Introducción

Las aportaciones realizadas en el campo de la formación en investigación se han dado principalmente en el área de salud (^{Escamilla, 2014}; ^{Godin, Wormington, Pérez, Barger, Snyder, Richman, et al., 2015}; ^{Staub, Poxleitner, Braley, Smith, Pribbenow, Jaworski, et al., 2016}), o en disciplinas de Ciencia, Tecnología, Ingeniería y Matemáticas (STEM por sus siglas en inglés: Science, Technology, Engineering & Mathematics), las cuales de acuerdo con la Academia Nacional de Ciencias en Estados Unidos (^{National Academy of Sciences, 2007}) tienen como componente principal el aspecto tecnológico del conocimiento científico (^{Eagan, Hurtado, Chang, García, Herrera, & Garibay, 2013}; ^{Ghee, Keels, Collins, Neal-Spence & Baker, 2016}; ^{Maton, Beason, Godsay, St. Domingo, Bailey, Sun et al., 2016}). Otros estudios abordan su análisis desde la perspectiva de las ciencias sociales y humanidades, en disciplinas con orientación profesional como: contabilidad, administración, educación, comercio y negocios (^{Domínguez, 2013}; ^{Rand, 2016}; ^{Schantz, 2008}; Tan, 2017; ^{Víctor-Ponce & Muñoz, 2016}), pero son menos frecuentes en la literatura.

^{Brieschke (2006)} opina que las aportaciones a esta problemática se han centrado principalmente en la comprensión del desarrollo de los intereses de investigación (^{Estrada-Hollenbeck, Woodcock, Hernández, & Schultz, 2011}; Autores, 2014), las capacidades de los estudiantes para publicar (^{Harrison, Dunbar, Ratmansky, Boyd, & Lopatto, 2011}; ^{Sánchez, 2015}), la productividad de la investigación en relación con los entornos de formación en investigación (^{Harvey, Wall, Luckey, Langer & Leinwand, 2014}; ^{Wiegant, Scager & Boonstra, 2011}; ^{Wiley & Stover, 2014}), la autoeficacia de la investigación (^{Kahn, 2001}), el respaldo del profesorado (Autores, 2013; 2016; ^{Alarco, Changllio-Calle & Cahuana-Salazar 2016}; ^{Molina-Ordoñez, Huamaní & Mayta-Tristán, 2008}); y las expectativas de resultados de investigación (^{Schantz, 2008}).

Sin embargo, son pocos los estudios que han generado modelos de medida y confirmado sus propiedades psicométricas (^{Arjoon, Xiaoying & Lewis, 2013}; ^{Ream, Lewis, Echeverría & Page, 2014}) para evaluar las variables que se han estudiado. El objetivo del estudio fue validar a través de un análisis factorial exploratorio y confirmatorio una escala que permitiera, de manera general, a todas las áreas del conocimiento, ser un modelo de medida para determinar las limitantes percibidas para desarrollar interés por las actividades científicas o tecnológicas en el pregrado, desde dos perspectivas: los conocimientos y experiencia que poseen para desarrollar esta actividad, y los aspectos personales que pueden convertirse en factores importantes al momento de decidir un esquema para la obtención del grado a través del desarrollo de un trabajo de investigación.

Es relevante mencionar que hacen falta estudios en México sobre los factores asociados a la formación en investigación, esencialmente aquellos que abarquen de manera integral todas las áreas del conocimiento, pues las características y condiciones para el impulso de las actividades de investigación, son variables conforme a la disciplina que se desarrolla (Domínguez, 2011; ^{Rand, 2016}; ^{Rojas, 2010}). Es por ello indispensable contar con instrumentos sólidos para medir los constructos asociados a esta problemática, que integren el punto de vista de todas las áreas del conocimiento, y que además se apeguen al contexto de las Universidades Mexicanas, que difiere a la mayoría de los estudios realizados en otros países.

Revisión Literaria

Las principales limitantes que la literatura refiere en la formación científica en el pregrado pueden agruparse en tres categorías: los estudios que abordan los factores de carácter personal, tales como: características demográficas, actitudes, la confianza; la motivación, la autoeficacia, el compromiso e identidad científica (^{Alarco et al., 2016}; ^{Babalis, Xanthakoub, Kailac & Stavroud, 2012}; ^{Ballo, Pauli y Worrell, 2016}; ^{Bieschke, 2006}; ^{Domínguez; 2013}; ^{Estrada-Hollenbeck et al., 2011}; ^{Godin et al., 2015}; ^{Maton et al., 2016}; ^{Petrella & Jung; 2008}; ^{Ream, et al., 2014}); los que se refieren a los conocimientos, competencias o experiencias en investigación y procesos de aprendizaje (Autores; 2014; ^{Lopatto, 2004}; ^{Schantz, 2008}; ^{Tagal, 2007}; ^{Villarejo, Barlow, Kogan, Veazey & Sweeney, 2008}; ^{Zuluaga, Mosquera & Higuera, 2012}); y los que estudian el entorno y condiciones para que se dé el interés por desarrollar investigación, los cuales han identificado variables como: la falta de apoyo docente, la falta de infraestructura y programas de fomento a la actividad científica (Autores, 2014; ^{Escamilla, 2014}; ^{Gutiérrez y Mayta; 2003}; ^{Kizza, 2011}; ^{Molina-Ordoñez et al., 2008}).

La investigación se ha centrado en desarrollar el modelo de medición para algunos de los indicadores de las dos primeras categorías, las limitaciones de carácter personal y las de conocimientos.

Es importante resaltar que las investigaciones por áreas del conocimiento no se han enfocado en las mismas variables. Por ejemplo los estudios en el área de salud, han concentrado sus esfuerzos en el desarrollo de programas que mejoren las actitudes y motivaciones de los estudiantes hacia la ciencia y las actividades de investigación (^{Godin et al., 2015}; ^{Harrison, et al., 2011}; ^{Wiegant et al., 2011}; ^{Toven-Lindsey, Levis-Fitzgerald, Barber & Hasson, 2015}); métodos que mejoren las competencias científicas (^{Ballo, et al., 2016}; Vessey & De Marco, 2008) o la comprensión de las variables personales como la autoeficacia de la investigación, las actitudes o la confianza del estudiante (^{Babalis, et al., 2012}; ^{Bieschke, 2006}; ^{Kahn, 2001}; ^{Petrella & Jung, 2008}; ^{Towl & Senior, 2010}).

Por su parte las disciplinas como la biología, química, las relacionadas a la ciencia, la tecnología, ingeniería y matemáticas, también se han concentrado en desarrollar programas de inducción a la ciencia y actividades de investigación (^{Eagan et al., 201}; ^{Ghee, et al., 2016}; Haen, Raman, Polush & Kemis, 2016; ^{Wallin, Adawi & Gold, 2017}), así como en variables personales como la autoeficacia de la investigación (^{Maton, et al., 2016}; ^{Mohamed & Nordin, 2013}).

En cuanto a las ciencias sociales y humanidades, los estudios se han concentrado primordialmente en el proceso de enseñanza aprendizaje, abordando variables como: las experiencias de investigación, la efectividad de los procesos de mentoría académica; la pedagogía en asignaturas de metodología de la investigación, los ambientes de aprendizaje y la investigación vinculada a su campo profesional entre otras (^{Neu & Graham 2005}, ^{Schantz, 2008}; ^{Tan, 2007}; ^{Víctor-Ponce & Muñoz, 2016}; ^{Zuluaga et al., 2012}); pero también han coincidido con las investigaciones en otros campos del conocimiento en relación a las variables personales tales como: las actitudes hacia la investigación y los estereotipos de la actividad científica que alejan a los estudiantes de la ciencia (^{Domínguez 2013}; ^{Rojas, 2010}).

Para el primer grupo de limitantes, las que se refieren a las características personales, se desatacan algunos de los estudios que influyeron en la construcción del modelo, como el de ^{Balloo, et al., (2016)} que realizaron un estudio centrado en las diferencias individuales en el desarrollo de métodos de investigación y habilidades para su desarrollo. Sus hallazgos indican que la autoeficacia en la investigación y la motivación hacia el desarrollo de actividades de investigación están más relacionadas al progreso de sus conocimientos, lo que nos indica que las variables personales se pueden tornar como una limitante para desarrollar interés por la actividad científica.

Este concepto de autoeficacia en la investigación de acuerdo con ^{Forester, Khan y Hesson-McInnis (2004)}, es un concepto que ha ido cobrando relevancia en la literatura relacionada a la formación en investigación. El constructo se refiere a la eficiencia que desempeña el estudiante en todas las etapas del proceso de investigación, incluyendo la búsqueda de una idea, el desarrollo de la investigación y la presentación de los resultados.

^{Bieschke (2006)} señala que son diversas las variables que influyen en la autoeficacia de la investigación, y una de dichas variables es la percepción que los estudiantes tengan de su entorno y condiciones durante el proceso de formación en actividades de investigación. Esta afirmación coincide con la evidencia empírica aportada por los Autores et al., (2016), que han puesto de manifiesto que los estudiantes perciben como relevantes un ambiente propicio de entrenamiento para las prácticas de investigación, así como la motivación que proveen los asesores.

^{Alarco, et al., (2016)} en un estudio realizado para el área médica, pudieron determinar que el interés por la investigación científica se va perdiendo conforme avanzan los ciclos escolares, lo que atribuyen a una sobrecarga académica y de práctica, propia de la disciplina, pero que también se le atribuye a una falta de apoyo de las autoridades o referentes exitosos de investigación, lo que concuerda con estudios previos del grupo de trabajo (Autores, 2014, 2016) que han demostrado que los estudiantes perciben al profesor como un factor determinante para el desarrollo de actividades de investigación, seguido del apoyo institucional para la participación en eventos científicos.

En lo referente a la segunda categoría, la que refiere aspectos sobre los conocimientos, competencias o experiencias en investigación y procesos de aprendizaje, se pueden resaltar diversos estudios que influyeron en la construcción del modelo, como el de ^{Gutiérrez y Mayta (2003)}, que determinó que la falta de valoración y confianza del estudiante de pregrado en el trabajo de investigación que realiza, es uno de los principales problemas asociados a la falta de publicaciones de estudiantes a este nivel. También señala que esta falta de confianza que perciben los estudiantes, es producida por una falta de apoyo docente durante el proceso de aprendizaje de las competencias necesarias para desarrollar un trabajo de investigación y su publicación.

Los Autores (2014) y ^{Molina-Ordoñez, et al., (2008)}, también concuerdan en que la falta de apoyo docente se puede tornar como una limitante para que el estudiante cambie de actitud ante las actividades de investigación. ^{Molina-Ordoñez, et al., (2008)}, también aborda otras variables, las cuales no fueron percibidas como significativas en su estudio, tales como la capacidad de analizar datos y el dominio del inglés como idioma para la divulgación científica, y que también influyen en la ausencia de publicaciones estudiantiles.

^{Tagal (2007)} señala que los principales retos que los estudiantes en el área médica enfrentan son: Incapacidad para encontrar una persona adecuada como supervisor de proyecto de investigación; poca experiencia en algunas partes del proceso de investigación, falta de capacidad para análisis de los datos, y problemas de financiamiento.

Ackerman (1996, citado por ^{Ballo, et al., 2016}) propuso una teoría de la adquisición del conocimiento en el aprendizaje de adultos llamada PPIK (Inteligencia-Proceso, Personalidad, Intereses e Inteligencia como Conocimiento) lo que sugiere que el proceso de adquisición del conocimiento comienza con las capacidades cognitivas de la inteligencia (capacidad general de resolución de problemas) y se cristaliza en Inteligencia (conocimiento previo), luego toma en cuenta los determinantes de rasgos de no capacidad del conocimiento de un tema en particular (tales como Personalidad, Motivación y Factores de Interés) para explicar las diferencias individuales en el conocimiento del tema. Thompson y Zamboanga (2004, citados por Ballo, et al., 2016) encontraron que el conocimiento previo tiene un efecto en el logro de un curso de aprendizaje, de forma independiente de la capacidad cognitiva o del compromiso del estudiante. Por lo tanto, a medida que los individuos aumentan su conocimiento de un tema a través del aprendizaje, sería lógico asumir que estos factores cognitivos y de no capacidad actúan como facilitadores y también como barreras para el desarrollo de conocimientos y experiencia.

En general la literatura referente a los contextos de formación en investigación, contempla los elementos necesarios que dieron soporte al modelo de medición que se propone en esta investigación para determinar las principales limitantes que los estudiantes de cualquier área del conocimiento identifican como las principales para desarrollar un potencial interés en las actividades científicas, divididas en dos grandes grupos: las relativas a sus conocimientos, que pueden estar relacionadas a su autoeficacia para la investigación, y las personales, asociadas al contexto y sus ambientes de aprendizaje.

Método

El proyecto tuvo un enfoque cuantitativo con un diseño no experimental descriptivo, ya que la finalidad fue establecer las propiedades psicométricas del modelo de medición denominado “limitantes percibidas para la formación científica” (LFC).

Resultados

El modelo de medición que se propone para determinar las “limitantes para la formación científica” (LFC) presenta un valor general del coeficiente Alpha de Cronbach de .70 que se considera aceptable (^{Martínez, 2005}).

Para la validez del constructo se utilizó un análisis factorial exploratorio con el método de máxima verosimilitud y rotación Oblimin directo. Los resultados presentan evidencia que los datos son susceptibles para este tipo de análisis ya que el índice Kaiser Meyer Olkin (KMO) fue de .74, y la prueba de esfericidad de Bartlett presenta valores significativos (X ²=465.36, p≤ .000). En dicho análisis se confirmó la estructura factorial propuesta, explicando mediante la misma el 37.44% de la varianza total de los puntajes del constructo, lo cual se considera aceptable (^{Cea, 2004}; ^{Gardner, 2003}; ^{Martínez, 2005}) (Tabla 3).

El modelo propuesto de dos factores en la Tabla 2, presenta en el análisis factorial exploratorio una estructura aceptable (^{Martínez, 2005}) pues sus cargas factoriales superan con excepción del primer reactivo, el valor de .3, que teóricamente se agrupa en dicho factor. Como la estructura no reporta valores totalmente aceptables para este cálculo, se hace necesario corroborar el constructo teórico a través de otros métodos y es por ello que se realizó un análisis factorial confirmatorio, con el cual se confirmó la sustentabilidad empírica del modelo de medida propuesto, lo que se muestra en los valores de los principales indicadores de ajuste: X ² = 98.07, p=.001; CMIN/DF= 2.62; CFI=.95; GFI= .97, IFI= .95; RMSEA= .06, IC 90 [.03-.09] (Tabla 4), los cuales se encuentran dentro de los límites aceptables para este tipo de modelos (Blunch, 2008; ^{Cea, 2004}; ^{Martínez, 2005}) (ver Figura 1, Tablas 4 y 5).

Nota: Modelo de análisis factorial confirmatorio. Estimaciones de los paramentos de máxima verosimilitud completamente estandarizados.

** p< .05 ***p< .001

Figura 1 Modelo de medida para determinar limitantes percibidas para la formación científica (LFC) en estudiantes de pregrado. 

En la Tabla 4 se presentan los principales indicadores que se reportan como mínimos para validar la sustentabilidad empírica del modelo teórico propuesto (^{Herrero, 2010}; ^{Manzano & Zamora, 2009} y ^{Yuan, 2005}). En ella se aprecia que todos ellos se encuentran dentro del rango con excepción del índice de la raíz del cuadrado medio del residuo (RMR) cuyo valor está ligeramente por encima de los parámetros generales. ^{Yuan (2005)} señala que la mayoría de los índices de ajuste no son estables cuando no se pueden controlar los tamaños de la muestra y su distribución, por lo que recomienda el tomar en consideración el índice de aproximación de la raíz de cuadrados medios del error (RMSEA) pues es relativamente el índice de ajuste más estable.

En la Tabla 5 se presentan los parámetros estimados del modelo, el error estándar aproximado, y la proporción crítica. Si se reúnen las suposiciones de distribución apropiadas, el estadístico sigue una distribución normal estándar bajo la hipótesis nula de que el parámetro tiene un valor de cero (^{Lara, 2014}). Como se puede observar en la Tabla 5 todos los valores de proporción crítica son grandes, obteniendo de esta forma que todos los parámetros estimados sean significativos.

Con relación a los resultados sobre la percepción del estudiante sobre las dimensiones del modelo, se clasificaron las respuestas en cuatro grupos, el primero se conformó con aquellos sujetos que obtuvieron puntuaciones menores o iguales al percentil 25, el segundo conformó con todos aquellos que puntuaron por encima del percentil 25 y por debajo del percentil 50, el tercer grupo incluyó todos los sujetos por encima del percentil 50 y menor al percentil 75, y por último la población mayor al percentil 75 (Tabla 6).

Discusión y Conclusiones

Los resultados del análisis factorial confirmatorio, permiten corroborar la sustentabilidad empírica para el modelo propuesto para medir limitantes percibidas para la formación científica (LFC) en estudiantes de pregrado de todas las áreas del conocimiento, pues los datos presentados presentan evidencia de un modelo factorial sustentable.

La relevancia del modelo realizado en el presente estudio reside en dar certidumbre a los hallazgos de diversos estudios como los de ^{Gutiérrez y Mayta (2003)} que indican que la falta de confianza es un factor que limita al estudiante, así como falta de experiencia percibida para desarrollar investigación descrita por ^{Bieschke (2006)}, y los estudios de ^{Ballo et al., (2016)} centrados en las diferencias individuales, ligadas estrechamente a los factores personales.

Con relación a la dimensión de limitantes de conocimientos, el primer indicador referido al desconocimiento de las actividades de los científicos como un elemento que disminuye el interés por la investigación, de forma consistente en el análisis factorial exploratorio y confirmatorio, presento cargas factoriales bajas, y en caso de eliminarlo el modelo se ajustaría mejor sus valores a los de referencia, sin embargo, los referentes de la literatura (^{Domínguez, 2013}; ^{Estrada-Hollenbeck, 2011}; ^{Maton, 2016}) señalan que es un factor importante a considerar y debe perfeccionarse su redacción en estudios posteriores para ser comprensible en cualquier contexto y mejorar el ajuste del modelo.

Para la dimensión de limitantes personales, el indicador que se debe mejorar es el que cuestiona sobre el apoyo familiar y su influencia para el desarrollo como investigador, el cual se percibe como ambiguo, pero también se destaca su importancia en los referentes de la literatura (^{Babalis et al., 2012}; ^{Ballo, et al., 2016}; ^{Villarejo, et al., 2008}).

El modelo de medida en general cumple con las propiedades psicométricas requeridas y es perfectible, pues variables como las limitantes encontradas en el trabajo de campo en la investigación, o las limitaciones de infraestructura, no fueron consideradas en el modelo pero representa una primera aproximación a la medición del constructo “limitantes percibidas para la formación científica (LFC) en estudiantes de pregrado” y aporta una herramienta que se puede mejorar para el diagnóstico a nivel pregrado.

Las universidades deben ser conscientes de que la mayoría de sus egresados no realizarán investigación como lo señala ^{Miyahira (2009)}, pero deben ser formados para ampliar las competencias necesarias para desarrollarla como parte de su actividad laboral. Es por ello importante contar con modelos de medida sólidos que permitan medir estas limitantes percibidas para desarrollar el interés en las actividades científicas, ya sean personales o de conocimientos, pues para el desarrollo de programas de fomento a la investigación científica en el pregrado, se hace indispensable su identificación oportuna que permita realizar propuestas que las contemplen y que coadyuven a una formación integral.