Diseño y Participantes

Una vez que se valide el modelo TAM y las dimensiones relacionadas a las habilidades tecnológicas, el propósito de este estudio es plantear un modelo de ecuaciones estructurales (MES) para cada programa educativo, que mida el nivel de dominio de habilidades tecnológicas de los estudiantes como variable dependiente del modelo, junto a sus variables latentes y observadas.

Se diseñó y aplicó un instrumento para el acopio de datos compuesto por 38 preguntas en relación a varias dimensiones que fueron contempladas en el estudio, siguiendo la estructura desarrollada por ^{Heerwegh, Wit y Verhoeven (2016}) para conocer el dominio autopercepcibido de las habilidades tecnológicas de los estudiantes del semestre de enero-junio del año 2019; la muestra se determinó utilizando la técnica de muestras estratificadas (^{Canavos, 1986}) para obtener la cantidad de estudiantes encuestados para cada programa educativo.

Se aplicaron 258 cuestionarios cubriendo la muestra estimada para cada carrera, en estudiantes de ambos sexos, con edades entre 17 y 21 años de las licenciaturas de Contador Público y Administración de la Universidad Autónoma de Nuevo León. El cuestionario fue constituido en base a cuatro dimensiones que constituyen las habilidades tecnológicas, esto es: procesamiento de palabras, base de datos, software de presentación y navegación en internet. Cada dimensión contó con varias preguntas relacionadas a medir las habilidades tecnológicas correspondientes al manejo y uso en cada dimensión; aplicando una escala Likert de cinco puntos de rango, en la cual “1” es equivalente a nunca; el “5”, siempre, y en un punto intermedio “3” algunas veces; con el fin de conocer en detalle la percepción de los encuestados sobre la frecuencia de uso de una computadora, herramientas TIC y software.

Especificación y evaluación del modelo

Se define a la variable dependiente del modelo de ecuaciones estructurales (MES) como el nivel de habilidades tecnológicas, y cuatro variables latentes de orden inferior: las habilidades en procesamiento de palabras (Word), habilidades de base de datos (BD), habilidades en el manejo de software de presentación (Power Point) y las habilidades de navegación en internet. A continuación, se muestra el número y nombre de variables que resultaron significativas (Tabla 1).

El MES base cuenta con dos variables latentes y cuatro variables observadas para explicar el nivel de habilidades tecnológicas. Esto es, las variables latentes se establecieron como variables intermedias, situadas entre las variables observadas y la variable latente dependiente. En la tabla 2, se muestra el número y nombre de variables TAM (Technology Acceptance Model) que resultaron significativas de la aceptación del usuario en el uso de la computadora.

El planteamiento de este modelo es que la variable dependiente “habilidades tecnológicas” es influenciada por las dos variables latentes que a su vez están influenciadas por las variables observadas, por lo que las variables observadas no ejercen un efecto directo sobre las habilidades tecnológicas. Para llevar a cabo la evaluación en los modelos mencionados, se aplicará el mismo criterio respecto a las valoraciones de impacto de cada coeficiente para cada programa educativo en base a la información señalada en las tablas 3 y 4; posteriormente, se analizará la fiabilidad, confiabilidad, varianza promedio extraída y colinealidad en cada modelo.

Modelo de ecuación estructural HTCP (Habilidades Tecnológicas Contador Público)

En la figura 1, se define el modelo de ecuaciones estructurales, donde se observan los constructos instaurados, sus indicadores y sus coeficientes de regresión, así como las dos variables latentes intermedias del modelo TAM; en la figura 2 se muestra el modelo con la significancia de estos coeficientes utilizado por el SmartPLS, Algoritmo Bootstrapping. Para este estudio se utilizó el software experto en análisis de datos estadísticos SmartPLS V3.0.

Figura 1 Algoritmo PLS del modelo HTCP. 

Figura 2 Algoritmo bootstrapping para el modelo HTCP. 

En la tabla 5 se presenta el resumen del modelo estructural para la carrera de contador público, el análisis se inicia partiendo del coeficiente de determinación (R ²), que sirve para evaluar el modelo estructural cuyo rango oscila entre los valores de 0 a 1, donde los valores cercanos a 1 señalan una mayor precisión predictiva del modelo. De esta manera R ² representa una medida de precisión predicativa en el modelo entre los valores predichos y reales de una variable endógena especifica (^{Hair, Hult, Ringle & Sarsedt, 2014}).

Los valores resultantes de R² tales como: 0.75, 0.50 o 0.25 en los constructos latentes endógenos se establecen como sustancial, moderado o débil (^{Hair, Ringle, & Sarstedt, 2011}; ^{Hair Wolfinbarger, Money, Samouel & Page, 2009}). En este caso, la tabla 5 presenta valores de R² donde se distinguen valores débiles en los constructos Ansiedad o Comportamiento (0.296), Utilidad (0.220) y Habilidad (0.246). Dichos valores estimados para R² son considerados aceptables para este tipo de estudios, debido a que pudieran existir muchos factores relacionados a las tecnologías de la información que pueden impactar a las habilidades que tienen los estudiantes.

Fiabilidad del modelo HTCP

En este mismo orden y dirección, se ejecutó por medio del coeficiente de alfa de chronbach, el análisis de fiabilidad con el fin de evaluar si cada reactivo mide lo mismo y si la respuesta tiende a covariar. Es decir, verificar si los estudiantes responden de forma coherente que nos ayude a deducir que los reactivos varían en el mismo sentido. De esta manera, cuanto más cerca de 1 se encuentre el valor del coeficiente de alfa, mayor es la consistencia interna de los reactivos analizados; esto es, el valor del coeficiente de alfa se cree aceptado cuando al menos es de 0.70 (^{Nunnally, 1967}; ^{Cronbach y Meehl, 1995}).

Con referencia a lo anterior, se concluye que el instrumento de muestreo empleado para este estudio, es confiable debido a que en su totalidad contempla niveles aceptables de Alfa de Cronbach. De acuerdo con los razonamientos que se han venido realizando, se muestra que los coeficientes de confiablidad estimados oscilan entre 0.691 a 0.938 a excepción del constructo Habilidad que fue de 0.299 (Tabla 5).

Confiabilidad Compuesta y la Varianza Promedio Extraída para el modelo HTCP

En este caso, se calculó la confiabilidad y la consistencia de las variables latentes considerando la confiabilidad compuesta (Composite Reability, CR), que indica la consistencia interna de los reactivos que miden los constructos mencionados. ^{Chin (1998}), señala que los valores menores a 0.70 por parte de los reactivos pueden no estar relacionados o pueden sumar en más constructos.

También se inspeccionó la varianza promedio extraída (AVE) que determina la cantidad de varianza latente capturada en conjunto por los indicadores; la validez convergente de los indicadores, en conjunto y en promedio para cada variable (AVE) debe ser mayor al 0.50. Esto significa que en cada variable se captura más del 50% de su varianza, excediendo, por lo tanto, al porcentaje no explicado o capturado (^{Chin y Newsted, 1999}).

En la tabla 5, también se observa que la Confiabilidad Compuesta (CR) de los constructos se localizan por encima del mínimo aceptable de 0.70, apreciando que los valores que se muestran varían entre 0.740 y 0.955 y la Varianza Promedio Extraída (AVE) en este modelo fluctúa entre 0.588 y 0.915 lo que nos revela que coexiste una buena consistencia interna entre los reactivos.

Posteriormente, en las tablas 6 y 7 se presenta el valor del impacto entre constructos y su significancia, deduciendo que la Habilidad tiene un impacto negativo perceptible y no significante; y por parte de la Ansiedad/Comportamiento y la Utilidad existe un impacto fuerte significativo en el nivel de habilidades tecnológicas.

Colinealidad del Modelo HTCP

Luego de constatar que las estimaciones de los constructos son confiables y válidas, ahora es importante llevar acabo la evaluación de los resultados del modelo estructural HTCP en relación a enfatizar las capacidades predictivas del modelo junto a las relaciones entre los constructos. Para ello, se debe detectar si existe colinealidad; debido a que la estimación de los coeficientes en el modelo estructural se fundamenta en las regresiones de mínimos cuadrados ordinarios (OLS por sus siglas en inglés) de cada variable latente endógena junto a sus constructos predictores correspondientes; esto es, en el caso de una regresión múltiple los coeficientes puedan estar sesgados si la estimación involucra niveles significativos de colinealidad entre los constructos predictores.

En modelos de medición formativa, el Factor de Inflación de la Varianza (VIF) no debe sobrepasar por encima de 5.0; en caso contrario, si sobrepasan estos valores resulta que existe colinealidad y se debe pensar en excluir constructos; ya sea combinar predictores en un sólo constructo o crear constructos de orden superior para tratar los problemas de colinealidad (^{Hair et al., 2014}). En este caso, para el modelo de Habilidades Tecnológicas Contador Público (HTPC) se muestra que no existe colinealidad debido a que todos los valores VIF son menores de 5.0 (Tabla 8).

Modelo de ecuación estructural HTA (Habilidades Tecnológicas de Administración)

En la figura 3 se presenta el modelo de ecuación estructural correspondiente y en la figura 4 se ilustra el modelo que muestra la significancia de estos coeficientes utilizado por el SmartPLS, Algoritmo Bootstrapping.

Figura 3 Algoritmo PLS del modelo HTA. 

Figura 4 Algoritmo bootstrapping del modelo HTA. 

Posteriormente, se obtiene el modelo para HTA y se presenta en la tabla 9, se analiza primeramente los valores de R² que muestran valores débiles en los constructos de Ansiedad o Comportamiento (0.208), Utilidad (0.169) y Habilidad (0.208). En ese sentido, los valores de R² se consideran aceptables para este tipo de estudios, como se mencionó anteriormente.

Fiabilidad del modelo HTA

Así mismo, la tabla 9 presenta los valores de los coeficientes de confiabilidad (el alfa de cronbach) en cada caso oscilaron entre 0.725 a 0.928 a excepto de los constructos ansiedad/comportamiento y habilidad, al ser de 0.487 y 0.538 respectivamente. De esta manera se encuentra que el instrumento de muestro aplicado en este estudio es confiable al mostrar en su totalidad niveles admisibles de alfa cronbach.

Confiabilidad Compuesta y la Varianza Promedio Extraída para las HTA

De igual manera, en la tabla 9 se observa que la Confiabilidad Compuesta (CR) de los constructos se estima por encima del mínimo aceptable de 0.70, se apreciar que los valores que se muestran varían entre 0.783 y 0.937 y la Varianza Promedio Extraída (VPE) en este modelo fluctúa entre 0.648 y 0.798 lo que nos determina que existe una buena consistencia interna entre los reactivos.

En las tablas 10 y 11, se observa que el valor de impacto entre constructos y su significancia, presenta que la Habilidad tiene con un impacto negativo perceptible y no significante; por el caso de la Ansiedad/Comportamiento y por la parte de la Utilidad existe un impacto fuerte significativo en el nivel de habilidades tecnológicas.

La Colinealidad del Modelo HTA

Posteriormente después de verificar que las medidas de los constructos son confiables y válidas, se examinó si existe colinealidad. Para este modelo de habilidades tecnológicas de Administración, en la tabla 12 se muestra la no presencia de colinealidad debido a que todos los valores VIF son menores de 5.

De acuerdo al análisis estadístico que se utilizó y conforme a los criterios de calidad (^{Hair Ringle, & Sarstedt, 2011}), los resultados de los modelos presentados están por encima de los valores de calidad requeridos, por lo que confirman la confiabilidad y validez del instrumento, según los resultados obtenidos por los coeficientes de Alfa de Cronbach, confiabilidad compuesta y la varianza promedio extraída. De los hallazgos encontrados y el análisis de estos, se pueden extraer las siguientes conclusiones.

Se encuentra que los alumnos de nuevo ingreso no tienen problemas con la ansiedad o comportamiento al navegar en internet, utilizar el procesador de textos (Word) o software para presentación (Power Point); por el contrario, la ansiedad o comportamiento de los alumnos aumenta - independientemente del plan de estudios que estén cursando - al no saber manejar un gestor de base de datos. Se confirma que la utilidad de un equipo computacional percibido por los estudiantes aumenta cuando realizan actividades académicas que involucran habilidades de navegar por internet, utilizar el procesador de texto (Word) y software de presentación (Power Point) y en contra parte no encuentran utilidad en el manejo de un gestor de base de datos.

Lo anterior es preocupante al ser una escuela de negocios en donde es fundamental que los estudiante que cursan este tipo de carreras profesionales, alcancen el dominio y la habilidad en el manejo de los gestores de bases de datos, pues ayudaría a incrementar su nivel de aprendizaje y desarrollo de competencias a un grado superior en actividades como el razonamiento analítico, la toma de decisiones y el abordaje de problemas complejos en cada disciplina -por mencionar algunos-, que son de vital interés al momento de ingresar al mercado laboral y competir en sus ámbitos de interés.

Los resultados estadísticos también demuestran que para los dos programas educativos (Contador Público y Administración), el nivel de habilidades tecnológicas aumenta cuando se conoce la utilidad de un equipo computacional y disminuyen cuando aumenta la ansiedad o varía el comportamiento de los alumnos, tal como lo señalan ^{Heerwegh, Wit y Verhoeven (2016}).

Por otro lado, los alumnos mostraron estadísticamente que están preparados para utilizar instrumentos tecnológicos; esto refuerza la investigación de ^{Miliszewska (2008}), en donde sabemos que la tecnología cambia día a día y debemos estar preparados para ajustarnos a diversos entornos como el cambio tecnológico. Esto vigoriza el hecho de que actualmente no sobrevive el más fuerte ni el más inteligente sino el que mejor se ajusta a su entorno, aquel capaz de competir en ambientes laborales cambiantes y dinámicos del siglo XXI.