💻 computer science

Building Resilience to Misinformation: A Cross-National Development of the Digital Media and Information Literacy Scale (DMILS)

Este artículo presenta la Escala de Alfabetización en Medios Digitales e Información (DMILS), un instrumento multidimensional validado psicométricamente desarrollado mediante estudios transnacionales en Estados Unidos y Singapur para ofrecer una métrica concisa pero exhaustiva para evaluar y mejorar la resiliencia frente a la desinformación.

Autores originales: Sijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho

Publicado 2026-05-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Sijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando construir una casa para protegerte de una tormenta de noticias falsas, deepfakes y trucos en línea. Durante mucho tiempo, los expertos han debatido sobre qué tipo de herramientas necesitas realmente para construir esa casa. Algunos dicen que necesitas un martillo (habilidades digitales), otros dicen que necesitas un plano (conocimiento de la información), y muchos han estado utilizando diferentes kits de herramientas incompatibles que no encajan entre sí.

Este artículo presenta una nueva "Escala de Alfabetización Digital e Informacional" (DMILS), todo en uno. Piénsalo como un plano maestro y un kit de herramientas estandarizado que finalmente mide exactamente lo que las personas saben y lo que pueden hacer al navegar por internet.

Así es como los autores construyeron y probaron esta nueva herramienta, explicado de forma sencilla:

1. El Problema: Una Caja de Herramientas Desordenada

Antes de este estudio, los investigadores tenían muchas formas diferentes de medir la "alfabetización mediática", pero era como intentar medir la velocidad de un coche con una regla, un cronómetro y un termómetro todos a la vez.

Algunas herramientas solo preguntaban: "¿Te sientes seguro?" (Subjetivo).
Otras solo preguntaban: "¿Puedes hacerlo realmente?" (Objetivo).
Algunas se centraban solo en habilidades tecnológicas, mientras que otras se centraban solo en hechos periodísticos.
Muchas eran antiguas y no tenían en cuenta cosas modernas como la inteligencia artificial o los algoritmos.

Los autores querían una única regla fiable que pudiera medir todo: lo que las personas creen que saben, lo que realmente saben y qué tan bien pueden usar ese conocimiento tanto en el mundo digital como en el mundo de las noticias.

2. La Solución: Una Brújula de Cuatro Partes

Los autores diseñaron una nueva escala basada en un mapa simple con cuatro direcciones (una cuadrícula de 2x2):

Conocimiento Digital: ¿Sabes qué significan términos como "algoritmo", "phishing" o "hashtag"?
Habilidad Digital: ¿Puedes realmente usar tu teléfono o computadora para resolver problemas o encontrar cosas?
Conocimiento Informacional: ¿Entiendes cómo se hacen las noticias, quién las escribe y por qué?
Habilidad Informacional: ¿Puedes realmente verificar si una noticia es verdadera o falsa?

Crucialmente, midieron cada uno de estos aspectos de dos maneras:

La Prueba de "Confianza" (Subjetiva): Preguntando a las personas: "¿Qué tan familiarizado estás con esto?".
La Prueba de "Realidad" (Objetiva): Dando a las personas un cuestionario con preguntas de verdadero/falso y acertijos de opción múltiple para ver si realmente saben la respuesta.

3. La Prueba de Fuego: Dos Países, Una Herramienta

Para asegurarse de que esta nueva brújula funcionara en todas partes, los autores la probaron en dos lugares muy diferentes: Estados Unidos y Singapur.

Estados Unidos es como un mercado caótico y abierto con muchas voces diferentes y mucha discusión política.
Singapur es más como una ciudad regulada y organizada con un flujo centralizado de información.

Encuestaron a casi 1.500 personas en total. No solo hicieron preguntas; les dieron tareas, como:

La Prueba de "Noticias Falsas": Mostrando a las personas 16 titulares e imágenes (algunas reales, otras falsas) y pidiéndoles que identificaran a los mentirosos.
La "Búsqueda del Tesoro": Pidiendo a las personas que encontraran hechos específicos en internet (como "¿Quién es el Primer Ministro de Croacia?") para ver si podían recuperar información precisa.

4. Lo Que Encontraron

Los resultados fueron como encontrar una llave que abre todas las cerraduras:

Funciona en Todas Partes: La escala midió la alfabetización de la misma manera tanto en Estados Unidos como en Singapur. No importaba si estabas en un mercado caótico o en una ciudad organizada; la herramienta dio resultados consistentes.
Confianza vs. Realidad: Hubo una brecha. Las personas que pasaban mucho tiempo en las redes sociales a menudo pensaban que eran muy buenas detectando noticias falsas (alta confianza), pero cuando hicieron el cuestionario real, a menudo fallaron. La "Prueba de Realidad" (puntuaciones objetivas) fue un predictor mucho mejor de si alguien podía realmente detectar una mentira que su "Prueba de Confianza".
Los Mejores Predictores: El estudio encontró que las Habilidades Informacionales (la capacidad de evaluar críticamente las noticias) y el Conocimiento Objetivo (saber realmente los hechos sobre cómo funcionan la tecnología y las noticias) eran los escudos más fuertes contra creer en historias falsas.

5. El Resultado: Una Versión Corta y una Larga

Los autores crearon dos versiones de esta escala:

La Versión Completa: Una encuesta detallada de 18 preguntas más 16 preguntas de cuestionario. Esto es para investigadores que necesitan datos profundos y precisos.
La Versión Corta: Una encuesta rápida de 8 preguntas más 8 preguntas de cuestionario. Esto es para profesores u organizaciones que necesitan un chequeo rápido sin ocupar demasiado tiempo.

La Conclusión

Este artículo no solo inventó una nueva prueba; construyó un lenguaje común para el mundo. Antes, si un investigador en Nueva York y un investigador en Singapur querían comparar sus resultados, no podían porque estaban usando reglas diferentes. Ahora, tienen la misma regla.

El estudio demuestra que para comprender realmente si las personas pueden manejar la tormenta moderna de información, debemos dejar de preguntarles solo cómo se sienten y empezar a probar lo que pueden hacer realmente. Esta nueva escala ofrece a educadores y responsables políticos una forma clara de ver dónde las personas están teniendo dificultades (por ejemplo: "Saben cómo usar la aplicación, pero no saben cómo verificar la fuente") para que puedan crear mejores programas de formación que corrijan esas lagunas específicas.

Resumen Técnico: Construcción de Resiliencia frente a la Desinformación mediante la Escala de Alfabetización Digital e Informacional (DMILS)

Declaración del Problema
A pesar del papel crítico de la alfabetización mediática para mitigar la desinformación y apoyar la deliberación democrática, el campo sufre de fragmentación conceptual e inconsistencia empírica. Las medidas existentes suelen estar fragmentadas, estar desactualizadas o tener un enfoque estrecho, sin lograr capturar el espectro completo de competencias requeridas en ecosistemas digitales de rápida evolución. Las limitaciones comunes incluyen:

Silos Conceptuales: Las distintas alfabetizaciones (digital, noticiosa, algorítmica, de IA) a menudo operan en paralelo en lugar de como un marco integrado.
Brechas Dimensionales: Muchas escalas miden solo habilidades o solo conocimientos, descuidando la interacción entre ambos.
Modos de Medición: Una fuerte dependencia de evaluaciones subjetivas y autoinformadas no logra distinguir entre la competencia percibida y la capacidad real, una distinción crucial para identificar la sobreconfianza y las brechas de alfabetización.
Limitaciones Contextuales: Las escalas prominentes se desarrollaron hace más de una década, principalmente en contextos occidentales, lo que limita su relevancia para tecnologías contemporáneas (por ejemplo, IA generativa) y entornos culturales no occidentales.

Existe una carencia de un instrumento conciso, integral y psicométricamente sólido capaz de rastrear estas competencias en diversos contextos nacionales para evaluar intervenciones y construir un ecosistema de información resiliente.

Metodología
Los autores desarrollaron y validaron la Escala de Alfabetización Digital e Informacional (DMILS) mediante un proceso de dos estudios que involucró tres muestras nacionalmente emparejadas ( $N = 1,498$ ) de Estados Unidos y Singapur. El desarrollo siguió directrices rigurosas de construcción de escalas (por ejemplo, Boateng et al., 2018; Carpenter, 2018).

Marco Conceptual: Los autores propusieron un marco multidimensional que distingue entre:
- Dominios: Medios Digitales (técnico/procedimental) vs. Información/Noticias (periodístico/verificación).
- Tipos de Competencia: Conocimiento (comprensión de conceptos) vs. Habilidad (capacidad para ejecutar tareas).
- Modos de Medición: Subjetivo (autoinformado) vs. Objetivo (basado en el rendimiento).
Estudio 1 (Desarrollo y Reducción de Ítems):
- Proceso: Una búsqueda bibliográfica en 26 revistas arrojó 74 estudios empíricos. Los ítems se mapearon al marco, resultando en un pool inicial de 56 ítems subjetivos y 30 objetivos.
- Muestra: 499 participantes de EE. UU. reclutados a través de Prolific.
- Análisis: El Análisis Factorial Exploratorio (AFE) y los criterios de reducción de ítems (cargas, cargas cruzadas, comunalidades) refinaron la escala subjetiva a 18 ítems. Los ítems objetivos se revisaron basándose en la dificultad (valores $P$ ) y la discriminabilidad.
Estudio 2 (Validación y Generalizabilidad):
- Muestra: 501 participantes de EE. UU. y 498 de Singapur.
- Análisis:
  - Validez de Constructo: Se utilizaron Análisis Factorial Confirmatorio (AFC) y modelado Rasch (Teoría de Respuesta al Ítem) para probar la estructura factorial y el ajuste de los ítems.
  - Invarianza de Medición: Se probó para asegurar que la escala funcione de manera equivalente en los contextos de EE. UU. y Singapur (invarianza configuracional, métrica y escalar).
  - Validez Convergente: Correlacionada con el uso de redes sociales y el consumo de noticias.
  - Validez Predictiva: Regresada contra dos resultados conductuales: Discernimiento (capacidad para distinguir titulares e imágenes de noticias reales de falsas) y Precisión en la Recuperación de Información (capacidad para encontrar respuestas fácticas en línea).

Contribuciones Clave

El Instrumento DMILS: Una escala multidimensional validada que comprende una batería subjetiva de 18 ítems y una prueba de conocimiento objetivo de 16 ítems. También se proporciona una versión abreviada (8 ítems subjetivos, 8 objetivos).
Marco Integrado: La escala operacionaliza un marco unificado que captura simultáneamente los dominios digital e informacional, los conocimientos y las habilidades, y los modos de medición subjetivo y objetivo.
Robustez Transnacional: La escala demuestra invarianza de medición entre EE. UU. y Singapur, abordando la necesidad de herramientas culturalmente aplicables en la investigación global sobre desinformación.
Utilidad Diagnóstica: Al integrar componentes subjetivos y objetivos, la escala permite a los investigadores cuantificar la "brecha" entre la alfabetización percibida y la real.

Resultados

Validez Estructural: Tanto el AFE como el AFC respaldaron una estructura de cuatro factores (Conocimiento Digital, Habilidad Digital, Conocimiento Informacional, Habilidad Informacional). Un modelo de orden superior confirmó que estos factores también podían tratarse como un constructo unidimensional para la puntuación compuesta.
Fiabilidad: La escala subjetiva mostró una consistencia interna excelente ( $\alpha = 0.93$ ).
Invarianza de Medición: La escala exhibió invarianza configuracional, métrica y escalar en las muestras de EE. UU. y Singapur, confirmando su aplicabilidad en ambos contextos.
Validez Predictiva:
- Discernimiento: Tanto las puntuaciones subjetivas como las objetivas de la DMILS predijeron significativamente la capacidad para discernir noticias reales de falsas. Cabe destacar que las medidas objetivas fueron predictores más fuertes que los autoinformados subjetivos. Entre las subdimensiones, la Habilidad Informacional fue el predictor subjetivo más fuerte, mientras que tanto el Conocimiento Digital Objetivo como el Informacional Objetivo fueron predictores fuertes.
- Recuperación de Información: Las puntuaciones compuestas de la DMILS predijeron la precisión en la recuperación. Sin embargo, al descomponerse, las subdimensiones individuales fueron menos predictivas, lo que sugiere que la puntuación compuesta captura una utilidad más amplia para las tareas de recuperación.
- Validez Convergente: La DMILS subjetiva se correlacionó positivamente con el uso de redes sociales, mientras que la DMILS objetiva se correlacionó negativamente, destacando una posible discrepancia donde los usuarios intensivos se sienten más competentes pero poseen menos conocimiento real.

Significado y Afirmaciones
El artículo afirma que la DMILS proporciona un "patrón parsimonioso pero multidimensional" para el campo. Su significado principal radica en:

Estandarización: Ofrecer una métrica común para la investigación transnacional, permitiendo la comparación de intervenciones y resultados de alfabetización mediática en diferentes entornos culturales y políticos.
Diseño de Intervenciones: Permitir a educadores y responsables políticos diagnosticar brechas específicas de competencia (por ejemplo, altas habilidades digitales pero bajo conocimiento informacional) para adaptar las intervenciones en lugar de aplicar enfoques genéricos de "pensamiento crítico".
Abordaje de la Sobreconfianza: Al distinguir la competencia percibida de la real, la herramienta ayuda a identificar poblaciones (como los usuarios intensivos de redes sociales) que pueden tener una sobreconfianza en sus habilidades, un factor vinculado a la susceptibilidad a la desinformación.
Avance Teórico: Los hallazgos apoyan la distinción teórica entre alfabetizaciones digital e informacional, así como entre conocimientos y habilidades, argumentando en contra de tratar la alfabetización mediática como un constructo monolítico.

Los autores mantienen una postura modesta, señalando que, aunque la escala es robusta, las iteraciones futuras podrían requerir ítems más desafiantes para discriminar mejor entre poblaciones altamente alfabetizadas, y que los métodos cualitativos podrían seguir siendo necesarios para capturar aspectos difíciles de cuantificar.