• Aucun résultat trouvé

Análisis cuantitativa del cuestionario Comunidades Hacker:

Dans le document de las comunidades hacker hasta la escuela (Page 148-163)

Capítulo 6. Resultados de la investigación en las comunidades hackerinvestigación en las comunidades hacker

6.2 Educación hacker en sus contextos originales

6.2.1 Análisis cuantitativa del cuestionario Comunidades Hacker:

indicadores de educación hacker

El cuestionario Comunidades Hacker, tuve como su publico focal los participantes de las comunidades hacker de diferentes nichos y ubicaciones geográficas. En el obtuvimos 115 respuestas en total (N=115) con 102 respuestas completas y 13 parciales. Después de obtener estos datos y organizarlos, las análisis cuantitativas se hicieron en los softwares PSPP y R.

Las primeras pruebas hechas fueron la verificación de la fiabilidad del instrumento, considerando las variables que representaban los indicadores de educación hacker y los indicadores de empoderamiento, siendo 20 variables en escala Likert y 21 variables binarias.

Obtuvimos un Alfa de Cronbach de 0.89 para el conjunto de variables Likert y 0.82 para el conjunto de variables binarias, lo que denota una confiabilidad alta, según Cohen (2017, p.

774).

Una vez conociendo la fiabilidad del instrumento, partimos para el análisis de los indicadores de educación hacker con el objetivo de comprender más sobre las características de educación hacker que son vividas en las comunidades hacker y como ya se mencionó, queremos entender qué es común en relación a toda la muestra, y también comprender las variaciones en la experiencia de estos indicadores en relación a a) los contextos geográficos, b) los distintos tipos de comunidades que llamamos también de movimientos y c) en relación la identidad de género de los participantes.

Sobre las pruebas que hemos hecho para identificar las variaciones de los distintos grupos dentro el contexto, es importante tener en cuenta que al exponer estas variaciones estadísticamente significativas, no estamos diciendo que no existan otras variaciones y que no son relevantes, sin embargo, a través de estas pruebas hemos identificado estadísticamente la probabilidad de que una determinada variación sea obra del azar. Siguiendo las buenas prácticas en el análisis cuantitativo, consideramos significativo un valor de significación menor a 0,05 (p-value < 0,05), que representa al menos 95% de probabilidad de que esa variación no sea casual (Cohen et al., 2017).

En el cuestionario que los hackers respondieron, uno de los ítems (CH-10) pedía para ellos puntuaren en qué medida algunas afirmaciones se aplicaban a sus contextos. Cada una de esas sentencias representaba uno de los indicadores de educación hacker que pre-elaboramos a través del marco teórico. En el total, esta cuestión Likert presentaba siete indicadores de educación hacker. Otros nueve indicadores compusieron otro ítem (CH11), en ese caso, una cuestión de selección simple donde cada indicador fue traducido en una afirmación que los encuestados debían seleccionar si ella se aplicaba a su experiencia en sus comunidades hacker.

La Tabla 23 presenta la frecuencia relativa y absoluta de cada indicador de educación hacker, además de la mediana para los indicadores que compusieron las preguntas Likert.

Al mirar la Tabla 23, es posible percibir que los valores de la mediana de los indicadores

indicadores Likert, lo que denota una adherencia menor de esos dos indicadores junto a los participantes que componen nuestra muestra. Por otro lado, percibimos que los indicadores ied03- Diversidad, ied15- Libertad e ied16- Curiosidad son los que presentan más de 80% de respuestas positivas, lo que denota una adherencia mayor por parte de los participantes.

Tabla 23: Tabla de frecuencia - Indicadores de educación hacker

Fuente: Elaboración propia.

Por más que las tablas nos ayuden a visualizar los datos en detalles, optamos por añadir representaciones gráficas a lo largo de la exposición de los datos cuantitativos, para que así tengamos más clareza al visualizar la adherencia que cada indicador ha tenido junto a la muestra. En ese sentido, la Figura 14 presenta la representación gráfica de los datos de la Tabla de frecuencia de los indicadores de educación hacker.

4 - Mucho Mediana

Copiar, reutilizar y remezclar cosas que otros han hecho se ve como una importante oportunidad de aprendizaje!

24

(20,87%) 91

(79,13%) ied02_cuidado

La gente suele preocuparse y cuidarse mutualmente. 4

(3,48%) 12

Todos los participantes son aceptados y respetados

independientemente de su raza, religión, pensamiento o opciones.

19

(16,52%) 96

(83,48%) ied04_activismo

Participamos y organizamos algunas acciones de activismo. 15

(13,04%) 26

La convivencia en la comunidad favorece la construcción del pensamiento crítico de los participantes.

Nuestra creatividad es muy estimulada en la comunidad. 55

(47,83%) 60

(52,17%) ied07_acceso

Los recursos (máquinas, tecnologías, materiales de aprendizaje) son de fácil acceso, sin muchas burocracias y barreras.

6

La mayoría de los participantes están en la comunidad motivados por el interés profesional y/o emprendedor.

No lamentar mucho los errores, pero verlos como la oportunidad de aprender!

Nuestras actividades y producciones no se limitan a la comunidad (afectan a la sociedad de alguna manera).

51

(44,35%) 64

(55,65%) ied12_participacionPolitica

Nuestra comunidad alienta la participación política (acciones de concientización, protesta e involucrándose en la realidad social).

20

Preferimos la acción (enfoque práctico) en lugar de la pasividad. 38

(33,04%) 77

(66,96%) ied14_pasionDiversion

Sentimos pasión por lo que hacemos y nos divertimos con nuestro trabajo!

26

(22,61%) 89

(77,39%) ied15_liberdad

La libertad es un elemento fundamental en la comunidad, es decir, nadie está obligado a nada, siempre que respete el colectivo.

4

Tenemos curiosidad en saber cómo funcionan las cosas. 20

(17,39%) 95

(82,61%)

Figura 14: Representación gráfica de la frecuencia de los indicadores de educación hacker en el contexto de las Comunidades Hacker

Fuente: Elaboración propia.

A través de la Figura 14 es posible percibir que con excepción de los indicadores de activismo y participación política, todos los demás poseen más del 50% de medición Mucho, o Extremadamente (opción Sí para los indicadores binarios). Esto indica que de manera general los indicadores de educación hacker que emergieron del marco teórico encuentran coherencia con la experiencia empírica de los hackers en sus diferentes contextos, pero a nosotros es importante comprender también cuán diversa son las experiencias de la educación hacker en sus diferentes contextos, pues, como hemos visto, no tenemos un movimiento centralizado, pero comunidades descentralizadas que se identifican con la cultura hacker y tienen identidades distintas. La búsqueda de variaciones estadísticamente significativas en nuestra muestra nos ha ayudado a comprender tal diversidad.

Empezando por las posibles variaciones estadísticamente significativas cuanto la localización geográfica, observamos en la Tabla 24, la tabla de frecuencia por subcontinente, que la mayoría de los participantes son de Europa, seguidos por América del Sur y América

del Norte y Central. Los continentes Oceanía, África y Asia, presentan un número muy inferior de participantes en nuestra muestra.

Tabla 24: Contexto Comunidades Hacker agrupado por subcontinentes

Fuente: Elaboración propia.

Como hemos visto en el capitulo cinco, para verificar las diferencias estadísticamente significativas (p-value) de la experiencia de los indicadores de educación hacker en relación a los subcontinentes hemos utilizado la prueba estadística Kruskal-Wallis para los indicadores Likert y la prueba Exacta de Fisher para los indicadores binarios.

Figura 15: Test Kruskal-Wallis de los indicadores de Educación Hacker Likert por SubContinente Fuente: Elaboración propia.

Cuando se calculó la estadística de Kruskal Wallis para determinar si había alguna diferencia estadísticamente significativa entre los seis subcontinentes, se encontró una diferencia significativa en relación el indicador de ied04- Activismo (χ²=13.821, p=.017), ied08- Non-emprendimiento/Hobbysmo (χ²=14.264, p=.014) e ied12- Participación política (χ²=15.162, p=.010), como percibimos en la Figura 15.

Entre los indicadores binarios, con la Prueba Exacto de Fisher, el único que presentó una diferencia estadísticamente significativa entre los seis subcontinentes fue el indicador de ied09- Valorización del error en el aprendizaje (p=.033), como muestra la Figura 16.

SubContinente Frecuencia Porcentaje

Europa 42 36,52%

América del Sul 38 33,04%

22 19,13%

Oceania 8 6,96%

Africa 3 2,61%

Asia 2 1,74%

TOTAL 115

América del Norte y Central

Figura 16: Prueba exacto de Fisher del indicador valoración del error por SubContinente

Fuente: Elaboración propia.

Profundizando un poco más en la búsqueda sobre dónde están esas diferencias, percibimos desde el Figura 17 que el activismo (ied04) se muestra una característica especialmente muy fuerte en las comunidades de América del Sur y para los hackers de Asia.

En Europa, donde los hackerspaces y hacklabs ya estuvieron muy asociados al mediactivismo, ese indicador tuvo menos del 50% de selecciones positivas, así como en Oceanía (sólo el 12%) y África (33%). En América del Norte y Central las selecciones positivas fueron exactamente del 50%.

El hobbysmo (ied08) está relacionado con lo que lleva a los hackers a participar de sus comunidades: hobby o razones profesionales? En ese sentido percibimos que mientras en América y Asia muchos participan de las comunidades por razones profesionales, en el resto de los contextos, especialmente Europa y Oceanía prevalece la convivencia en comunidades por hobby.

La valorización del error (ied09) como elemento esencial para el aprendizaje de los hackers, no se mostró un ítem significativo para la mayoría de los participantes de América del Sur y África, divergiendo de los datos obtenidos en los otros subcontinentes, con destaque para Asia, América del Norte y Central y Oceanía, donde 100%, 82% y 75% de los participantes, respectivamente, seleccionaron ese elemento como parte de su experiencia de cultura hacker.

Figura 17: Relación Educación Hacker x Subcontinentes Fuente: Elaboración propia.

La participación política (ied12), como hemos visto, de forma general es el indicador de educación hacker con menor adherencia en la investigación de campo. En África, Oceanía y Europa, respectivamente, fueron los lugares donde los hackers menos manifestaron la presencia de ese indicador, con una distancia significativa de las respuestas dadas por los hackers de América y Asia. Sospechamos que en este indicador, la palabra política puede tener sido comprendida por parte significativa de los participantes de la investigación como

asociada al contexto de la política partidaria y no en su sentido más amplio, relacionado con la gestión y la participación en la polis.

Es posible percibir que aun siendo un movimiento descentralizado, la mayoría de los indicadores, más específicamente, 12 de ellos, no presentan profundas variaciones entre los diferentes subcontinentes. Es importante resaltar que muchas comunidades de software libre están formadas por personas de diferentes lugares del mundo, que interaccionan y construyen conectados por la internet. En este sentido, la experiencia del hacker no está necesariamente vinculada con su ubicación geográfica.

Los hackers están organizados en diversos movimientos: biohacking, hackerspaces, hacklabs, movimientos de mediactivismo, comunidades de software libre, movimientos hacker feministas, creadores de Recursos Educacionales Abiertos, entre otros. Una comprensión que buscamos es sobre cómo los indicadores propuestos varían de acuerdo con la experiencia en estos distintos tipos de comunidades que se identifican con la cultura hacker.

Llamamos esos distintos tipos de comunidades de movimientos por comprender que tienen un conjunto de acciones y características que apuntan para determinados fines comunes, aunque también comprendemos que están vinculadas a un movimiento mayor que es el movimiento hacker.

Un número significativo de los hackers no participan solamente de un solo de esos movimientos, luego, en nuestra investigación, se utilizó un ítem de múltiple elección (variable SDMOV) para obtener esa información. Este detalle interfiere directamente en la manera en que debemos analizar los datos de ese ítem.

La opción que hicimos, como se expuso en el capitulo cinco, fue dividir este ítem de elección múltiple en ítems binarios, uno para cada movimiento. Así, a cada análisis, tuvimos dos grupos en la variable categórica: aquellos que participan del determinado movimiento y todos aquellos que no participan, así, los valores de significación obtenidos en las pruebas Mann-Whitney o en el Qui Cuadrado no se refieren a una comparación entre los movimientos, como ocurrió en el análisis en relación a los continentes, pero si de la variación entre los que pertenecen y no pertenecen. Teniendo esto en cuenta, la Tabla 25 presenta los movimientos que tuvieron un valor de significación estadísticamente relevante en relación a los indicadores de educación hacker.

Se percibe en la Tabla 25 que todos los ocho movimientos presentan para alguno indicador, variación estadísticamente significativa entre los que hacen parte del movimiento y los que no hacen.

Tabla 25: Movimientos con valor de significación estadísticamente relevante sobre los indicadores de Educación Hacker.

Fuente: Elaboración propia.

El grupo de aquellos que participan del movimiento biohacking, en comparación con el grupo de aquellos que no participan, presenta un valor de significación relevante en relación al indicador ied02- Cuidado (U=251,000, p=.039). A través del Figura 18 percibimos que mientras el grupo de aquellos que no forman parte del movimiento presenta 68% de afirmaciones positivas en relación a ese indicador, el grupo de los que participan presentan sólo 25%, con un elevado número de respuestas indecisas.

Figura 18: Movimiento biohacking y el indicador ied02- Cuidado.

Fuente: Elaboración propia.

En relación al indicador ied02- Cuidado, se percibe que algo parecido también ocurre con el movimiento de los hacklabs (U=736,500, p=.002), donde en la Figura 19 vemos que

Movimientos

aquellos que forman parte de ese movimiento presentaron adherencia menor a ese indicador en comparación con el grupo de los que no participan en ese movimiento.

Figura 19: Movimiento hacklab y el indicador ied02- Cuidado.

Fuente: Elaboración propia.

El movimiento de los hackerspaces, el cual, junto con el movimiento del software libre es el de mayor participación entre los encuestados, presenta variaciones estadísticamente significativas entre los que participan y no participan del movimiento en tres indicadores:

ied04- Activismo (U=1237, p=.027), ied08- Hobbysmo/no-emprendimiento (U=1226, p=.022)y ied13- Postura activa (χ²=5.423, p=.020).

Figura 20: Hackerspace y los indicadores ied04- Activismo, ied08- Hobbysmo e ied13- Postura Activa.

Fuente: Elaboración propia.

Como percibimos en la Figura 20, en relación al ied04- Activismo, aquellos que forman parte del movimiento de los hackerspaces revelan una experiencia de ese indicador significativamente inferior a los demás participantes. Por otro lado, en lo que se refiere al ied08- Hobbysmo/no-emprendimiento y la ied13- Postura activa, la percepción de los participantes expuesta en estas respuestas es significativamente superior a los que no participan. Es importante señalar que el indicador que llamamos hobbysmo o non-emprendimiento, se refiere al que motiva a los participantes a formar parte de esa comunidad.

Como la frase expuesta en el cuestionario es afirmativa en relación a la participación por razones profesionales o emprendedoras, "La mayoría de los participantes están en la comunidad motivados por el interés profesional y/o emprendedor.", esa variable fue invertida para exponer el motivo contrario, lo que llamamos hobbysmo.

A través del marco teórico percibimos que esa participación por hobby y no por motivos profesionales, forma parte de la raíz del movimiento hacker y en ese sentido, en la población investigada, hay variación estadísticamente significativa (U=1285,000, p=.047)entre aquellos que participan del movimiento del software libre y los que no participan, todavía, notamos que tal variación esta en el que hemos identificado junto a los participantes de hackerspaces.

Figura 21: Movimiento software libre y los indicadores ied01- Remix, ied09- Hobbysmo e ied10 - Apertura.

Fuente: Elaboración propia.

Mientras que el 72% de aquellos que no participan en el movimiento del software libre apuntan positivamente que sus pares participan de sus comunidades por razones no profesionales, el 52% de los que forman parte del movimiento del software libre apuntan lo

mismo (Figura 21). O sea, 48% de los que participan del movimiento del software libre lo hacen por razones profesionales, lo que se distingue de manera significativa de los que participan del os otros movimientos.

En otra dirección, percibimos que el grupo de participantes del movimiento del software libre revelan adherencia significativamente superior en relación a los indicadores de ied01- Remix (χ²=9.235, p=.002) e ied10- Apertura (χ²=10.574, p=.001), en ambos, presentando valores positivos de más de 20% superiores al grupo que no participa del movimiento. Otro movimiento que presenta un valor de significación estadísticamente relevante en lo que se refiere al indicador ied01- Remix es el movimiento maker (χ²=5.124, p=.024).

Este indicador que presenta una adherencia muy positiva en relación a toda la población investigada, encuentra en aquellos que forman parte del movimiento maker 96% de respuestas positivas, como se puede ver en la Figura 22, siendo el indicador más fuerte en este grupo.

La valoración del error como algo importante en el proceso de aprendizaje es un indicador que también se sobresale en el grupo de aquellos que forman parte del movimiento maker en comparación con los demás (χ² = 7.840, p = .005), donde el 83% de los participantes de ese grupo seleccionaron ese indicador como parte de sus contextos, contra el 52% de aquellos que no forman parte de él.

Figura 22: Movimiento maker y los indicadores ied01- Remix e ied09- Valoración del error.

Fuente: Elaboración propia.

Los dos movimientos que teóricamente presentan mayor implicación social y política son el de mediactivismo y el movimiento del hacker feminismo, lo que de hecho se reveló en los datos recogidos. Sobre el indicador de ied12- Participación política, el movimiento del

entre los que participan y no participan, siendo que el 100% de sus participantes respondieron positivamente a ese indicador, frente al 36% del otro grupo, como muestra la Figura 23.

Figura 23: Movimiento Hacker Feminista y el indicador ied12- Participación política.

Fuente: Elaboración propia.

En el caso del movimiento del mediactivismo (U=253, p=.006) , el 70% de los que forman parte del movimiento respondieron positivamente a ese indicador. Como se esperaba, otro indicador que mostró ser más significativo a los que participan de ese movimiento fue el indicador de ied04- Activismo (U=306.500, p=.025). Se percibió que el 80% de los participantes respondieron positivamente a ese indicador, frente al 46% de respuestas positivas de aquellos que no participan del movimiento, como se puede ver en la Figura 24.

Figura 24: Movimiento mediactivismo y los indicadores ied04- Activismo e ied12- Participación política.

Fuente: Elaboración propia.

Por último, percibimos variaciones estadísticamente significativas entre el grupo de aquellos que participan del movimiento de los Recursos Educacionales Abiertos, en comparación con los que no participan, en relación al indicador de ied05- Postura crítica (U=298.500, p=.018). A pesar de que este indicador se mostró muy positivo en toda

población, entre aquellos que forman parte de este movimiento 80% señalaron que la convivencia en sus comunidades favorecen Extremadamente la construcción del pensamiento crítico, como percibimos en la Figura 25.

Figura 25: Movimiento REA y el indicador ied05 - Postura Crítica.

Fuente: Elaboración propia.

Percibimos que la experiencia de la educación hacker puede ser diferente en determinados aspectos de acuerdo con la ubicación geográfica y con el movimiento especifico de que la persona forma parte. Por último, queremos comprender como la percepción de estos indicadores de educación hacker son diferentes en relación a la identidad de género de los hackers.

Tabla 26: Tabla de frecuencia - Identidad de género - Comunidades Hacker

Fuente: Elaboración propia.

Podemos observar en la Tabla 26 que la gran mayoría (75,65%) de los hackers participantes de la investigación se identifican como hombres. Las mujeres representan el 14,78% de las respuestas mientras que el 3,48% se identificó como no binario. Aquellos que no quisieron exponer su identidad de genero representan el 6,09% y no fueron considerados en los análisis siguientes.

En la prueba Kruskal-Wallis (Figura 26) entre los indicadores de educación hacker Likert y la identidad de género, percibimos que los indicadores ied05- Postura crítica (χ²=6,250, p=.044) e ied12- Participación política (χ²=12,445, p=.002) presentan un valor de

Identidad de gênero Frecuencia Porcentaje Porcentaje Valido

Hombre 87 75,65% 80,56%

Mujer 17 14,78% 15,74%

Otro 4 3,48% 3,70%

no revelado 7 6,09% perdidos

TOTAL 115

Figura 26: Prueba Kruskal-Wallis de los indicadores de educación hacker Likert por Identidad de género Fuente: Elaboración propia.

Al observar el ranking medio en la Figura 27, base para la prueba Kruskal-Wallis, es posible comprender que en relación a la postura crítica, la adhesión del grupo no binario y de las mujeres es superior a la de los hombres. La misma lógica se repite en relación a la percepción de la participación política, pero con una superioridad mayor de los que se identifican como non binarios.

Figura 27: Rank para el test Kruskal-Wallis - Postura crítica y participación política Fuente: Elaboración propia.

Entre los indicadores binarios de educación hacker, el ied10- Apertura es el único que presentó variación estadisticamente significativa a través de la prueba exacta de Fisher (Exact Test=7,785, p=.015). A través de la Figura 28 percibimos que la adhesión de las mujeres en

Entre los indicadores binarios de educación hacker, el ied10- Apertura es el único que presentó variación estadisticamente significativa a través de la prueba exacta de Fisher (Exact Test=7,785, p=.015). A través de la Figura 28 percibimos que la adhesión de las mujeres en

Dans le document de las comunidades hacker hasta la escuela (Page 148-163)