Barroso, Cepeda & Roldán, 2007). El enfoque PLS debido al procedimiento de segmentación de modelos complejos permite trabajar con tamaños muestrales pequeños (Barclay, Higgins & Thompson, 1995), no siendo necesario que los datos provengan de distribuciones normales o conocidas (Falk y Miller, 1992). Según Barroso et al. (2007) el tamaño muestral mínimo debería estar entre 30 y 100 casos. Por otro lado, se ha realizado un bootstraping de 500 submuestras para comprobar la significatividad estadística de cada coeficiente path usando pruebas-t (Chin, 1998). Por último Diamantopoulos y Winklhofer (2001) señalaron que la técnica PLS es idónea para el análisis y evaluación de modelos que cuentan con variables latentes con indicadores reflexivo. En nuestro trabajo los factores clave para la aceptación de la tecnología se evalúan a través de variables latentes con indicadores reflexivos. 3. Resultados. Para el análisis e interpretación del modelo hemos seguido el procedimiento de dos etapas sugerido por Cepeda y Roldán (2004). Aunque los parámetros estructurales y de medida se estiman a la vez la primera etapa consiste en la valoración de la validez y fiabilidad del modelo de medida, es decir, se procedió a la validación de las escalas utilizadas para los diferentes constructos incluidos en el análisis. Una vez validado el instrumento de medida, eliminando las inconsistencias de medida detectadas, se pasó a la segunda etapa, centrada en la valoración del modelo estructural. Este análisis se refiere a la comprobación del grado de significación y la magnitud de las relaciones propuestas en el modelo, así como de la capacidad de éste de explicar el fenómeno objeto de estudio. De esta manera se asegura que antes de realizar conclusiones referentes a las relaciones entre los constructos contamos con unas medidas válidas y fiables. 3.1. Evaluación del modelo de medida: Validación de las escalas. Para comprobar la fiabilidad individual de los ítems se han evaluado las cargas factoriales de los mismos en cada constructo, mientras que para valorar la fiabilidad de cada constructo se ha utilizado el Índice de Fiabilidad Compuesta (IFC). Se ha optado por el IFC puesto que como medida de consistencia interna es similar al alfa de Cronbach. El IFC se diferencia del alfa de - 217 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 Cronbach en que utiliza las cargas de los ítems tal y como existen en el modelo causal, en vez de presuponer que cada ítem contribuye de la misma forma al constructo, no viéndose, además, influido por el número de ítems de la escala (Fornell & Larcker, 1981). La varianza media extraída (AVE, Average Mean Extracted) se utilizó para evaluar la validez convergente. Por último, para evaluar la validez discriminante se analizó si las raíces cuadradas del AVE superaron o no las correlaciones entre constructos. Siguiendo la propuesta anteriormente detallada el primer paso fue el de evaluar la fiabilidad de los ítems a través de las cargas factoriales. La regla más usada para aceptar un indicador como válido es que la carga factorial alcance el umbral mínimo de 0,707 (Bollen, 1989). En la Tabla 2 se muestra que todos los ítems superan el umbral, excepto FUP7 cuya carga factorial es de 0,645. Se decidió no eliminar el ítem puesto que, tal y como indican Cepeda y Roldán (2004), al ser un trabajo exploratorio se puede rebajar el umbral a 0,6. La razón para fijar este umbral está relacionada con el concepto de comunalidad del ítem, que se define como el cuadrado de la carga estandarizada (Bollen, 1989), es decir, una variable latente debe explicar al menos el 50% de la varianza del indicador, lo cual representa el umbral mínimo al cuadrado. El segundo paso fue el de evaluar la fiabilidad de los constructos mediante el IFC, Carga p IFC p AVE p FUP 0,938 0,000 0,627 0,000 FUP1 0,793 0,000 FUP2 0,782 0,000 FUP3 0,806 0,000 FUP4 0,840 0,000 FUP5 0,849 0,000 FUP6 0,766 0,000 FUP7 0,645 0,000 FUP8 0,801 0,000 FUP9 0,828 0,000 IU 0,858 0,000 0,670 0,000 IU1 0,861 0,000 IU2 0,852 0,000 IU3 0,737 0,000 U 1,000 0,000 1,000 0,000 U1 1,000 0,000 UP 0,869 0,000 0,625 0,000 UP1 0,775 0,000 UP2 0,760 0,000 UP3 0,827 0,000 UP4 0,797 0,000 Nota: FUP = Facilidad de Uso Percibida; IU = Intención de Uso; U = Uso; UP = Utilidad Percibida Tabla 2. Cargas factoriales de los ítems, Índice Fiabilidad Compuesta (IFC) y Varianza Media Extraída (AVE). - 218 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 el cual varía entre 0 y 1. En este sentido Nunally (1978) sugirió un valor de 0,7 como umbral para las etapas iniciales de una investigación, mientras que propuso como punto de corte valores superiores a 0,8 para la investigación básica. En la Tabla 2 se puede observar que todos los constructos obtienen puntuaciones superiores a 0,8, por lo que la fiabilidad de los constructos es adecuada. El tercer paso consistió en evaluar la validez convergente de un constructo, lo cual consiste en valorar hasta qué punto está midiendo un determinado constructo y no otro. Según Fornell y Larcker (1981) el AVE proporciona una medida de la cantidad de varianza que un constructo obtiene de sus indicadores y debe alcanzar un valor mínimo de 0,5 para afirmar que existe validez convergente. Los resultados obtenidos para el AVE (Tabla 2) de todos los factores muestran valores superiores a 0,5, con lo que existe validez convergente en los constructos del modelo. Finalmente, mediante el análisis de validez discriminante se comprobó que un constructo está midiendo un determinado Facilidad de Uso Percibida Intención de Uso Uso Utilidad Percibida Facilidad de Uso Percibida 0,792 Intención de Uso 0,462 0,819 Uso 0,567 0,186 1,000 Utilidad Percibida 0,638 0,604 0,304 0,790 Tabla 3. Validez discriminante según el criterio Fornell-Larcker. Figura 3. Modelo con coeficientes path. - 219 - Solano, H.J. & Abella, V. Páginas 211 a 225 Píxel-Bit. Revista de Medios y Educación. Nº 51 Julio 2017. ISSN: 1133-8482. e-ISSN: 2171-7966. doi: http://dx.doi.org/10.12795/pixelbit.2017.i51.14 concepto diferente al de los otros constructos del modelo. El método más empleado para evaluar la validez discriminante de los constructos es el criterio de Fornell-Larcker (Barclay et al, 1995). Según este criterio para que la validez discriminante sea adecuada los valores de la diagonal deben ser mayores que los valores que aparecen debajo de la diagonal en las correspondiente filas y columnas. La Tabla 3 muestra las correlaciones bivariadas y la raíz cuadrada de la varianza media extraída en la diagonal principal de la matriz. Como se puede observar, todos los valores de la diagonal principal son superiores a los valores correspondientes a sus respectivas filas y columnas, por lo que se considera que el modelo de medida supera los criterios de validez discriminante. 3.2. Evaluación de la estructura del modelo. Esta segunda etapa del análisis e interpretación del modelo se centra en evaluar el peso la magnitud de las relaciones establecidas entre las distintas variables que componen el modelo propuesto. La Figura 3 muestra los coeficientes path que representan la magnitud de la contribución de cada variable latente a la varianza explicada de las variables latentes endógenas. Chin (1998) señaló que valores de los coeficientes path entre 0,2 y 0,3 permiten interpretar que la relación es fuerte, si bien también considera que valores entre 0,1 y 0,2 se pueden interpretar como una relación moderada. Tal y como se puede apreciar en la Figura 3 la Utilidad Percibida (UP) influye de forma directa y positiva sobre la Intención de Uso (IU) con un coeficiente â = 0,52 (p < 0,001), mientras que también se ve influido por Facilidad de Uso Percibida (FUP), pero no de forma significativa, con un coeficiente â = 0,13 (p = 0,29). También podemos observar que Facilidad de Uso Percibida (FUP) influye indirectamente sobre Intención de Uso (IU) a través de la Utilidad Percibida (UP) con un coeficiente â = 0,64 (p < 0,00). Finalmente, se puede observar como Intención de Uso influye sobre Uso, con un coeficiente muy bajo (â = 0,19, p = 0,05), el cual no alcanza a ser significativo pero sí se puede observar una tendencia hacia la significatividad. Con la intención de conocer la varianza explicada por las variables endógenas del modelo se calcularon los valores del coeficiente de determinación R2 ajustado. Según Falk y Miller (1992) la varianza explicada deber ser mayor que 0,1 para considerar que el modelo tienen una capacidad explicativa aceptable. Como norma general valores de R2 ajustado de 0,75, 0,50 y 0,25 se pueden interpretar como fuerte, moderado y débil respectivamente (Hair, Black, Babin & Anderson, 2009). R 2 ajustado p Intención de Uso 0,363 0,048 Uso 0,026 0,003 Utilidad Percibida 0,402 0,003 Tabla 4. Varianza explicada de las variables endógenas.