Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

J Comput High Educ (2016) 28: 307–325 DOI

10.1007 / s12528-016-9120-2

Estendendo a vontade, habilidade e modelo de ferramenta de integração de

tecnologia: adicionando pedagogia como um novo modelo de construção

Gerald Knezek1 • Rhonda Christensen2

Publicado online: 10 de agosto de 2016

- Springer Science + Business Media New York 2016

Resumo Uma expansão do Modelo de Vontade, Habilidade e Ferramenta de Integração de Tecnologia

para incluir o estilo pedagógico do professor é proposta pelos autores como um meio de avançar o
poder preditivo do modelo para o nível de integração de tecnologia em sala de aula para além de 90%.
As vantagens sugeridas para esta expansão incluem a identificação mais precisa de áreas a serem
direcionadas para o desenvolvimento profissional do professor e a perspectiva de alinhar o estilo de
ensino com tecnologia com os estilos de aprendizagem do aluno, a fim de melhor atender às metas do
sistema educacional, como envolvimento do aluno, aprendizagem e realização. As descobertas iniciais
são que a preferência pedagógica ou estilo em relação às tecnologias antigas e novas é responsável
por aproximadamente 30% do nível de integração da tecnologia em sala de aula. Os autores afirmam
que vale a pena manter isso como uma melhoria fundamental do modelo.

Palavras-chave Integração de tecnologia - Preditores - Vontade - Habilidade - Pedagogia - Acesso a

ferramentas de tecnologia

Introdução

Modelos de integração de tecnologia têm sido propostos há décadas. Estes geralmente se

enquadram em duas categorias: a) modelos que enfatizam a remoção de barreiras (por
exemplo, Rogers1999) inibir os professores de implementar totalmente as tecnologias da
informação em ambientes de ensino e aprendizagem, eb) modelos que enfatizam o acúmulo de
proficiências (por exemplo, Vannatta e Fordham 2004) necessários para orquestrar o ensino e a
aprendizagem com a tecnologia. Os autores primeiro propuseram um

E Rhonda Christensen
rhonda.christensen@gmail.com

1
University of North Texas, 3940 N. Elm G-150, Denton, TX 76203, EUA
2
Instituto para a Integração de Tecnologia em Ensino e Aprendizagem (IITTL), 3940 N. Elm
G-150, Denton, TX 76203, EUA

123
308 G. Knezek, R. Christensen

modelo de proficiência intitulado Will, Skill, Tool Model of Technology Integration (WST)
no início do século XXI (Knezek et al. 2000a), como uma consolidação de três processos de
mais de 30 variáveis reconhecidamente importantes no ambiente de aprendizagem em
sala de aula (Klausmeir e Goodwin 1975) Durante os 15 anos que se passaram desde o
lançamento inicial do Modelo WST, e mesmo quando o modelo teve um bom
desempenho ([previsão de 60% do nível de integração de tecnologia), surgiram evidências
de que a precisão e a utilidade prática do modelo podem ser aprimorado com a adição de
um quarto construto teórico. Este construto é descrito vagamente como estilo preferido
de ensino com tecnologia ou abordagem pedagógica tecnológica nesta introdução, com o
entendimento de que deve ser definido de forma mais precisa em outra seção deste
artigo. O objetivo deste artigo é apresentar um quarto construto no Modelo de Vontade,
Habilidade e Ferramenta de Integração de Tecnologia, e relatar o desempenho da
estrutura teórica estendida do WST. Especificamente, este documento detalha os
procedimentos empregados e relata os resultados do teste da vontade, Habilidade,
Ferramenta, Modelo de Pedagogia de Integração Tecnológica (WSTP). Uma versão
anterior deste artigo foi apresentada na Conferência Internacional de Cognição e
Aprendizagem Exploratória na Era Digital (CELDA) em Dublin, Irlanda (Knezek e
Christensen2015)

Desenvolvimento do modelo WST

O modelo de integração de tecnologia proposto neste artigo tem raízes conjuntas nos campos
da psicologia educacional (Slavin 2015) e modelagem estrutural formalizada conforme tipificada
pela modelagem de equações estruturais (Schumacker e Lomax 2015) Os fundamentos da
psicologia educacional serão apresentados primeiro.

O ambiente de aprendizagem escolar

A aprendizagem na escola é reconhecida como uma questão complexa há muitas

décadas. Por exemplo, Klausmeir e Goodwin identificaram 37 variáveis em nove
categorias principais que afetam o ambiente de aprendizagem escolar. Entre eles estão
itens como metas e objetivos instrucionais, capacidade intelectual do aluno, interesse e
conhecimento do professor sobre o assunto, relações casa-escola-comunidade, espaço
físico e características do equipamento e disponibilidade de materiais didáticos impressos
e audiovisuais (Klausmeir e Goodwin1975, p. 13). Uma lista das nove categorias e variáveis
relacionadas desenvolvidas por Klausmeir e Goodwin como influenciando o ambiente de
aprendizagem são fornecidas na Tabela1.
Essas 37 variáveis podem ser organizadas em três categorias principais relacionadas com a
casa, a escola e a comunidade, conforme mostrado na Fig. 1.

Consolidação de atributos

Knezek e Christensen simplificaram ainda mais o modelo estrutural para o aprendizado do aluno
mostrado na Fig. 1 focar no ambiente escolar e, especificamente, na contribuição da integração da
tecnologia em sala de aula para o aprendizado dos alunos. O resultado foi o Modelo de Vontade,
Habilidade e Ferramenta de Integração de Tecnologia (WST) (Knezek et al.2000a)

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 309

tabela 1 Variáveis que afetam o ambiente de aprendizagem escolar

I. Objetivos (como resultados incorporados, como formulados e usados)

II. Assunto (assunto, organização e sequência)
III. Materiais de instrução (tipo, qualidade e disponibilidade)
4. Características do aluno (nível de realização e habilidade, maturidade física, características
afetivas, saúde, autoconceito, percepção, idade e sexo)
V. Características do professor (conhecimento da matéria, características afetivas incluindo
motivação e valores, saúde, autoconceito, percepção da situação, idade e sexo)
VI. Interações em sala de aula (aluno para aluno, aluno para professor, professor para professor e professor para
administrador)

VII. Organização para a instrução (elementar vs. secundário, independente vs. departamentalizado por assunto,
estruturas de equipe)

VIII. Características físicas (espaço, suprimentos, equipamentos)

IX. Relações casa-escola-comunidade (pais, escola, distrito, comunidade)

Adaptado de Klausmeir e Goodwin (1975, p. 13)

Figura 1 Influências do lar, da escola e da comunidade na aprendizagem dos alunos

mostrado no lado esquerdo da Fig. 2. Neste modelo, os 37 atributos identificados por

Klausmeir e Goodwin (1975) que foram consolidados em três categorias relevantes para a
aprendizagem dos alunos (ver Fig. 1) foram então reduzidos a um foco na aprendizagem
em um ambiente de sala de aula (escolar) com o auxílio da integração de tecnologia. Cada
variável latente hipotética ou construção na Fig.2 é representado por um oval, enquanto
cada escala de medida que serve como um indicador de uma construção é listada em um
paralelogramo. As formas ovais na Fig.2 são referidos coletivamente como o modelo
estrutural, enquanto os paralelogramos formam coletivamente a medição

123
310 G. Knezek, R. Christensen

Figura 2 Vontade, habilidade, modelo de ferramenta do impacto da integração de tecnologia no desempenho acadêmico

modelo, como é prática padrão em modelagem de equações estruturais (Schumacker e

Lomax 2015)

Justificativa para o modelo de dois estágios

Knezek et al. (2000a) desenvolveram o segundo estágio do modelo WST, focado em prever o
impacto da integração da tecnologia da sala de aula no desempenho dos alunos,
principalmente em resposta às solicitações do Departamento de Educação dos Estados Unidos
de 1999 para avaliar o impacto da infusão de tecnologia nas salas de aula do país por meio do
Preparing Programa Professores de Amanhã para Usar Tecnologia (PT3). Outras entidades
educacionais também exigiam a especificação das contribuições precisas das implementações
de tecnologia para o aprendizado dos alunos naquela época. Por exemplo, em 1999, o Milken
Exchange on Education Technology identificou sete categorias principais de variáveis
destinadas a ''… ajude os formuladores de políticas a responder à pergunta: 'Qual é o retorno
sobre o investimento público em tecnologia de aprendizagem K-12?' '(Coughlin e Lemke 1999,
p. 9). Desde que o modelo inicial foi introduzido, outros

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 311

pesquisadores como DeMars (2001) identificaram a necessidade de construir modelos

eficazes para lidar com as múltiplas variáveis. Este segundo estágio do modelo WST, que
enfoca o impacto da integração da tecnologia da sala de aula no desempenho do aluno, é
mostrado no lado direito da Fig.2.

Definindo construções WST

De acordo com o modelo mostrado na Fig. 2, os construtos Vontade, Habilidade e Ferramenta

influenciam de forma independente a integração da tecnologia na sala de aula. Todos os três
construtos são considerados contribuintes importantes para a integração da tecnologia. Por
exemplo, educadores que receberam treinamento e prática em tecnologia e estão dispostos a
usá-la com seus alunos - mas não têm acesso à tecnologia em suas escolas - claramente não
são capazes de integrar a tecnologia ao aprendizado. Assim, a área nomeadaFerramenta está
relacionado à disponibilidade, acessibilidade e extensão do uso da tecnologia. Muitas escolas
fornecem uma grande quantidade de hardware e software (ferramentas), mas fornecem pouco
ou nenhum desenvolvimento profissional para professores. Para esses tipos de ambientes
escolares, as compras muitas vezes não são utilizadas.Habilidade é a capacidade de usar e
experimentar a tecnologia (Coughlin e Lemke 1999), bem como a autopercepção de
autoconfiança (autoeficácia) e prontidão para usar a tecnologia. Habilidade a proficiência é mais
comumente estabelecida por meio do desenvolvimento profissional. A aceitação do valor e da
importância da tecnologia é outro componente crítico do modelo.Vai é conceitualmente
definido como uma atitude positiva em relação ao uso da tecnologia no ensino. Integração de
Tecnologia é o nível autopercebido de adoção de tecnologia para fins educacionais. No modelo
WST inicial, cada um dos construtos foi definido operacionalmente por várias medidas (Knezek
et al.2000b):

Vai foi representado por duas medidas: Subescalas dos Questionários de Atitudes dos
Professores em relação aos Computadores (TAC) e Atitudes dos Professores em Relação à
Tecnologia da Informação (TAT).
Habilidade foi representado por quatro medidas: Email, World Wide Web,
Aplicativos Integrados e Ensino com Tecnologia (TWT) do Questionário de
Autoavaliação de Proficiência em Tecnologia (TPSA).
Ferramenta foi representado por medidas de acesso domiciliar e acesso à tecnologia em sala
de aula.
Integração de Tecnologia foi representado por três medidas: Estágios de Adoção de
Tecnologia na Educação, o Modelo de Adoção Baseado em Preocupações (CBAM)
Questionário de Níveis de Uso (LoU) e o Instrumento de Estágios do Professor das
Salas de Amanhã (ACOT) da Apple.

Especificações adicionais para essas e outras medidas são detalhadas nas

seções a seguir.

Aplicações do modelo WST original

Knezek et al. (2003) descobriram, usando dados coletados de 1999 a 2001, que 70-84% do nível
de integração tecnológica dos professores poderia ser previsto com base em medidas de

123
312 G. Knezek, R. Christensen

Will, Skill e Tool, enquanto 8–12% ao ano de realização de leitura intensiva em tecnologia de
primeiro e segundo grau era atribuível ao nível de integração de tecnologia em sala de aula.
Morales et al. (2005) examinaram 10 amostras de distritos escolares de professores no período
de 2001–2005 e descobriram que Will, Skill e Tool representaram 64–83% da variação na
proficiência de Integração de Tecnologia para professores em atividade. Morales (2006)
conduziram um estudo transnacional do modelo usando medidas refinadas para sete amostras
de professores do México e dos EUA e concluíram que 90-96% da integração da tecnologia em
sala de aula poderia ser atribuída a medidas de Vontade, Habilidade e Ferramentas para esses
professores. A variância total explicada pelo modelo foi de mais de 90% para todas as amostras,
com a tendência deHabilidade foi o mais forte preditor de integração de tecnologia nos EUA,
enquanto Ferramenta foi o preditor mais forte no México (Morales e Knezek 2007) Petko (2012)
usaram o modelo WST com medidas autosselecionadas para determinar o impacto do estilo de
ensino construtivista no uso de mídia digital em salas de aula suíças. Cinco fatores foram
responsáveis por um total de 60% da variância da intensidade de uso das tecnologias de
informação e comunicação. Entre esses fatores estavam a confiança do professor em sua
competência, o acesso à tecnologia, a crença do professor no poder da tecnologia para
melhorar a aprendizagem e a frequência das formas construtivistas de ensino e aprendizagem
(Petko2012)

Especificação do modelo atualizado: pedagogia como uma nova construção

Desde 2005, os autores presumiram que o Modelo de Vontade, Habilidade e Ferramenta

de Integração de Tecnologia (WST), conforme revelado na virada do século (Knezek et al.
2000a) e mostrado na Fig. 2, pode ser melhorado tendo a prática pedagógica (estilo de
ensino) '' tornar-se um parceiro pleno do modelo '' (Hancock et al. 2007, p. 91). As
descobertas de Petko (2012), conforme descrito na seção anterior, serviu como um
impulso adicional para os autores do trabalho atual examinarem os possíveis benefícios
de isolar o estilo pedagógico como uma construção separada em uma extensão do
modelo WST básico.
Watkins e Mortimore (1999, p. 17) ofereceu uma definição de pedagogia como
'qualquer atividade consciente de uma pessoa destinada a melhorar a aprendizagem de
outra'. Para efeitos de expansão do Modelo WST, a Pedagogia inclui o estilo de ensino
(construtivista, behaviorista, etc.) e engloba o que normalmente é entendido como
abordagem de ensino ou estratégia instrucional. No caso da integração de tecnologia, a
Pedagogia também inclui o nível de confiança que os professores sentem em seu uso de
estratégias de ensino de tecnologias para aprimorar a aprendizagem de seus alunos. Esta
definição engloba conceitos da estrutura de conhecimento pedagógico do conteúdo (PCK)
bem estabelecida na literatura (Shulman1986), bem como o foco conceitual mais recente
no conhecimento do conteúdo pedagógico tecnológico (TPACK) (Niess 2005; Mishra e
Koehler2006; Koehler e Mishra2008) O PCK de Shulman enfatizou a união de pedagogia e
conhecimento de conteúdo, abrangendo conhecimento sobre diferentes tipos de
aprendizagem e as muitas maneiras diferentes de ensinar (Shulman1986) TPACK
adicionou o componente de tecnologia à estrutura de pedagogia e conhecimento de
conteúdo (Mishra e Koehler2006)

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 313

Validação de construção da pedagogia

As descobertas na literatura que corresponderam às conjecturas anteriores dos autores sobre a

importância do estilo de ensino para a integração de tecnologia de sala de aula de qualidade
levaram os autores a implementar testes formais da integridade de Pedagogia como uma
construção de modelo separada. Uma análise fatorial de ordem superior (Thompson2004)
concluído em 2014 indicou que uma das escalas de medição do modelo original, Ensino com
Tecnologia (TWT), e uma escala de medição desenvolvida recentemente, TWT Emergente,
agrupadas em um domínio de ordem superior rotulado Pedagogia (Christensen e Knezek 2014)
Por outro lado, três indicadores originais paraHabilidade (E-mail, WWW e aplicativos
integrados), todos preservaram seu agrupamento original juntos como representantes de
Habilidade. Isso serviu como uma forma de validação de construção para Pedagogia como uma
construção de modelo separada.

Indicadores de construção revisados

Revisões nos indicadores primários para Vontade, habilidade, ferramenta e Pedagogia resultou
das atividades de validação de construto de 2014 (Knezek e Christensen 2015) descrito na seção
anterior. Essas construções têm se mantido ao longo do tempo, mesmo que seus indicadores
tenham sido atualizados para refletir tecnologias e ambientes mais recentes. As atualizações de
2014 de pontuações de escala e índices demográficos foram usadas para os modelos de
previsão apresentados no restante deste artigo. Os indicadores de 2014 são descritos em
detalhes nesta seção.

Medidas de vontade

Indicadores da construção Vai vêm do Questionário de Atitudes do Professor em relação

aos Computadores (TAC) (6.1) (Christensen e Knezek 2009) e medir as atitudes em relação
aos computadores nas seguintes oito áreas usando uma escala Likert de 1 = Discordo
totalmente a 5 = Concordo totalmente:

TAC 1 Interesse - prazer e satisfação em usar computadores Conforto - falta

TAC 2 de ansiedade; confortável com o uso da tecnologia Acomodação -
TAC 3 aceitação de computadores; vontade de aprender e-mail - utilidade do
TAC 4 e-mail para os alunos
TAC 5 Preocupação - medo de que os computadores tenham um impacto negativo na sociedade
TAC 6 Utilidade - crença de que os computadores são úteis para produtividade e instrução
TAC 7 Percepção - sentimento geral em relação aos computadores (diferencial semântico de 1 a
7)
TAC 8 Absorção - crença de que os computadores fazem parte de muitas áreas de trabalho e
lazer

As confiabilidades para essas subescalas normalmente variam de 0,87 a 0,95 com dados de professores do ensino

fundamental e médio.

123
314 G. Knezek, R. Christensen

Medidas de habilidade

Indicadores da construção Habilidade vêm do Questionário de Autoavaliação de

Proficiência em Tecnologia, originalmente criado por Ropp (1999) e modificado por
Christensen e Knezek (Knezek et al. 2000b) As medidas de Autoavaliação de Proficiência
em Tecnologia (TPSA) usadas para indicadores de habilidade em tecnologia no modelo
incluem: E-mail (TP_Email), Aplicativos Integrados (TP_IA), uso da World Wide Web
(TP_WWW) e Ferramentas Emergentes. A confiabilidade normalmente varia de 0,81 a 0,87.

Medidas de ferramenta

Medidas de acesso e uso de ferramentas de tecnologia (Ferramenta construir) inclui o número de

computadores disponíveis para o professor na sala de aula, a freqüência com que os computadores
são usados para o aprendizado em sala de aula, a freqüência com que a tecnologia é usada para a
instrução, bem como o acesso do professor à tecnologia e à Internet em casa. Esses itens são
normalmente relatados pelos próprios professores na seção de demografia de uma bateria de
instrumentos de pesquisa.

Medidas de pedagogia

Indicadores da construção Pedagogia também vêm do Questionário de

Autoavaliação de Proficiência em Tecnologia (Knezek et al. 2000b) A versão
atualizada da Autoavaliação de Proficiência em Tecnologia (TPSA), TPSA C21,
inclui duas medidas dePedagogia: Teaching with Technology (TWT) do
instrumento original e, Teaching with Emerging Technologies (Emerging TWT),
como smartphones e mídias sociais, do TPSA atualizado (Christensen e Knezek
2014) A confiabilidade normalmente varia de 0,87 a 0,93.

Medidas de resultado para testar o modelo

Três medidas de resultados autorreferidas foram incluídas na bateria de instrumentos

administrados aos educadores. Estes servem como indicadores do construtoIntegração de
Tecnologia (Integração da Sala de Aula) no modelo estrutural mostrado na Fig. 2. Um indicador
foi o Questionário de Nível de Uso de Tecnologia (CBAM_LoU) com base no Modelo de Adoção
Baseado em Preocupações / escala de Nível de Uso para difusão de inovação (Hall et al.1975),
enquanto outra foi a escala Estágio de Adoção de Tecnologia na Educação (Estágios)
desenvolvida por Christensen (1997), com base no trabalho anterior de Russell (1995) O terceiro
instrumento foi baseado no trabalho de Dwyer et al. (1990) para o projeto Apple Classrooms of
Tomorrow (ACOT), e é chamado de ACOT Teacher Stages Instrument. Cada um deles é um
instrumento de um único item que não pode ser facilmente verificado quanto à confiabilidade
da consistência interna. No entanto, as confiabilidades de teste-reteste para vários grupos de
professores do ensino fundamental e médio mostraram que as confiabilidades costumam ser
maiores do que 0,8. Pesquisa de Hancock et al. (2007) demonstraram que os três índices usados
juntos como uma escala de integração de tecnologia produziram o Alpha de Cronbach = 0,84.
Para muitos estudos de pesquisa usando essas medidas,

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 315

os autores produzem uma pontuação de fator unidimensional com base na extração da pontuação ''
verdadeira '' para cada educador nas três medidas, e usam essa pontuação de fator como o Integração
de Tecnologia (resultado) medida.

Amostras de dados

Os dados foram coletados de um sistema online de vários grupos de educadores que

estavam de alguma forma focados em aumentar o nível de integração da tecnologia no
ambiente de ensino e aprendizagem.
O conjunto de dados de 2011 é o mais abrangente e inclui as três medidas de integração de
tecnologia, dados de atitude (vontade), dados de ferramentas e dados de habilidades de tecnologia.
Para esse conjunto de educadores, foram coletados dados de 1.648 professores de sala de aula em um
grande distrito escolar público em um estado na região sudoeste dos Estados Unidos. Esses
professores relataram ensinar em média 11,5 anos.
O conjunto de dados de 2014 incluiu medidas de Habilidade, ferramenta e Pedagogia mais o
Integração de Tecnologia medidas de Fases, CBAM LoU e Fases do Professor ACOT. Os dados
foram coletados de 466 participantes que representam vários segmentos do ensino
fundamental e médio. Os entrevistados incluíam educadores em serviço e de formação inicial,
bem como administradores e paraprofissionais de vários estados dos EUA. O número de anos
relatados de ensino para os respondentes da pesquisa variou de 0 a 43 com uma média de 7,7
anos. Trinta e quatro por cento (34%) eram professores de formação inicial, relatando 0 anos de
ensino.
O conjunto de dados de 2015 incluiu medidas de Habilidade, ferramenta, e Pedagogia mais
o Integração de Tecnologia medidas de Fases, CBAM LoU e Fases do Professor ACOT. As
respostas foram recebidas de 226 participantes, incluindo pessoal de apoio (paraprofissionais),
professores ou profissionais do campus e administradores de um distrito escolar em um estado
no sudoeste dos Estados Unidos. O número médio de anos que os respondentes lecionaram foi
de 11,9 anos. Setenta e sete por cento dos entrevistados eram professores do ensino
fundamental e médio.

Resultados: desempenho do modelo WST estendido

As análises dos dados de 2011 e 2014 indicaram que o Modelo de Vontade, Habilidade e Ferramenta
de Integração de Tecnologia se beneficiaria da colocação de um quarto construto preditivo para o
modelo de integração de tecnologia, chamado Pedagogia, no modelo. Conforme mostrado na
primeira coluna RSQ da Tabela2, os componentes de Habilidade, ferramenta, e Pedagogia foram
capazes de responder por 28%, nove por cento e 30%, respectivamente, da porcentagem do construto
Integração de Tecnologia para o conjunto de dados de 2014 neste estudo. Além disso, conforme
mostrado na última coluna da Tabela2, um conjunto de dados de teste de modelo adicional de 2011
que também incluiu medidas de Vai (TAC) (Christensen e Knezek 2009) na bateria de instrumentos de
avaliação do desenvolvimento profissional administrada a 1.648 professores, produziram coeficientes
de regressão comparáveis ao estudo de 2014 para os três componentes identificados no conjunto de
dados. Uma análise mais aprofundada do conjunto de dados de 2011 indicou que 29 por cento do
construtoIntegração de Tecnologia poderia ser atribuído

123
316 G. Knezek, R. Christensen

mesa 2 Habilidades de previsão de indicadores de vontade, habilidade, ferramenta e pedagogia para dados de 2011 e 2014

Modelo Indicador Dados RSQ 2014 Dados RSQ 2011

componenteuma conjunto (n = 466) conjunto (n = 1648)

Vai TAC subescala conforto, utilidade e . 29

absorção foram sig.
Habilidade TP_Email, TP_WWW, TP_IA (e-mail era . 28 . 29
NS)
Ferramenta Uso doméstico, uso do aluno, . 09 . 15
Pedagogia acesso TP_TWT . 33 . 30

uma Variável dependente: pontuação do fator REGR derivada dos estágios, CBAM LoU e estágios do professor ACOT, representando
construção de integração de tecnologia

Fig. 3 Vontade expandida, habilidade, modelo de ferramenta de integração de tecnologia, incluindo pedagogia

para as escalas que compreendem Vai. O modelo WST expandido (WSTP) é mostrado na
Fig. 3.
Com base nos conjuntos de dados de 2011 e 2014, e conforme mostrado na Tabela 2,
Ensinando com Tecnologia (Pedagogia) sozinho pode explicar 33% da tecnologia da sala de aula

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 317

integração. Esta construção parece ser consistente com o que Mishra e Koehler (2006)
rotularam Conhecimento Tecnológico Pedagógico no Modelo TPACK. Não mostrado na
tabela2 é que a parte antiga do TWT da Pedagogia é, em 2014, um indicador muito mais
forte de integração de tecnologia (ß = 0,446) do que o TWT emergente (ß = 0,147), o
último dos quais é baseado em smartphones e outras tecnologias mais recentes. No
entanto, ambos são contribuintes significativos (p \.05).
Outros detalhes de análise não mostrados na Tabela 2 demonstrou que entre os Habilidade
medidas no instrumento de autoavaliação de proficiência em tecnologia, habilidades de e-mail
contribuíram muito pouco para a previsão de regressão (ß = -.017, p =.793), e a contribuição das
habilidades WWW também foi pequena (ß = 0,101; p =.216). Curiosamente, os Aplicativos
Integrados (processador de texto, planilhas, etc.) acabaram sendo o preditor mais forte (ß =
.363,p \.0005), mas habilidades de tecnologia emergentes (ß = 0,123, p =.049) também
contribuiu significativamente para a integração de tecnologia em sala de aula como um
indicador do construto Habilidade.
O Ferramenta medidas resumidas na Tabela 2 coletivamente contribuíram com pelo menos
nove por cento do nível de integração da tecnologia em sala de aula para este grupo de
educadores. Entre estes, o uso da sala de aula do aluno (ß = .145,p =.015) e Horário de uso
doméstico pelo professor (ß = 0,159, p =.003) foram os contribuintes mais fortes.
Observe que não houve nenhum indicador para o construto Vai no conjunto de dados de 2015.
Portanto, a força de contribuição deVai para o conjunto de dados de 2015 é desconhecido.

Reconfirmação do desempenho do modelo

Resumo de desempenho com conjunto de dados de 2015

A fim de explorar a robustez do modelo expandido de Vontade, Habilidade e Ferramenta de

Integração de Tecnologia (WSTP), as análises descritas nas seções anteriores foram repetidas
com um novo conjunto de dados (n = 226 educadores) coletados de educadores adicionais em
2015. mesmos instrumentos usados para os resultados na primeira coluna da Tabela 2
também foram usados para os resultados resumidos na Tabela 3. Conforme mostrado na
Tabela3, Pedagogia foi considerado responsável pela maior parte da integração de tecnologia
(ß = 0,35; valor quadrado da correlação de Pearson entre as pontuações do fator de construção
= 0,34), enquanto Habilidade foi o segundo indicador mais importante (ß = 0,34, construto r2 =
.30) e Ferramenta ainda era um significativo (p \.001) indicador, mas o menos importante para
este grupo de educadores (ß = .10, construto r2 = 0,07). Esses valores refletem a magnitude da
contribuição de cada construção com a mesma ordem de classificação de importância para as
contribuições deHabilidade, ferramenta, e Pedagogia dados de 2011, 2014 e 2015 de três
grupos de educadores. As comparações detalhadas dos resultados serão apresentadas no
restante desta seção.

Contribuição de habilidade para o conjunto de dados de 2015

A regressão linear foi usada para testar a capacidade do educador autorreferido

Habilidade indicadores de autoeficácia em Email (TP_Email), WWW (TP_WWW), Aplicativos
Integrados (TP_IA) e Ferramentas de Tecnologia Emergentes (TP_EmergingTools) para

123
318 G. Knezek, R. Christensen

Tabela 3 Habilidades de previsão de integração de tecnologia de indicadores de vontade, habilidade, ferramenta e pedagogia para 2015
dados

Modelo Indicador RSQ de regressão Pontuação do fator de construção

componenteuma Conjunto de dados de 2015 Pearson r2 Conjunto de

(n = 226) dados de 2015 (n = 226)

Vai TAC subescala conforto, utilidade e

absorção foi significativa
Habilidade TP_Email), TP_WWW, TP_IA, . 34 . 30
TP_Emerging tool app)
Ferramenta Uso doméstico, uso do aluno, acesso . 10 . 07
Pedagogia TP_ TWT e . 35 . 34
TP_TWTEmergingTech

uma Variável dependente: pontuação do fator REGR derivada dos estágios, CBAM LoU e estágios do professor ACOT, representando
construção de integração de tecnologia

Tabela 4 Contribuições relativas de habilidades em e-mail, WWW, aplicativos integrados e ferramentas de tecnologia
emergentes para o nível de integração de tecnologia

Modelouma Coeficientes não padronizados Padronizado t Sig.

coeficientes
B SE

1 (Constante) - 3,712 . 664 - 5,591 . 000

TP_WWW . 500 . 216 . 244 2,314 . 022

TP_IA . 263 . 110 . 226 2.383 . 018

TP_EmergingTools . 387 . 133 . 261 2.920 . 004

TP_Email -. 288 . 193 -. 125 - 1.494 . 137

uma Variável dependente: pontuação do fator REGR derivada dos estágios, CBAM LoU e estágios do professor ACOT, representando
construção de integração de tecnologia

prever Integração de tecnologia. Nesse modelo de regressão, a variável de resultado que

representa o construto de Integração de Tecnologia foi a pontuação do fator derivada do único
fator subjacente às três medidas de integração de Estágios, CBAM LoU e Estágios do Professor
ACOT. Os preditores eram variáveis contendo as pontuações da escala para cada uma das
quatro escalas multi-item da TPSA relacionadas comHabilidade.
Este modelo de regressão provou ser um bom ajuste (F = 27,8, 4 9 215 df, p \.0005) com R =
0,584. O modelo explicou 34% (RSQ = 0,341) do nível de integração de tecnologia do professor
com base nos quatro preditores de habilidade, conforme relatado anteriormente na Tabela3.
Conforme mostrado na Tabela4, habilidade em ferramentas de tecnologia emergentes, como
aprendizagem móvel, mídia social e uso de um ambiente baseado em nuvem, é o mais forte
preditor de Integração de Tecnologia (ß = 0,261, p =.004) enquanto habilidade WWW (ß = 0,244,
p =.022) e habilidade de aplicativos integrados (ß = 0,226, p =.018) como processador de texto,
planilhas foram todas significativas (p \.05) colaboradores. Apenas a habilidade de e-mail não foi
um contribuidor individual significativo para a construção de Integração de Tecnologia (ß =
-.125, p =.137), assumindo que os outros três preditores de habilidade foram mantidos
constantes. Observe que a habilidade WWW produziu o maior coeficiente de regressão não
padronizado, mas habilidade em Ferramentas de Tecnologia Emergentes

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 319

surgiu como o discriminador padronizado mais forte. Ou seja, as Ferramentas de Tecnologia

Emergentes produziram o maior coeficiente de regressão padronizado (ß) - um indicador de
importância em termos de ganhos de unidade de desvio padrão esperados pela variável dependente (
Integração de tecnologia) com base nos ganhos de unidade de desvio padrão declarados para
qualquer variável individual independente (preditor), assumindo que todos os outros preditores na
equação são mantidos constantes.

Contribuição da ferramenta para o conjunto de dados de 2015

A regressão linear foi usada para testar a capacidade de Ferramenta indicadores para prever
Integração de tecnologia. Neste modelo de regressão, a variável de resultado que representa a
construção de Integração de Tecnologia foi a pontuação do fator derivada das três medidas de
integração de Estágios, CBAM LoU e Estágios do Professor ACOT. Os preditores foram o número
de horas de uso da tecnologia em casa (Home Hrs Use), a frequência com que os computadores
foram usados para o ensino na sala de aula (Class Comp Use), o número de computadores
acessíveis aos alunos na sala de aula (Student Comp) e o quantidade de tempo que a tecnologia
é usada para o aprendizado do aluno (uso do aluno). Este modelo de regressão provou ser um
bom ajuste (F = 5,4, 49 195 df, p \.0005) com razoável poder preditivo (R = 0,315). O modelo
explicou 10% (RSQ = 0,099) do nível de integração de tecnologia do professor com base nos
quatroFerramenta predicadores, conforme relatado anteriormente na Tabela 3. Conforme
mostrado na Tabela5, o número de horas que os professores relatam usando um computador
em casa emergiu como o indicador mais forte de integração de tecnologia (ß = .183, p =.010)
enquanto o número de computadores dos alunos na sala de aula do professor (ß = .182, p =.
015) também foi um contribuidor significativo e quase igualmente forte, assumindo que os
outros preditores na equação são mantidos constantes.

Contribuição da pedagogia para o conjunto de dados de 2015

A regressão linear foi usada para testar a capacidade do Pedagogia Indicadores de Ensino
com Tecnologia (TP_TWT) e Ensino com Tecnologias Emergentes (Emergentes

Tabela 5 Contribuições dos indicadores da ferramenta para o nível de integração da tecnologia

Modelouma Coeficientes não padronizados Coeficientes padronizados t Sig.

B SE Beta

(Constante) - 1.040 . 286 - 3,637 . 000

Horário de uso doméstico . 139 . 054 . 183 2.589 . 010

Uso da classe comp . 041 . 045 . 070 . 912 . 363

Comp do aluno . 024 . 010 . 182 2.454 . 015

Uso do aluno . 086 . 071 . 092 1.221 . 224

uma Variável dependente: pontuação do fator REGR derivada dos estágios, CBAM LoU e estágios do professor ACOT, representando
construção de integração de tecnologia

123
320 G. Knezek, R. Christensen

TWT), como smartphones e redes sociais para prever Integração de tecnologia. Neste
modelo de regressão, a variável de resultado que representa a construção de Integração
de Tecnologia foi a pontuação do fator derivada do único fator de ordem superior
subjacente às três medidas de integração de Estágios, CBAM LoU e Estágios do Professor
ACOT. Os preditores eram variáveis contendo as pontuações da escala para as duas
escalas multi-item TPSA relacionadas comPedagogia.
Este modelo de regressão provou ser um bom ajuste (F = 60,5, 2 9 217 df, p \.0005) com R = 0,598.
O modelo explicou 36% (RSQ = .358) do nível de integração de tecnologia do professor com base nos
dois indicadores da Pedagogia, conforme relatado anteriormente na Tabela3. Conforme mostrado na
Tabela4, a autoeficácia no ensino com tecnologias (estabelecidas), como a criação de uma aula que
incorpora software, foi de longe o indicador mais forte de Integração de Tecnologia (ß = 0,527, p \.
0005) para este grupo de professores, e muito mais forte do que o Ensino com Tecnologias
Emergentes. Mesmo assim,Pedagogia manteve seu papel de '' maior importância '' para o conjunto de
dados de 2015, como havia sido verdade para os conjuntos de dados de 2011 e 2014, conforme
relatado na Tabela 3, embora os três conjuntos de dados tenham sido coletados de diferentes grupos
de educadores com pesos diferentes para o ensino com tecnologias mais antigas e mais novas,
dependendo do contexto local.

Correlações de pontuação de fator para o conjunto de dados de 2015

Modelagem de equações estruturais (Joreskog e Sorbom 1993; Schumacker e Lomax 2015) é

uma abordagem estabelecida e elegante para testar o desempenho de modelos como o Modelo
WSTP apresentado neste artigo, sempre que todos os indicadores do modelo foram coletados
de cada participante e quando um grande número de respondentes é incluído no conjunto de
dados. Esta abordagem de teste de modelo foi planejada pelos autores para um grande
conjunto de dados a serem coletados no futuro, mas não foi considerada prática para os
conjuntos de dados atualmente disponíveis e descritos neste artigo. No entanto, um conceito
fundamental de modelagem de equações estruturais, especificamente a separação do modelo
de medição (indicadores imperfeitos de construtos) do modelo estrutural (relações entre os
próprios construtos derivados) pode ser abordado com o conjunto de dados de 2015.
O método de extrair uma pontuação de fator que representa o valor puro para o nível de
Integração de Tecnologia cada respondente teria recebido, se pudéssemos perguntar a cada
participante sem erro, seu verdadeiro nível de capacidade de integração, foi descrito
anteriormente. Essa pontuação foi derivada por meio de análise fatorial exploratória usando
três indicadores de integração de tecnologia de estágios, CBAM LoU e ACOT como variáveis de
entrada para extrair o melhor ajuste, o construto comum subjacente. Este procedimento foi
repetido mais três vezes usando os indicadores de habilidade, ferramenta e pedagogia listados
nas tabelas4, 5 e 6, para produzir um único valor de construção subjacente que representa a
pontuação que cada pessoa teria dado se pudéssemos ter perguntado a ela sem erro em
relação ao nível de Habilidade, acesso a Ferramentas, e proficiência em tecnologia infundida
Pedagogia. Os pontos fortes das relações entre essas pontuações de construto puro (modelo
estrutural) podem então ser inferidos por um coeficiente de correlação de Pearson simples. A
inferência buscada é para os pontos fortes das relações entre cada um dosHabilidade,
ferramenta, e Pedagogia ovais na Fig. 3 com o Integração de Tecnologia oval. Os valores de
construção (pontuações z) para cada participante do estudo são derivados usando os
indicadores (escala ou pontuações variáveis) mostrados nos paralelogramos das Figs.1

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 321

Tabela 6 Contribuições de indicadores pedagógicos de ensino com tecnologia e ensino de tecnologias

emergentes para o nível de integração de tecnologia

Modelouma Coeficientes não padronizados Coeficientes padronizados t Sig.

B SE Beta

1 (Constante) - 2.596 . 249 - 10.408 . 000

TP_TWT . 563 . 106 . 527 5,298 . 000

TP_EmergingInst . 090 . 108 . 083 . 833 . 406

uma Variável dependente: pontuação do fator REGR derivada dos estágios, CBAM LoU e estágios do professor ACOT, representando
construção de integração de tecnologia

Tabela 7 Correlações entre integração de

TechIntFAC1
tecnologia e construção de habilidades,
ferramentas e pedagogia no conjunto de
TechIntFAC1
dados de 2015
Correlação de Pearson 1
Sig. (Bicaudal)
N 220
FAC2Skill
Correlação de Pearson . 549 **

Sig. (Bicaudal) . 000

N 220
Ferramenta FAC3

Correlação de Pearson . 272 **

Sig. (Bicaudal) . 000

N 200
FAC4Pedagogia
Correlação de Pearson . 585 **

Sig. (Bicaudal) . 000

* * A correlação é significativa N 220
no nível 0,01 (bicaudal)

e 2, para o qual cada um fornece uma representação imperfeita do construto ao qual cada
escala é atribuída de forma relevante.
Conforme mostrado na Tabela 7, para o conjunto de dados de 2015, Habilidade foi encontrado
para ter um forte relacionamento com Integração de Tecnologia (r = 0,549, p \.0005), enquanto
Ferramenta teve um mais fraco (r = 0,272), mas ainda altamente significativo (p \.0005) relacionamento
com Integração de tecnologia. Pedagogiateve o relacionamento mais forte (r = 0,585, p \.0005) com
Integração de Tecnologia dos três construtos preditores examinados no conjunto de dados de 2015
para o modelo expandido de Vontade, Habilidade e Ferramenta de Integração de Tecnologia (WSTP).
Uma vez que o quadrado de cada Coeficiente de Correlação de Pearson (r2) representa a variância em
comum entre dois construtos, podemos inferir que saber que um professor Habilidade (proficiência
em tecnologia) pode ser responsável por 30% do nível de sala de aula de um professor Integração de
Tecnologia (r2 = 0,549 * 0,549 = 0,30) enquanto conhece o acesso de um professor à tecnologia
instrucional Ferramentas pode representar 7% do nível da sala de aula Integração de Tecnologia (r2 =
0,272 * 0,272 = 0,07). Conhecendo um

123
322 G. Knezek, R. Christensen

fluência do professor em tecnologia Pedagogia (nível de competência pedagógica tecnológica e

confiança) pode representar 34% do nível de sala de aula de um professor Integração de Tecnologia (r2
= 0,585 * 0,585 = 0,34). Conforme mostrado na Tabela3, as correlações de pontuação de fator ao
quadrado produzem valores próximos, mas um pouco mais conservadores do que os resultados da
análise de regressão.

Discussão

Estudos anteriores (por exemplo, Morales 2006) descobriram que a força dos coeficientes de estilo de
regressão para os principais componentes do modelo, usando modelagem de equações estruturais (SEM),
variava dependendo do contexto local em que residiam os professores que forneceram os dados. Por
exemplo, para os Morales (2006) estudo, nível de uso de tecnologia Habilidade desenvolvimento foi
considerado o predicador mais forte de Integração de Tecnologia para professores nos EUA, enquanto para
professores no México, extensão do acesso à tecnologia Ferramentas foi o preditor mais importante. Naquela
época, o México geralmente tinha poucas ferramentas de tecnologia para os professores usarem em sala de
aula, enquanto nos Estados Unidos o treinamento de habilidades para professores novos e experientes estava
ocorrendo em um ritmo rápido. Os autores do presente artigo encontraram de outros estudos (Christensen e
Knezek1999) para professores que estão próximos do nível mais alto de Integração de tecnologia, é o Vai para
avançar que se torna o maior preditor. Seguindo essas analogias, podemos inferir que, entre os conjuntos de
dados de 2011, 2014 e 2015 apresentados neste artigo, o estilo pedagógico (Pedagogia) é provável que tenha
a maior variabilidade entre os professores pesquisados, uma vez que foi responsável por 30% (dados de 2011),
33% (dados de 2014) e 34% (dados de 2015), respectivamente, do nível do professor de Integração de
Tecnologia (ver tabelas 2 e 3) Mesmo dentro de uma área de construção, comoHabilidade, indicadores
alternativos podem assumir papéis maiores ou menores. Por exemplo, para o conjunto de dados de 2015,
Ferramentas de Tecnologia Emergente foi o indicador mais forte noHabilidade construir área, enquanto para
2014 o conjunto de dados de Aplicativos Integrados foi o indicador mais forte deHabilidade. A liderança dos
distritos escolares pode desejar fornecer atividades alternativas de desenvolvimento profissional para
professores com diferentes experiências de habilidades e escolas de pensamento pedagógico, a fim de melhor
apoiar essa diversidade.

A superinterpretação em relação à força de cada um dos preditores de conjuntos de dados de

2011, 2014 e 2015 relatados neste artigo é advertida porque alguma parte da variância prevista por
um construto derivado de um conjunto de escala específico (por exemplo, Habilidade)provavelmente
também poderia ser previsto por outro conjunto de escala (por exemplo, Pedagogia). O uso de
pontuações de fator para representar construtos em vez de usar indicadores de escala de medição
individual alivia um pouco esse problema, mas não o remove completamente. Eventualmente, esse
tipo de questão força os pesquisadores a fazerem julgamentos sobre como os construtos
verdadeiramente independentes precisam ser para serem úteis, sozinhos ou em combinação com
outros. Um exemplo ilustrativo e consagrado de construtos relacionados que, no entanto, são
considerados dignos de serem considerados separadamente, é o caso da altura versus peso em
humanos. Os autores do trabalho atual imaginam quePedagogia, conforme definido no Testamento
Expandido, Modelo de Ferramenta de Habilidade de Integração de Tecnologia (WSTP), pode ser
similarmente entrelaçado com Habilidade.
Responder às questões levantadas nos parágrafos anteriores pode não ser crítico
para confirmar a utilidade do Modelo WSTP. Se o modelo explica 90% de

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 323

nível de integração de tecnologia do professor, conforme encontrado por Morales (2006) para o
México e os EUA, ou 40%, conforme encontrado por Agyei e Voogt (2011) para Gana, o objetivo
principal do Modelo WSTP é avaliar os pontos fortes relativos dos componentes, a fim de
auxiliar a tomada de decisão por líderes educacionais para o desenvolvimento profissional de
professores e reconhecer o valor de cada um dos componentes na busca de usar a tecnologia
para melhorar o ensino e a aprendizagem. Por exemplo, em locais onde o acesso à tecnologia é
limitado, entãoFerramenta surge como uma área importante na qual se deve focar, mas para
locais com acesso à tecnologia bem estabelecido, Vai e Habilidade torna-se importante. A
presença da tecnologia não garante um uso pedagogicamente correto em sala de aula. As
atitudes dos professores em relação aos computadores, sua autoeficácia e uma abertura geral
para mudanças estão entre os fatores que indicam o uso eficaz na prática educacional K-12
(Christensen2002; Wang et al.2004; Anderson e Maninger2007; Vannatta e Fordham2004)
Pesquisas indicam que a excelência em pedagogia parece ser necessária para que os
professores atinjam o mais alto nível de integração de tecnologia (Christensen e Knezek2008),
que foi o principal impulso para adicionar Pedagogia como um novo componente do modelo.

Existem várias limitações para os resultados apresentados neste artigo. Embora as

amostras sejam razoavelmente grandes e abranjam a gama de professores de formação
inicial a administradores em um sistema educacional, não presumimos que essas
amostras representem todos os educadores. Portanto, alertamos contra a generalização
excessiva dos resultados. Além disso, as técnicas de análise foram personalizadas e
muitas vezes simplificadas para cada amostra de dados, a fim de tentar abordar as
mesmas questões básicas de pesquisa em todos os conjuntos de dados. O nível de
conforto do leitor com a estabilidade das principais descobertas apresentadas sem dúvida
seria aumentado por meio da replicação deste estudo com um grande conjunto de dados
([1.500 educadores) em que cada entrevistado completou todas as escalas do instrumento
de autorrelato que agora sabemos ser preditores importantes,

Conclusão

O teste inicial do modelo expandido de Vontade, Habilidade e Ferramenta de Integração de

Tecnologia indica que Pedagogia como uma construção preditiva tem suporte empírico de
dados recentemente coletados e promete trazer novas perspectivas para o reino das iniciativas
para o desenvolvimento profissional de professores com uso intensivo de tecnologia. Os
resultados de três conjuntos separados de dados, cada um recolhido em anos diferentes,
fornecem encorajamento em relação à robustez do modelo expandido e a importância do
construto adicionado Pedagogia. Uma abordagem de modelagem de equação estrutural formal
(SEM) para testar o modelo pode confirmar ainda mais o poder preditivo de um modelo de
quatro componentes de integração de tecnologia e determinar se o poder de prever pode ir
além dos 90% relatados anteriormente (Morales 2006; Morales e Knezek2007; Knezek e
Christensen2008) e, ao mesmo tempo, aumentar a utilidade dos líderes educacionais para o
desenvolvimento profissional de integração de tecnologia com base nas necessidades e foco
(Christensen 2002) para professores no distrito escolar, campus escolar ou nível de professor
individual. É provável que elucidar a importância do estilo pedagógico do professor trará mais
foco no alinhamento do ensino com os estilos de aprendizagem preferidos

123
324 G. Knezek, R. Christensen

de estudantes. Isso pode permitir que os profissionais da educação ultrapassem os 8-12% ao

ano de impacto positivo no desempenho dos alunos, previamente identificado como atribuível
ao nível de integração da tecnologia em sala de aula.

Conformidade com os padrões éticos

Conflito de interesses Os autores declaram não haver conflito de interesses devido a financiamento externo.

Referências

Agyei, DD, & Voogt, JM (2011). Explorando o potencial do modelo de vontade, habilidade e ferramenta em Gana: Prever
futuro e praticando o uso da tecnologia por professores. Computador e Educação, 56, 91–100. Anderson,
SE e Maninger, RM (2007). Habilidades, crenças e intenções dos professores de formação inicial
em relação à integração de tecnologia. Journal of Educational Computing Research, 37 (2), 151–172.
Christensen, R. (1997). Efeito da educação de integração tecnológica nas atitudes dos professores e seus
alunos. Tese de doutorado, University of North Texas.Dissertation Abstracts International, 58 (11),
4242. UMD # AAT9816134.
Christensen, R. (2002). Impacto da educação de integração tecnológica nas atitudes dos professores e
alunos. Journal of Research on Technology in Education, 34 (4), 411–434.
Christensen, R., & Knezek, G. (1999). Estágios de Adoção de Tecnologia na Educação.Computadores em novos
Escolas Zelândia, 11 (4), 25–29.
Christensen, R., & Knezek, G. (2008). Medidas e descobertas de autorrelato para tecnologia da informação
atitudes e competências. Em J. Voogt & G. Knezek (Eds.),Manual internacional de tecnologia da
informação na educação primária e secundária (pp. 349–365). Nova York: Springer. Christensen,
RW, & Knezek, GA (2009). Construir validade para as atitudes dos professores em relação
questionário de computadores. Journal of Computing in Teacher Education, 25 (4), 143-155. Christensen,
R., & Knezek, G. (2014). A autoavaliação de proficiência em tecnologia (TPSA): Evolução de
uma medida de autoeficácia para integração de tecnologia. DentroArtigo apresentado ao IFIP KEYCIT. Alemanha: Pottsdam.
2 de julho de 2014.
Coughlin, E., & Lemke, C. (1999). Continum de competência profissional: habilidades profissionais para o digital
sala de aula de idade. Santa Monica, CA: Milken Exchange. Disponívelhttps://depts.washington.edu/
academy / professional / files / milken_pro_competency_continuum-prodevo.pdf.
DeMars, C. (2001). Diferenças de grupo com base nas pontuações IRT: o modelo importa?Educacional e
Medição psicológica, 61 (1), 60–70.
Dwyer, DC, Ringstaff, C., & Sandholtz, JH (1990). Crenças e práticas do professor. Parte I: Padrões de
mudança. Retirado 2-9-2005 de Apple Classrooms Tomorrow http://images.apple.com/education/ k12 /
Leadership / acot / pdf / rpt08.pdf.
Hall, GE, Loucks, SF, Rutherford, WL, & Newlove, BW (1975). Níveis de uso da inovação:
Uma estrutura para analisar a adoção da inovação. Em SF Loucks, BW Newlove e JE Hall (Eds.),Medindo os
níveis de uso da inovação: um manual para treinadores, entrevistadores e avaliadores. Austin, TX:
Laboratório de Desenvolvimento Educacional da Southwest.
Hancock, R., Knezek, G., & Christensen, R. (2007). Medidas de validação cruzada de integração de tecnologia:
Um primeiro passo para examinar as relações potenciais entre integração de tecnologia e desempenho
dos alunos. Journal of Computing in Teacher Education, 24 (1), 15–21.
Joreskog, KG, & Sorbom, D. (1993). LISREL8: Modelagem de equações estruturais com o SIMPLIS
linguagem de comando. Chicago, IL: Scientific Software International.
Klausmeir, HJ, & Goodwin, W. (1975). Aprendizagem e habilidades humanas: psicologia educacional (4º
ed.). Nova York: Harper & Row Publishers.
Knezek, G., & Christensen, R. (2008). A importância das atitudes de tecnologia da informação e
competências no ensino primário e secundário. Em J. Voogt & G. Knezek (Eds.).Manual
internacional de tecnologia da informação em informação primária e secundária (pp. 321–331).
Nova York: Springer.
Knezek, G., & Christensen, R. (2015). A vontade, habilidade, modelo de ferramenta de integração de tecnologia: adicionando pedagogia
como uma nova construção de modelo. Em DG Sampson, JM Spector, D. Ifenthaler, & P. Isaias (Eds.),Proceedings
of the cognition and exploratory learning in digital age, 2015 (pp. 84–91). Irlanda: Maynooth.

123
Estendendo a vontade, habilidade e modelo de ferramenta de tecnologia… 325

Knezek, G., Christensen, R., & Fluke, R. (2003). Testando uma vontade, habilidade, modelo de ferramenta de tecnologia
integração. DentroArtigo apresentado na Reunião Anual da American Educational Research
Association (AERA). Chicago, IL.
Knezek, G., Christensen, R., Hancock, R., & Shoho, A. (2000). Rumo a um modelo estrutural de tecnologia
integração. DentroArtigo apresentado na Conferência Anual da Associação de Pesquisa Educacional do
Havaí. Honolulu, HI.
Knezek, G., Christensen, R., Miyashita, K., & Ropp, M. (2000b). Instrumentos de avaliação do educador
progresso em direção à integração de tecnologia. Denton, TX: Instituto para a Integração da
Tecnologia no Ensino e na Aprendizagem.
Koehler, MJ, & Mishra, P. (2008). Apresentando TPCK. Em JA Colbert, KE Boyd, KA Clark, S.
Guan, JB Harris, MA Kelly e AD Thompson (Eds.), Manual de conhecimento de conteúdo pedagógico
tecnológico para educadores (pp. 1–29). Nova York: Routledge.
Mishra, P., & Koehler, MJ (2006). Conhecimento de conteúdo pedagógico tecnológico: uma estrutura para
conhecimento do professor. Registro do Teachers College, 108 (6), 1017–1054.
Morales, C. (2006).Validação transcultural da vontade, habilidade e modelo de ferramenta de integração de tecnologia.
Tese de doutorado, University of North Texas. Disponívelhttp://digital.library.unt.edu/ark:/67531/
metadc5256 / m2 / 1 / high_res_d / dissertation.pdf.
Morales, C., & Knezek, G. (2007). Testando um modelo preditivo de integração de tecnologia no México e
os Estados Unidos. DentroArtigo apresentado na Conferência Anual da American Educational Research
Association.III: Chicago.
Morales, C., Knezek, G., Christensen, R., & Avila, P. (Eds.) (2005).A vontade, habilidade, modelo de ferramenta de
integração de tecnologia. Uma abordagem conceitual de ensino e aprendizagem com tecnologia.Cidade do
México, México: ICLE.
Niess, ML (2005). Preparando professores para ensinar ciências e matemática com tecnologia: desenvolvendo um
conhecimento do conteúdo pedagógico da tecnologia. Ensino e formação de professores, 21 (5), 509-523. Petko,
D. (2012). Crenças pedagógicas dos professores e seu uso de mídia digital em salas de aula: Sharpening
o enfoque do modelo 'vontade, habilidade, ferramenta' e integração das orientações construtivistas dos professores.
Computadores e educação, 58 (4), 1351–1359.
Rogers, PL (1999). Barreiras à adoção de tecnologias emergentes na educação. Documento ERIC
Reprodução. No. ED429556.
Ropp, MM (1999). Explorando as características individuais associadas à aprendizagem do uso de computadores em
preparação de professores de formação inicial. Journal of Research on Computing in Education, 31 (4), 402-424. Russell, AL
(1995). Estágios no aprendizado de novas tecnologias: Usuários de email adultos ingênuos.Computadores em
Educação, 25 (4), 173-178.
Schumacker, RE, & Lomax, RG (2015). Um guia para iniciantes na modelagem de equações estruturais (4ª ed.).
Nova York: Routledge.
Shulman, LS (1986). Aqueles que entendem: O crescimento do conhecimento no ensino.Pesquisador Educacional,
15 (2), 4-14.
Slavin, RE (2015). Psicologia educacional: Teoria e prática (11ª ed.). Upper Saddle River, NJ:
Pearson.
Thompson, B. (2004). Análise fatorial exploratória e confirmatória: conceitos de compreensão e
formulários. Washington, DC: American Psychological Association.
Vannatta, RA e Fordham, N. (2004). Disposições do professor como preditores da tecnologia de sala de aula.
Journal of Research Technology in Education, 36 (3), 253–272.
Wang, L., Ertmer, PA, & Newby, TJ (2004). Aumentando as crenças de autoeficácia dos professores de formação inicial para
Integração de tecnologia. Journal of Research on Technology in Education, 36 (3), 231–250.
Watkins, C., & Mortimore, P. (1999). Pedagogia: o que sabemos? Em P. Mortimore (Ed.),
Compreender a pedagogia e seu impacto na aprendizagem. Londres: Publicação Paul Chapman.

Gerald Knezek é professor regente do Departamento de Tecnologias de Aprendizagem da University of North

Texas.

Rhonda Christensen é um cientista pesquisador do Instituto de Integração de Tecnologia em Ensino e

Aprendizagem da University of North Texas.

123