Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/77017
Título
Knowing and understanding cultural heritage in digital environments: An approach using MIMIC and network models
Año del Documento
2025
Editorial
Elsevier
Descripción
Producción Científica
Documento Fuente
Revista de Psicodidáctica (English ed.), 2025, p. 500169
Resumen
Knowing and understanding cultural heritage is essential for proper value-attribution, since without historical, social, political, economic or artistic contexts, we cannot attribute value to it. Knowledge, which is the first phase of the Heritage Learning Sequence (HLS), enables us to identify the causes and justifications that explain its nature and state, and provides a sound grounding for heritage valuation. The dimensions knowing and understanding, as measured by the Q-Herilearn scale (Fontal, Ibañez-Etxeberria, et al., 2024b) in digital environments have been analysed according to the answers given by a sample of 2362 participants aged 18 to 70. Comparative analyses between groups (frequentist and Bayesian) have been carried out, the validity of both the measurement models and the structural model (MIMIC) has been determined, and the analyses were complemented by means of network analysis. Both the measurement model and the final structural model (MIMIC with DIF) have provided sufficient guarantees in terms of validity and reliability, and results have been endorsed by network analysis. The dimensions analysed (knowledge and understanding of heritage) are strongly interconnected, so that the understanding of heritage depends largely on the degree of prior knowledge. However, we have found no evidence (or very weak, given the small effect size) of the influence of socio-demographic variables on either the dimensions or the indicators that measure them. We believe that the most relevant contribution of this research is the combination of structural equation-based models with network analysis-based models to study the knowledge and understanding of cultural heritage in digital contexts. Conocer y comprender el patrimonio cultural es fundamental para la adecuada atribución de valor ya que, sin un contexto histórico, social, político, económico o artístico, no es posible asignarle un significado adecuado. El conocimiento, que constituye la primera fase de la Secuencia de Aprendizaje Patrimonial (HLS, por sus siglas en inglés), permite identificar las causas y justificaciones que explican su naturaleza y estado, proporcionando así una base sólida para la valoración del patrimonio. Las dimensiones conocer y comprender, medidas mediante la escala Q-Herilearn (Fontal, Ibañez-Etxeberria et al., 2024b), en entornos digitales han sido analizadas según las respuestas proporcionadas por una muestra de 2.362 participantes de 18 a 70 años. Se han realizado análisis comparativos entre grupos (frecuentistas y bayesianos), se ha determinado la validez tanto de los modelos de medición como del modelo estructural (MIMIC), y los análisis se han complementado mediante análisis de redes. Tanto el modelo de medición como el modelo estructural final (MIMIC con DIF) han proporcionado garantías suficientes en términos de validez y fiabilidad, y los resultados han sido respaldados por el análisis de redes. Las dimensiones analizadas (conocimiento y comprensión del patrimonio) están fuertemente interconectadas, de modo que la comprensión del patrimonio depende en gran medida del grado de conocimiento previo. Sin embargo, no hemos encontrado evidencia (o muy débil, dado el pequeño tamaño del efecto) de la influencia de las variables sociodemográficas tanto en las dimensiones como en los indicadores que las miden. Consideramos que la contribución más relevante de esta investigación es la combinación de modelos basados en ecuaciones estructurales (MIMIC) con modelos basados en análisis de redes para estudiar el conocimiento y la comprensión del patrimonio cultural en contextos digitales.
Materias Unesco
6301 Sociología Cultural
Palabras Clave
Heritage education
Digital environments
Learning assessment
Heritage learning models
Heritage processes
MIMIC models
Network analysis
ISSN
2530-3805
Revisión por pares
SI
Version del Editor
Propietario de los Derechos
© 2025 The Author(s)
Idioma
eng
Tipo de versión
info:eu-repo/semantics/publishedVersion
Derechos
openAccess
Aparece en las colecciones
Ficheros en el ítem
