nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
El Barómetro Mundial de Corrupción de 2013 (Transparency International, 2013b) informó que el 27 % de la población en 107 países reportó haber pagado sobornos en el transcurso de ese año, mientras que en México fue entre el 30 % y 39 %. En 2010, se registraron 200 mil actos de corrupción en servicios públicos en México (Transparencia Mexicana, 2011), implicando afectaciones a la ciudadanía por más de ocho dólares promedio por transacción. Así, México se ubicó como uno de los países con mayor percepción de corrupción en la posición 124 de 180 en 2020 (Transparency International, 2021), peor que en la medición de 2013, donde se ubicaba en la posición 106 entre 177 países (Transparency International, 2013a).
El Índice del Estado de Derecho de 2020 (World Justice Project, 2020) ubicó a México en el lugar 104 de 128 países evaluados, con un puntaje de 0.44 en una escala de 0 a 1, donde 1 representa un elevado estado de derecho. Según la Encuesta Nacional de Identidad y Valores (Flores, 2015), el 39.2 % de los encuestados en México declaró que la población mexicana tiene muchos comportamientos transgresivos y sólo el 22.8 % respondió que tiene pocos. En la Encuesta de Cultura Constitucional en México (Fix-Fierro et al., 2017), 41 % de los ciudadanos respondió que estaría dispuesto a violar la ley si considera que tiene la razón, y el 21 % dijo estar de acuerdo o muy de acuerdo con la frase “violar la ley no es tan malo, lo malo es que te sorprendan”.
Estos índices reflejan la estrecha relación entre la corrupción y la baja aplicación del estado de derecho, asunto que compete no solo a funcionarios públicos, pues la ciudadanía participa también en la violación de normas sociales de todo tipo, dado que la corrupción se ha vuelto una estrategia generalizada en el país. Estos niveles de corrupción denotan un pobre estado de derecho, el cual se entiende como una condición donde gobierno, funcionarios, individuos y entidades privadas están bajo responsabilidad de la ley (World Justice Project, 2016). Las leyes deben ser estables, justas y proteger los derechos fundamentales; la justicia debe aplicarse en tiempo, de manera ética y neutra, reflejando la composición de la comunidad donde se vive.
Las normas sociales son la tendencia a comportarse como la mayoría de las personas lo hace, con base en la conformidad de aceptar las prácticas comunes (Miller y Prentice, 2016). Young (2015) las define como “patrones de comportamiento que se auto refuerzan dentro de un grupo” (p. 359) y que dependen de la conformidad hacia la realización de dichos comportamientos. Las normas pueden ser explicitas cuando están estipuladas en “enunciados que expresan lo que es obligatorio, prohibido o permitido” (Sieckmann, 2015, p. 896), como en una constitución. También pueden ser implícitas, constituyendo normas sociales que dictan los comportamientos permitidos en cada contexto, las cuales resultan de la interacción cotidiana con los demás. Dichas normas "rigen nuestras interacciones con los demás. Son los códigos no escritos y entendimientos informales que definen lo que esperamos de otras personas y lo que esperan de nosotros” (Young, 2015, p. 360), contribuyendo al mantenimiento del orden social. Pueden estar “tan incrustadas en nuestras formas de pensar y actuar que a menudo las seguimos inconscientemente y sin deliberación” (Young, 2015, p. 360).
Para explicar cómo las personas siguen o rompen normas, se analizarán dos posturas teóricas. Primero, desde la Teoría de la Conducta Planeada (en adelante TCP), Fishbein y Ajzen (2011) proponen que la realización de cualquier comportamiento depende, en primer lugar, de contar con una intención previa de realizarlo, la cual a su vez depende de creencias interiorizadas sobre el agrado o desagrado hacia una cierta actividad (actitud), la norma percibida por otros cercanos (norma subjetiva) y el control que se cree tener para realizar dicha conducta (control conductual percibido). Segundo, desde la Teoría del Foco Normativo (TFN), Cialdini et al. (1990) proponen que nuestras conductas de adherencia o violación a una norma están influidas por estímulos en el ambiente que nos indican que otras personas las han obedecido o no (e. g., un grafiti indica que alguien violó la norma de no pintar grafitis). Ambos modelos plantean una fuente diferente de influencia: la TCP propone una fuente interna y disposicional, y la TFN, una fuente social y externa.
En esta investigación se proponen ambas como fuentes complementarias de influencia para explicar el comportamiento de violación o adherencia a las normas, verificando mediante métodos correlacionales su capacidad para explicar la adherencia a la norma ampliamente generalizada de no mentir. Se eligió la norma de decir la verdad porque constituye un valor humano común en diferentes códigos normativos (Kinnier et al., 2000; Schwartz, 2005); además de resultar fundamental para la conformación de vínculos de confianza en las relaciones humanas (Ellingsen et al., 2009).
Teoría de la Conducta Planeada (TCP)
La TCP propone que las personas realizan una conducta siguiendo sus creencias (Fishbein y Ajzen, 2011). Las primeras son las creencias de la conducta, que derivan de las consecuencias positivas o negativas que podrían experimentarse al realizarla generando una evaluación positiva o negativa, constituyendo la actitud hacia la conducta (Ajzen, 1985). Para estos autores (2011), la actitud es una tendencia a responder con algún grado de preferencia o rechazo hacia un objeto psicológico, el cual puede ser una conducta. Las actitudes colocan al individuo en una posición respecto al objeto, generando una evaluación positiva o negativa, pasando por un punto neutro. Complementariamente, Eagly y Chaiken (1993) definen la actitud como “una tendencia psicológica expresada por la evaluación de una entidad particular para favorecerla o desfavorecerla” (p. 1). Están basadas en conductas, afectos y experiencias vividas, siendo el afecto su componente central, ya que representa un estado emocional claro y especifico hacia el objeto en cuestión (Petty y Cacioppo, 1986).
La segunda creencia en la TCP es la creencia normativa, referida a las creencias individuales sobre la aprobación o desaprobación que recibiría de personas personalmente relevantes si se realiza dicha conducta (Fishbein y Ajzen, 2011). Esta creencia forma la norma subjetiva, que es la influencia social sobre el individuo para realizar o no una conducta (Ajzen, 1985). Una persona intentaría realizar una conducta cuando cree que las personas importantes para ella evalúan positivamente que lo haga, pero la evitaría si cree que la desaprobarían. La tercera creencia en la TCP es la creencia de control, basada en factores personales y ambientales que ayudarían o impedirían el intento de realizar una conducta (Fishbein y Ajzen, 2011). Esta creencia forma el control conductual percibido, refiriéndose a la facilidad o dificultad percibida para realizar la conducta con base en experiencias pasadas, impedimentos y obstáculos previstos que permiten estimar el control que se tendrá para realizarla (Ajzen, 1991).
Actitud, norma subjetiva y control conductual percibido forman una intención, factor motivacional que influye en la conducta e indica cuánto esfuerzo planea ejercer una persona para realizarla (Ajzen, 1991). La intención estará influida por el control real que se tendría al realizar esa conducta; solo cuando existe control sobre la conducta realizada la intención puede ser un buen predictor de la conducta (Fishbein y Ajzen, 2011). Aunque el control real percibido sobre la conducta es importante, el control conductual percibido es de mayor importancia psicológica (Ajzen, 1991). En la TCP, el control conductual percibido y la intención predicen la conducta. Una intención fuerte tiene más probabilidades de desencadenar un comportamiento, pero la ausencia de la destreza requerida o un ambiente restrictivo pueden evitar que un individuo realice sus intenciones (Fishbein y Ajzen, 2011). En resumen, la actitud, norma subjetiva y control conductual percibido sobre una conducta estarían accesibles para guiar la intención, la cual motiva la conducta. Además, el control conductual percibido tendría efectos directos sobre la conducta e indirectos mediante la intención (Fishbein y Ajzen, 2011), como se observa en la figura 1.
Fuente: Elaboración propia
Figura 1 Esquema de la teoría de la conducta planeada. Se muestran los componentes de la teoría y las relaciones entre ellos
La TCP no se propone como un modelo absoluto para la explicación de todas las conductas. Es un modelo con base en el cual pueden agregarse otras variables con capacidad predictiva sobre la conducta de interés considerando su naturaleza y variaciones socioculturales. La TCP ha sido utilizada para explicar conductas tan diversas como el consumo de bebidas alcohólicas (Cooke et al., 2016), la adherencia a tratamientos médicos (Rich et al., 2015) y el emprendimiento empresarial (Kautonen et al., 2015). El meta- análisis de Armitage y Conner (2001) de 185 estudios sobre diferentes conductas muestra que la capacidad predictiva de la TCP es de 39 % hacia la intención, derivado de la actitud, norma subjetiva y control conductual percibido; mientras que la predicción hacia la conducta alcanza el 27 %, derivado de la intención y el control conductual percibido.
En conductas relacionadas al seguimiento de normas, la TCP ha sido probada para explicar acciones como mentir en un examen y robar cosas de una tienda (Beck y Ajzen,1991), encontrándose al control conductual percibido como la variable más importante para predecir la intención, y a la intención, como la más importante para predecir esas conductas. Incorporar la obligación moral incrementó significativamente la capacidad de predecir los comportamientos deshonestos, aunque se observó una mejor predicción de las intenciones que de la conducta.
Rodríguez-Kuri et al. (2007), al analizar el uso de drogas ilícitas, registraron que quienes ya habían consumido alguna droga tenían una actitud más favorable hacia el consumo, siendo el control conductual percibido el componente que mayor intención y conducta predice, seguido de la actitud. La norma subjetiva no mostró capacidad predictiva para la intención del uso de drogas, pero la incorporación al modelo de la percepción de consecuencias incrementó su valor predictivo. Por su parte, Conner et al. (2007) aplicaron la TCP para predecir la intención de rebasar el límite de velocidad al conducir utilizando un simulador, hallando que la intención y el control conductual percibido predecían el exceso de velocidad en el simulador, predicción que se incrementaba al incorporar la norma moral y los accidentes previos. Además, la intención y la norma moral predijeron con éxito el exceso de velocidad en la carretera.
Desorden normativo
En la TCP, los factores determinantes del comportamiento constituyen disposiciones individuales derivadas de la experiencia del individuo con esa conducta, siendo quizá la norma subjetiva el único elemento derivado directamente de las relaciones sociales del individuo. Otros estudios muestran que elementos del ambiente físico que nos rodea, como una calle limpia o con basura en el suelo, afectan nuestra decisión de respetar las normas sociales al funcionar como evidencias de que otras personas lo han hecho o no. Wilson y Kelling (1982) afirman que un ambiente predominantemente desordenado, derivado de conductas que destruyen la propiedad pública, como grafitis, forman en el ambiente una norma implícita que tolera la trasgresión de normas, lo que promueve una propagación aún mayor del desorden.
Con el fin de explicar por qué los contextos con desorden socioambiental influyen para que las personas propaguen esa falta de normatividad mediante sus acciones, Cialdini et al. (1990) proponen que puede deberse a la interacción de normas prescriptivas y descriptivas. Las normas prescriptivas establecen cuáles deberían ser los comportamientos más adecuados en alguna situación de acuerdo con la aprobación de otros. Las normas descriptivas nos ofrecen una alternativa rápida y adaptativa mediante la observación del comportamiento de otros en la misma situación, para así actuar como la mayoría.
Cialdini et al. (1991) proponen el modelo del foco normativo, el cual señala que una norma va a influir en la conducta de un individuo dependiendo del grado de atención que se le esté prestando. Cuando una norma dirija prominentemente la conducta de los individuos, será porque está activada y emite un foco de atención, por lo tanto, las personas serán más propensas a obedecerla. Por esto, “es comprensible que las normas dominantes de una sociedad sólo pueden predecir los comportamientos en algunas ocasiones” (Cialdini et al., 1991, p. 205), dado que ciertas normas que no están en nuestro foco de atención pasan desapercibidas.
En un experimento, Cialdini et al. (1990) entregaban un folleto a personas que caminaban por un estacionamiento, quienes encontraban después un bote de basura que en uno de los escenarios tenía folletos tirados fuera del bote (ambiente sucio, norma descriptiva probasura), y en la otra encontraban el bote sin basura fuera (ambiente limpio, norma descriptiva antibasura). En ambos casos había un confederado que caminaba delante, pero en uno tiraba basura fuera del bote (norma saliente probasura) y en el otro solo caminaba junto al bote (norma saliente antibasura). Se encontró que los participantes tiraban más basura en el ambiente sucio que en el limpio, además de que la presencia de una norma saliente probasura incrementaba esta conducta, concluyéndose que las evidencias de otros trasgrediendo una norma particular incrementan la disposición a transgredirla también.
Posteriormente, Keizer et al. (2008) extendieron este modelo, observando que las evidencias de que se ha violado una norma social motivan a los individuos a transgredir otras diferentes. Los individuos que atravesaban espacios con evidencias de violación a alguna norma (e. g., grafitis en las paredes junto a un letrero que los prohibía) incrementaban significativamente conductas violatorias a otras normas, como tirar basura. Estos estudios muestran que las violaciones a las normas generan un efecto de contagio, motivando a las personas a violar esas y otras normas. Estas señales a menudo se encuentran implícitas en el entorno, y generan una norma descriptiva de incumplimiento argumentando "si los demás lo hacen, yo también puedo hacerlo", amenazando en lo colectivo el estado de derecho. Más recientemente, Köbis et al. (2015) encontraron en un procedimiento experimental que las normas descriptivas percibidas por las personas se correlacionan con conductas corruptas, generando un menor número de comportamientos corruptos cuando se mostraban normas descriptivas anticorrupción a los participantes por medio de carteles.
Por lo tanto, resulta importante conocer, además de las disposiciones individuales, las condiciones en el entorno cotidiano donde se desarrolla una persona en términos de su nivel de desorden normativo, entendido este último como la frecuencia de señales que indican que otras personas violan regularmente diferentes normas sociales. Investigaciones previas indican que el desorden normativo produce la violación de distintas normas (Cialdini et al., 1991; Keizer et al., 2008), mientras que la TCP (Fishbein y Ajzen, 2011) explica la trasgresión de normas con base en disposiciones generadas por las actitudes, norma subjetiva, control percibido e intención que la persona ha internalizado al momento de realizar una conducta. Tang et al. (2018) integran ambos enfoques, encontrando que la intención de ejecutivos de empresas a involucrarse en actos deshonestos es más alta en empresas con una ética corporativa pobre y países con áltos niveles de corrupción. Además, señalan que las intenciones a la corrupción más elevadas están en los ejecutivos que reportan niveles altos de gusto (actitud positiva) por el dinero.
Curtis et al. (2018) utilizaron como base la TCP para predecir las conductas de plagio de estudiantes universitarios, evaluando las normas descriptivas (“¿Qué tan a menudo crees que otros estudiantes hacen algo similar?”) y las prescriptivas (“¿Con qué frecuencias crees que es aceptable que otros estudiantes hagan algo similar?”). Sus resultados indicaron que las prescriptivas tenían mayor capacidad predictiva. Por otra parte, con base en estudios que incorporaban normas descriptivas a la TCP para explicar diferentes conductas, Rivis y Sheeran (2003) reportaron que la norma descriptiva incrementa la capacidad predictiva de la TCP en un 5 %.
Estos estudios ofrecen evidencia de las normas descriptivas como elementos capaces de explicar la obediencia o violación de diferentes normas, pero solo cuando la norma descriptiva (e. g., saber que otros hacen trampa en un examen) estaba relacionada con la misma conducta (e. g., hacer trampa en el examen), por lo que no es posible saber si la percepción generalizada de desorden normativo puede motivar la violación de alguna norma particular. Por su parte, Keizer et al. (2008) muestran experimentalmente que el desorden normativo motiva la violación de diferentes normas, sin embargo, aunque los experimentos ofrecen un alto control de variables y validez interna, adolecen de validez externa y capacidad de generalización al utilizar escenarios artificiales y muestras reducidas.
Considerando las limitaciones de ambas metodologías, y con la intención de complementar esos hallazgos para la comprensión de los efectos del desorden normativo sobre la violación de otras normas, el presente estudio toma como base la TCP buscando explicar la violación a la norma social de decir la verdad. Como una forma de valorar el desorden normativo al que están expuestos los participantes, se incorpora una medición de su percepción de la violación a diferentes normas sociales por otros individuos en su vecindario.
Con base en estos antecedentes, la pregunta de investigación es: ¿La capacidad de la TCP para predecir la conducta de mentir se incrementa al incorporarse como variable predictora el nivel de desorden normativo que perciben en sus comunidades? Las hipótesis son que el modelo de la TCP será útil para explicar tanto la intención como la realización previa de mentir, capacidad que se incrementará por el nivel de desorden normativo percibido por los participantes en su contexto residencial cotidiano. Como objetivo, se busca conocer la influencia que genera el desorden normativo en el ambiente cotidiano de una persona en la trasgresión a la norma de no decir mentiras.
Metodología
Participantes
Participaron 385 estudiantes de tercero de secundaria en la ciudad de León, Guanajuato. El 48.7 % de las/los participantes fueron del turno matutino y el 51.3 % del turno vespertino. El 51.7 % fueron mujeres y el 47.8 % fueron hombres (2 personas no respondieron a la pregunta sexo). La edad promedio fue 14.23 años con una desviación típica de .54. La mayoría de las personas se encontraron en las siguientes categorías de nivel socioeconómico del AMAI (López, 2011): C (22.3 %), C- (26 %), D+ (19.5 %) y D (20.8 %).
Instrumentos
Al no existir instrumentos previamente validados para medir los componentes de la TCP que trataran sobre la norma de no mentir, estos fueron diseñados para la presente investigación con base en las definiciones de actitud, norma subjetiva, control conductual e intención de Fishbein y Ajzen (2011). Todos los reactivos fueron redactados hacia el cumplimiento de la norma de mentir, cuidando el apego a las definiciones teóricas para la medición del componente de la TCP para el que fueron diseñados. Para su aplicación, fueron presentados en formato tipo Likert de seis puntos que iban de “Totalmente en desacuerdo” (1) a “Totalmente de acuerdo” (6).
La intención se midió con 10 reactivos (e. g., "Si tuviera que mentir para obtener una ganancia trataría de hacerlo") que en el análisis factorial exploratorio explican el 55.44 % de la varianza con un valor Keiser- Meyer-Olkin (KMO)= .93, indicando que el tamaño de la muestra fue adecuado, y un valor significativo en la prueba de esfericidad de Bartlett, indicando que la matriz es factorizable (chi 2 =2166.54, gl=45, p<.001). El factor obtuvo un alfa de Cronbach α= .92. La actitud se midió con 6 reactivos (e. g., "Me sería agradable mentir si obtengo un beneficio") que explican el 50.58 % de la varianza (KMO =.87; Barlett’s chi 2 =859.88, gl=91, p<.001; α= .85). El control conductual percibido se midió con 7 reactivos (e. g., "Si yo me lo propongo, podría mentir para obtener un beneficio") que explican el 53.84 % de la varianza (KMO = .90; Barlett’s chi 2 = 1222.17, gl= 21, p<.001; α= .89). La norma subjetiva se midió con 6 reactivos bajo la instrucción “¿En qué medida las personas que consideras importantes para ti…?” seguida de afirmaciones como "Creerían que mentir está bien para ganar algo". El factor explica un 51.56 % de la varianza (KMO =.87; Barlett’s chi 2 =933.73, gl=15, p<.001; α= .85).
Para evaluar el desorden normativo, se diseñaron cinco reactivos que miden la percepción de la violación de diferentes normas en el vecindario de los participantes (i. e., “¿Con qué frecuencia las personas tiran basura al suelo en la colonia dónde vives?”, “¿Qué tan frecuente es que personas beban en la calle en la colonia dónde vives?”, “¿Con que frecuencia las personas de tu colonia tienen música con volumen muy alto?”, “En la colonia donde vives, ¿cuántas son las paredes que tienen grafitis?” y “¿Qué tanta delincuencia consideras que hay en la colonia dónde vives?”) que explican el 41.73 % de la varianza en un solo factor KMO = .79; Barlett’s chi 2 = 463.38, gl= 10, p<.001; α= .77). Estos reactivos se respondían en un formato tipo Likert con seis puntos que evaluaban de menos (1) a más (6) la frecuencia percibida. Para tener un indicador de la conducta de mentir, se presentó un reactivo con la pregunta “¿Cuántas veces has dicho alguna mentira en las últimas dos semanas?” con un formato de respuesta tipo Likert de cuatro opciones: (1) ninguna vez, (2) al menos una vez, (3) más de una vez y (4) muchas veces.
Procedimiento
El diseño del estudio es transversal, no experimental, correlacional y de alcance explicativo. El muestreo es no representativo y por conveniencia. Para el levantamiento de datos, se contactó a la institución y se solicitó a las autoridades responsables permiso para aplicar los instrumentos, previa revisión de los instrumentos y sus procedimientos de aplicación. En cada aula se informó a los participantes sobre la naturaleza, tiempos e información que se solicitaría en el procedimiento del estudio. Se les invitó a participar enfatizando que su participación sería totalmente voluntaria, que no recibirían recompensas por participar ni sanciones por no hacerlo, y que aún si aceptaban podían abandonar el estudio en cualquier momento. Se les informó también que sus datos serían totalmente confidenciales y anónimos, garantizando que el estudio no tenía relación alguna con las autoridades de la escuela y que no se les entregarían reportes con datos que permitieran la identificación individual. A quienes aceptaban participar se les entregaban los instrumentos, se leían las instrucciones y se resolvían dudas durante el llenado. Al finalizar la aplicación, se explicaban el objetivo del estudio y los resultados esperados, se respondían dudas y se les agradecía por su participación.
Análisis de datos
Considerando que los instrumentos fueron diseñados por los propios autores, para este estudio se buscó obtener evidencias de su validez realizando análisis factoriales exploratorios de máxima verosimilitud, teniendo como criterio de extracción un valor propio superior a 1. La adecuación muestral fue verificada mediante el indicador KMO. Todos los instrumentos mostraron una estructura de un solo factor, por lo que no fue necesario aplicar una rotación a la matriz de extracción de factores. La consistencia interna de cada factor fue verificada mediante la fórmula alfa de Cronbach. Una vez identificada la estructura de cada instrumento, se formaron indicadores promediando los reactivos de cada factor, verificando la normalidad de la distribución y homocedasticidad. La prueba de hipótesis se realizó primero mediante análisis de regresión lineal múltiple con el método de pasos sucesivos para identificar las variables relevantes para la predicción de las variables dependientes. Se analizaron posibles efectos de colinealidad entre las variables independientes mediante análisis de tolerancia y factor de inflación de varianza. Estos análisis se realizaron mediante el programa SPSS (IBM, 2013). Una vez identificadas las variables estadísticamente relevantes, se pusieron a prueba las hipótesis del modelo completo mediante un análisis de trayectorias utilizando el método de máxima verosimilitud en el programa AMOS 22 (Arbuckle, 2013).
Resultados
La Tabla 1 muestra los estadísticos descriptivos de las variables del modelo de la TCP, del desorden normativo y de las mentiras reportadas.
Tabla 1 Estadísticos descriptivos de las variables usadas en el modelo.
| ¿Cuántas veces has mentido en las últimas dos semanas? | Intención | Actitud | Control conductual percibido | Norma social | Desorden Normativo | |
| Promedio | 2.40 | 2.56 | 2.40 | 2.76 | 2.35 | 3.53 |
| DE | .84 | 1.14 | 1.13 | 1.24 | 1.16 | 1.17 |
| Mínimo | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| Máximo | 4.00 | 5.91 | 5.67 | 6.00 | 6.00 | 6.00 |
Se emplearon regresiones lineales por pasos para probar, primero, los efectos de la actitud, norma subjetiva, control conductual percibido y desorden normativo (independientes) sobre la intención (dependiente); y segundo, análisis de la actitud, norma subjetiva, control conductual percibido, intención y desorden normativo como independientes y las mentiras como dependiente.
Para el primer análisis, los efectos hacia la intención muestran una varianza explicada del 80 % (r 2 = .80; F= 4.18, gl= 1, p= .041) derivados de la actitud (β= .55; t= 13.91, p<.001), el control conductual percibido (β= .35; t= 9.72, p<.001) y la norma subjetiva (β= .05; t= 2.04, p= .041). El desorden normativo no tuvo resultados significativos y fue excluido del modelo (β= .03; t= 1.59, p= .112). Este modelo obtuvo una tolerancia de .31 para la actitud, .36 para el control conductual percibido y 0.64 para la norma subjetiva; el factor de inflación de varianza fue de 3.17, 2.72 y 1.54 respectivamente, indicando la presencia de problemas de colinealidad. Esta colinealidad entre las variables independientes puede deberse a que, si bien miden diferentes componentes de la TCP, todos los reactivos tratan sobre la misma conducta de mentir.
Los resultados de la regresión hacia la variable mentir muestran una varianza explicada de 11 % (r 2 = .11; F= 20.45, gl= 1, p<.001), cuyos efectos derivan de la intención (β= .23; t= 4.80, p<.001) y del desorden normativo (β= .22; t= 4.52, p<.001). Como se puede esperar de acuerdo con la TCP, la actitud (β= 003; t=
.31, p= .755) y la norma subjetiva (β= 008; t= 1.51, p= .132) no tuvieron efectos significativos sobre la conducta, pero tampoco se encontraron para el control conductual percibido (β= .06; t= .78, p= .433). En este modelo no se presentan problemas de colinealidad (tolerancia de .98 y factor de inflación de varianza de 1.02 para la intención y el desorden normativo).
Los análisis de regresión permiten conocer los efectos por separado hacia la intención y hacia la conducta reportada de mentir. Para integrar todo el modelo, se realizó un análisis de trayectorias mediante ecuaciones estructurales con el software AMOS versión 22 (Arbuckle, 2013), primero para el modelo de la TCP original, y después, agregando el desorden normativo.
En la Figura 2, se muestra el modelo de la TCP original. Los valores de bondad de ajuste (Chi 2 = 2.38, gl= 2, p= .303) muestran discrepancias mínimas entre las relaciones hipotetizadas por el modelo teórico y las analizadas en los datos. El valor de RMR= .01 indica que resta poca varianza compartida entre los reactivos una vez que se extrae la varianza explicada por las variables latentes. El indicador GFI= .99 (con valores entre 0 y 1) señala elevados niveles de varianza total explicada por el modelo teórico; el índice CFI= 1 (con valores entre 0 y 1) señala diferencias importantes entre el modelo propuesto y un modelo hipotético de relaciones nulas entre los elementos analizados. El indicador RMSEA= .02 [IC 90 %<.00, .10], que estima la estabilidad de la bondad de ajuste esperada del modelo al trabajar con la población de la misma muestra, refleja un buen nivel al ubicarse por debajo de 0.08, además de que el indicador PClose= .58 confirma una elevada probabilidad de que un valor óptimo de RMSEA= .05 se ubique entre los valores esperados para la población (Lévy & Varela, 2003; Kline, 2016).
Fuente: Elaboración propia
Figura 2 Modelo de ecuaciones estructurales en la predicción de los componentes del modelo de la TCP hacia la conducta de mentir (valores estandarizados)
Como se observa en la Figura 2, la capacidad explicativa de la actitud (CR: critical ratio) (CR=13.78, p<.001), la norma subjetiva (CR= 2.49, p<.013) y el control conductual percibido (CR= 8.16, p<.001) alcanzan el 79 % de la varianza. Sin embargo, este porcentaje decae notoriamente para la predicción de la variable conductual al 7 %, derivado únicamente de la intención (CR=2.09, p=.037), sin que se observen los efectos estadísticamente significativos esperados del control conductual percibido sobre la conducta de mentir (CR= 1.1, p= .252).
Se identifican, además, efectos indirectos sobre la conducta reportada de mentir de la actitud (β= .10), la norma subjetiva (β= .01) y el control conductual (β= .05); siendo estadísticamente significativos, de acuerdo con la prueba de Sobel (1986), los efectos de la actitud (z= 2.05, p= .030) y el control conductual (z= 2.01, p= .040), pero no de la norma subjetiva (z= 1.59, p= .101).
Al agregar al modelo el desorden normativo, como se observa en la Figura 3, se observan valores adecuados de bondad de ajuste de Chi 2 = 11.52, gl=6, p=.074; RMR=.06; GFI=.99; CFI=.99; y RMSEA=.04 (IC 90 %= .00, .09, PClose= .455). La predicción de las mentiras reportadas alcanza un 11 % derivada del desorden normativo (CR= 4.74, p<.001), sin que se observen efectos significativos del control conductual percibido sobre la conducta de mentir (CR= 1.44, p= .149) y perdiendo relevancia estadística los efectos de la intención (CR= 1.55, p= .121), manteniéndose sin cambios con respecto al modelo anterior los valores predictivos de actitud, norma subjetiva y control conductual percibido sobre la intención.
Fuente: Elaboración propia
Figura 3 Modelo de ecuaciones estructurales en la predicción de los componentes del modelo de la TCP y el desorden normativo hacia la conducta de mentir (valores estandarizados)
Para obtener indicadores adicionales de certeza de estos resultados, se verificó el mismo análisis mediante estimación bayesiana, también en el programa AMOS 22. Como se observa en la Tabla 2, los pesos de regresión obtenidos con el método de máxima verosimilitud corresponden a los promedios estimados mediante el método bayesiano y se ubican dentro de sus intervalos de confianza a un 95 %. Los efectos de la actitud y el control conductual sobre la intención de mentir se confirman mediante el método bayesiano, dado que los intervalos de confianza descartan al 0 como un posible valor de esos efectos. Los efectos de la norma subjetiva se mantienen como poco confiables al incluir al 0 como un valor posible en sus intervalos de confianza mediante la estimación bayesiana. Los efectos sobre el reporte de mentiras, tanto en el método de máxima verosimilitud como en la estimación bayesiana, derivan exclusivamente del desorden ambiental, dado que la intención y el control conductual incluyen el 0 como un valor posible en sus intervalos de confianza.
Tabla 2 Pesos de regresión estimados para los efectos del modelo mediante el modelo de máxima verosimilitud y estimadores bayesianos
| Modelo de máxima verosimilitud | Modelo bayesiano | |||||
| Trayectoria | Peso de regresión (B) | Critical ratio | p | Intervalos deconfianza | ||
| Peso de regresión promedio | Límite inferior 95 % | Límite superior 95 % | ||||
| Intención<--Actitud | 0.57 | 13.78 | <.001 | 0.57 | 0.42 | 0.72 |
| Intención<---Control Conductual | 0.29 | 8.16 | <.001 | 0.29 | 0.17 | 0.43 |
| Intención<---Norma Subjetiva | 0.07 | 2.49 | .01 | 0.07 | -0.03 | 0.17 |
| Mentiras<---Intención | 0.09 | 1.55 | .12 | 0.09 | -0.14 | 0.33 |
| Mentiras<---Desorden | 0.16 | 4.74 | <.001 | 0.16 | 0.03 | 0.28 |
| Mentiras<---Control Conductual | 0.08 | 1.44 | .14 | 0.08 | -0.15 | 0.30 |
Discusión
Los resultados confirman la capacidad de la TCP para predecir la intención, pero no el comportamiento de trasgredir la norma de decir la verdad. Se confirma también que la percepción de la norma descriptiva de la trasgresión de diferentes normas, llamada aquí desorden normativo, incrementa significativamente la capacidad explicativa del modelo, aun cuando entre las normas a las que refiere se excluye intencionalmente la norma de decir la verdad, los cual permitió verificar la hipótesis del contagio del desorden entre diferentes normas (Keizer et al., 2008).
Esta capacidad de la norma descriptiva para explicar la violación de las mismas normas ya había sido reportada en el meta-análisis de Rivis y Sheeran (2003) con incrementos promedio del 5 % de la varianza explicada. En esos estudios, se medía la norma descriptiva y sus efectos sobre la violación de la misma norma, por ejemplo, observar que otros tiran basura incrementa la probabilidad de que otros lo hagan. En el presente estudio, se incrementa 4 % la varianza al incorporarse esta variable, pero la norma descriptiva es respecto de la violación de otras normas, apoyando la hipótesis del contagio de la violación de unas normas hacia otras, incluso si no están relacionadas entre sí (Keizer et al., 2008). Cuando en el ambiente se perciben frecuentemente conductas que trasgreden las normas, es probable que estas se normalicen, generando una actitud positiva hacía ellas. Esto a su vez modificaría la norma subjetiva, disminuyendo la presión percibida por otros para seguir esas normas, además de incrementar el control percibido para trasgredir esa u otras normas mediante un proceso de aprendizaje vicario.
Debe reconocerse como limitación de este estudio que, aunque significativa en términos estadísticos, la varianza explicada es de apenas 11 %. Esto puede deberse a la dificultad para medir la variable dependiente. Siendo un auto reporte, es probable que prefieran mentir sobre sus mentiras y reporten una frecuencia menor, perjudicando la precisión de la medida. Una posible solución sería realizar una medición observacional donde los participantes se encuentren ante la disyuntiva de adherirse o no a una norma en repetidas ocasiones, registrando así una medida conductual y no de auto reporte.
Fishbein y Ajzen (2011) afirman que la mejor manera de medir una conducta para alcanzar niveles de explicación adecuados en la TCP es evitando la generalidad, midiendo una acción que tiene un objetivo en un determinado contexto y tiempo. La medición de los componentes de la TCP y de la conducta no eran suficientemente específicas en contexto y objetivo, ubicándose en un nivel alto de generalidad. Tener mediciones con mayor precisión en un objetivo, contexto y tiempo permitiría ofrecer mejores explicaciones del fenómeno, pero dificultaría la generalización a otras condiciones.
Esta caída en la capacidad explicativa entre la intención y la conducta es un hallazgo regular para la TCP en diferentes conductas (Armitage y Conner, 2001; Cooke, et al., 2016; Rich et al., 2015). Ante este vacío entre la intención y la actitud, además de otras limitaciones, algunos autores han sugerido que la TCP ya no es un modelo vigente (Sniehotta et al., 2014); mientras otros proponen que esta limitación deriva de la complejidad de los fenómenos de estudio y sus condiciones contextuales, por lo que es recomendable incorporar nuevas variables que contribuyen a incluirlos (Ajzen, 2015). También existen otros modelos utilizados para la predicción de conductas que han mostrado capacidad predictiva consistente. Dada la baja capacidad predictiva de la TCP observada aquí, más que esperar un modelo absoluto, quizá sea necesario compararlos en diferentes conductas para identificar si son especialmente útiles para algunas. Por ejemplo, Bamberg y Schmidt (2003) compararon el modelo de activación de normas (Schwartz, 1977), la teoría de la conducta interpersonal (Triandis, 1980) y la TCP, concluyendo que los mejores modelos para predecir el uso de automóvil u otras formas de transporte menos contaminantes fueron la TCP y la teoría de la conducta interpersonal.
Los resultados hacen pensar que una intervención para mejorar el respeto a las normas sociales debe trabajar tanto con las predisposiciones (Fishbein y Ajzen, 2011) como con el ambiente social y físico (Cialdini et al., 1991; Keizer et al., 2008). Por ejemplo, si se quisiera cambiar el comportamiento a favor del medio ambiente, no bastaría con un cambio de actitudes en las personas. Tendría que modificarse la normatividad social y cuidar un ambiente físico que refleje que otras personas siguen la norma y también lo cuidan, evitando los rastros dejados por quienes no lo hacen. Así puede evitarse la formación de círculos viciosos, donde una masa crítica de transgresores genera la percepción de que “todo mundo lo hace” (Morris y Klesner, 2010), restando incentivos a quienes están dispuestos a mantener el orden y generando una norma perversa imposible de cumplir, que genera rutas alternativas de acción que legitiman la ilegalidad (Beramendi y Zubieta, 2013).
Conclusiones
Los instrumentos utilizados muestran adecuadas propiedades psicométricas y podrían ser utilizados en posteriores investigaciones. La actitud, norma subjetiva y control conductual percibido logran predecir la intención hacia la conducta de mentir, pero la intención alcanza sólo una pequeña capacidad predictiva sobre la conducta de mentir, e incluso se vuelve estadísticamente irrelevante al incorporarse el desorden ambiental como una variable predictora.
Estos resultados motivan a continuar el estudio de los procesos de contagio de las normas descriptivas de desorden y trasgresión de la ley, dado que resultaron incluso más relevantes que las disposiciones personales derivadas de los procesos de educación formal y socialización. También puede pensarse en intervenciones basadas en el establecimiento de nuevas normas descriptivas que hagan evidente la no impunidad y la obediencia mayoritaria de la obediencia a la ley. En términos de políticas públicas, estos resultados hacen evidente la importancia de evitar la impunidad, dada la posibilidad de que genere un mensaje en el resto de la ciudadanía de que está “permitido” o “no es tan grave” trasgredir las leyes.
Aunque el efecto del contagio de la norma descriptiva de desorden muestra efectos relevantes aún con un solo indicador, no se descarta que otras variables de naturaleza disposicional puedan resultar también relevantes, lo que será necesario analizar en posteriores estudios. Los resultados parecen no apoyar al modelo de la TCP en el debate sobre su vigencia y capacidad explicativa, aunque no se descarta que otras variables disposicionales no consideradas en este estudio puedan ayudar a establecer un modelo predictivo de mayor alcance para temas de honestidad y legalidad.
Aunque estadísticamente significativa, la baja varianza explicada de la trasgresión a la norma de decir la verdad hace necesaria además la exploración de nuevos métodos, quizá de orden experimental, que permitan un mejor control y medición de las conductas relacionadas a las disposiciones evaluadas mediante cuestionarios.
