Autonomía, tecnoestrés y rendimiento en teletrabajadores docentes universitarios de Toluca y Lerma, Estado de México, 2023: análisis desde la teoría del ajuste laboral

Abstract

En México, cerca de 232 000 personas se dedican a la docencia de enseñanza superior, con una preparación que va desde el nivel medio superior (2%), licenciatura (45%), maestría (36%) y doctorado (17%) (Instituto Nacional de Estadística y Geografía [INEGI], 2022). Derivado de la pandemia de covid-19, gran parte de los docentes, en todos los niveles escolares, se vieron en la necesidad de migrar a un sistema de teletrabajo, adaptando sus métodos de enseñanza y clases a un entorno virtual (Hinojosa et al., 2021; Godínez-Tovar et al., 2023; Marcial et al., 2022; Santiago-Cortés & Franco-Enríquez, 2023; Catache et al., 2021; Solana-Villanueva et al., 2022). Este entorno virtual evidenció la falta de competencias y habilidades digitales en varios docentes, lo que ocasionó estrés, ansiedad y fatiga, derivado del uso descontrolado de las tecnologías de la información y comunicación (TIC), afectando el rendimiento laboral individual (RLI) de los profesores (Zempoalteca et al., 2023). El estrés ocasionado por el uso de las TIC se conoce como tecnoestrés y contempla tres dimensiones o manifestaciones: tecnoansiedad (TANS), tecnofatiga (TF) y tecnoadicción (TAD) (Salanova et al., 2007, 2012; Villavicencio-Ayub et al. 2020). Los recursos, como la autonomía y la autoeficacia, pueden ayudar a mitigar los efectos en las personas y mejorar el rendimiento (Salanova et al., 2007, 2012). En México, 64% de los docentes son mujeres y la mayor concentración se encuentra en el Estado de México (INEGI, 2023). De acuerdo con los resultados de Villavicencio et al. (2020), las mujeres con estudios superiores son las que reportan mayor tecnofatiga como manifestación del tecnoestrés, lo que se convierte en un problema a nivel nacional, que debe ser estudiado para brindar propuestas que ayuden a minimizar los efectos negativos del tecnoestrés en los docentes y su afectación en el rendimiento. Derivado de lo anterior, se establece la pregunta general de esta investigación: ¿cómo y en qué medida las variables de autonomía y tecnoestrés están relacionadas e influyen en el RLI de teletrabajadores docentes universitarios de Toluca y Lerma, Estado de México 2023? El objetivo de esta investigación fue diseñar un modelo que ayude en la comprensión de la relación entre las variables autonomía, tecnoestrés y RLI, con sus respectivas dimensiones, en teletrabajadores docentes universitarios de Toluca y Lerma, Estado de 12 México, 2023, utilizando un instrumento adaptado dentro del contexto virtual, que puede servir de base a los centros de educación superior que requieran un diagnóstico oportuno. Bajo esta línea, se utilizó la teoría de adaptación al trabajo o ajuste laboral para explicar la importancia del acoplamiento entre la persona y el entorno, donde el ajuste se define como la compatibilidad entre los individuos y su entorno (Dawis & Lofquist, 1984; Rounds et al., 1987; Bretz & Judge, 1994; Kristof-Brown et al., 2005; Van-Vianen, 2018). Un elevado grado de tecnoestrés representa incompatibilidad entre el individuo y su entorno de trabajo híbrido o virtual (Dawis & Lofquist, 1984; Salanova et al., 2007; 2012). La teoría transaccional del estrés ayuda a comprender cómo el estrés que experimentan los individuos en las organizaciones se conoce como estrés psicológico (Tarafdar et al., 2017). Este trabajo pretende contribuir a la comprensión de los cambios que se presentan en los entornos de trabajo virtual, explicando la relación entre la autonomía, el tecnoestrés percibido y su relación con el RLI. Se trata de una investigación cuantitativa, con un diseño no experimental, transversal, con un alcance descriptivo-correlacional, en una muestra por conveniencia, que utilizó una encuesta autoadministrada en línea, utilizando una escala Likert para la recolección de los datos (Creswell & Creswell, 2018). Debido a la utilización de instrumentos adaptados en un contexto de trabajo virtual en teletrabajadores de diversos sectores (Antonio et al., 2023), se efectuaron las pruebas de validez y confiabilidad en docentes universitarios con las variables de tecnoestrés y RLI. Para la variable de tecnoestrés, se retomó la propuesta de Villavicencio-Ayub et al. (2020). Como resultado se obtuvo una solución de dos y tres factores; dando prioridad a la literatura, se trabajó con la solución de tres componentes que explican el 72.6% de la varianza con nueve preguntas, con un KMO de 0.858 y una esfericidad de Bartlett de 869.604, cargas factoriales superiores a 0.70 y un Alpha de Cronbach aceptable en cada dimensión (TANS: 0.770, TF: 0.853, TAD: 0.744). El análisis factorial confirmatorio apoya el resultado de tres dimensiones con parámetros aceptables (CMIN/DF= 3.514, RMSEA= 0.107, CFI= 0.929, NFI= 0.905, TLI= 0.893). Con respecto al RLI, el modelo desarrollado por Koopmas et al. (2013) y validado por Ramos-Villagrasa et al. (2019), evalúa tres dimensiones: rendimiento de la tarea (RT), rendimiento contextual (RC) y conductas laborales contraproducentes (CLC). Antonio et al. 13

(2023) realizan una adaptación de esta escala en entornos virtuales en México, con cuatro dimensiones (RT, RC, conductas laborales contraproducentes relacionadas con el individuo (CLCI) y conductas laborales contraproducentes relacionadas la organización (CLCO); por lo que se retoma esta escala para medir el rendimiento en los docentes teletrabajadores. En el caso del rendimiento, el análisis arroja una solución de cuatro factores con 16 preguntas, que explica el 76.1% de la varianza, con cargas superiores a 0.75 y un Alpha de Cronbach aceptable en cada dimensión (RT: 0.922, CLCO: 0.902, CLCI: 0.851 y RC: 0.811). El análisis factorial confirmatorio apoya la propuesta de cuatro factores para medir el RLI con parámetros aceptables (CMIN/DF= 2.306, RMSEA= 0.077, CFI= 0.947, NFI= 0.911, TLI= 0.935). En los resultados se utilizó estadística descriptiva con tablas de frecuencia para mostrar los factores sociodemográficos, organizacionales y relacionados con el teletrabajo. Para el diagnóstico de tecnoestrés y RLI se utilizaron las medias y desviaciones estándar (media, como medida de tendencia central, desviación estándar, como medida de variabilidad). Se utilizó la prueba de Kolmogorov-Smirnov para la prueba de normalidad, y la prueba de Levene para la igualdad de varianzas. Con base en los resultados, se aplicó la estadística no paramétrica, utilizando la Prueba de U de Mann-Whitney para comparar las dimensiones de las variables con el género. Y la prueba de H de Kruskal Wallis para comparar las dimensiones de las variables con el resto de los factores sociodemográficos y organizacionales. Como resultado, las mujeres presentan mayor TANS que los hombres; a su vez, las personas que viven en unión libre manifiestan mayores niveles de TAD y los docentes con carreras técnicas presentan las puntuaciones más altas de TANS y TF. En cuanto al sistema de teletrabajo, los teletrabajadores 100% en casa manifiestan una TAD superior. Se utilizó la correlación de Spearman para evidenciar la relación entre las variables y sus dimensiones, para aceptar o rechazar las hipótesis propuestas. Dichas hipótesis se sustentan del marco teórico y modelos hipotéticos que muestran la relación (negativa y positiva) entre las dimensiones de cada variable. De manera general, el coeficiente rho de Spearman entre tecnoestrés y RLI es de -0.462** evidenciando una relación negativa significativa moderada (Cohen, 1988). 14

Se utilizó el modelo de ecuaciones estructurales (Structural Equation Modeling, SEM) para probar la estructura de los modelos hipotéticos propuestos, diferenciando entre RT y RC. En el primero, las dimensiones TANS, TAD y CLCI explican el 72% de varianza de la TF. Estos hallazgos muestran que la TF funge como variable mediadora entre estas dimensiones y el RT. La TF con la autonomía explican el 31% de la varianza del RT. De igual forma, en el segundo modelo, los resultados dan evidencia de que la TF es una variable mediadora entre la TANS, TAD y CLCI. Con respecto al RC, en este caso la autonomía no es significativa en el modelo, de tal forma que las dimensiones (TANS, TAD y CLCI) explican el 71% de varianza de la TF, que a su vez explica el 17% de la varianza del RC. En otras palabras, a mayor TANS, TAD y CLCI, mayor TF y menor RT y RC. En el capítulo siete, se presenta una serie de recomendaciones que pueden ayudar a mitigar los efectos del tecnoestrés con la implementación del teletrabajo y su afectación al rendimiento. Finalmente, se presentan las limitaciones, futuras investigaciones, conclusiones y anexos.