Revisión de la literatura

El Banco Mundial (^{World Bank Group, 2020}) ha propuesto una serie de tópicos en el corto y mediano plazo, como elementos esenciales para la sustentabilidad de las intervenciones de recuperación económica. En la lista se pone a debate: los impactos en el empleo, la actividad económica, la oportunidad y riesgo, el capital humano y social, las tecnologías, el capital natural y cultural, el capital físico, las deficiencias de mercado, la resiliencia y capacidad de adaptación, crecimiento y riesgo de largo plazo.

La Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (^{UNESCO, 2020}) señala como una estrategia que debe adoptarse en el ámbito nacional, el desarrollo de programas de estímulo en la educación superior que permitan la recuperación económica y social. Se recomienda poner especial atención a las capacidades técnicas, tecnológicas y pedagógicas, para poder asegurar la continuidad formativa.

La Organización de las Naciones Unidas (^{ONU, 2020b}) con relación al desarrollo sustentable de la gobernabilidad en términos digitales desarrolló también una encuesta en línea para los cinco continentes en la cual se destaca el manejo de tres dimensiones: la adecuación de la infraestructura de telecomunicaciones, la capacidad de los recursos humanos para promover y utilizar las TIC, y la disponibilidad de servicios y contenidos en línea.

Estos elementos han sido fundamento de diversas estrategias económicas a nivel internacional, nacional y regional, y en esta revisión se analizaron las más importantes que dieron sustento a los constructos teóricos que se proponen.

Estados Unidos a través de una fundación y en colaboración con el Centro Internacional de Crecimiento para la Innovación realizó una encuesta cuya finalidad fue la recopilación de los impactos económicos que la COVID-19 ha tenido en los países en desarrollo (^{COVID-19 Economic Impact Surveys United Foundation, 2020}). Sus reportes no presentan datos sobre fiabilidad y validez de los constructos teóricos propuestos, pero su alcance internacional, la ha convertido en un referente sobre el tema. Esta encuesta se basa principalmente en variables como el empleo, la seguridad alimentaria, el cuidado, el contacto social. Esta escala coincide con los elementos que algunos organismos internacionales (^{Organización de las naciones Unidas [ONU], 2020a}, ^2020c; ^{World Bank Group, 2020}) sugieren considerar para la sustentabilidad de las intervenciones en la reactivación económica.

En el caso de la encuesta realizada por Canadá, seleccionada para su análisis por concentrarse principalmente en el impacto económico, las variables que se abordan son: impactos generales de la COVID-19, respuesta ante la crisis, transición y medición posterior a la pandemia, y empleo. La perspectiva general de esta encuesta fue la obtención de un panorama general en diversos ámbitos del sector productivo.

Grecia por su parte, publicó sus resultados a través de la Organización para la Cooperación y el Desarrollo Económicos (^{OECD, 2020}), y se centró también en la identificación de indicadores macroeconómicos como el gobierno, el medio ambiente, la sociedad, la economía, el mercado labora1 y las competencias e innovación.

Desde una perspectiva más local, se destacan las encuestas realizadas por el Condado de San Benito (^{San Benito County Administration, 2020}) y el Condado de Monterey (^{Monterey County, 2020}). La finalidad de ambas encuestas fue comprender el impacto en la economía local del estado en las empresas para otorgar subsidios. Las variables contempladas fueron: tipo de empresa, la comparación con servicios prestados en los últimos 3 años, el recorte de personal, el impacto general de la COVID-19 en la empresa, y necesidades para la recuperación económica. Estas encuestas se caracterizan por pocas preguntas, algunas abiertas o de diversas opciones, pero no en escala Likert, todas centrándose en las empresas.

Verma y Gustafsson (2020) desarrollaron una revisión bibliográfica sobre los efectos de la pandemia en materia de administración y negocios, destacando el papel central del impacto de la COVID-19 en las organizaciones y la tecnología, siendo uno de los elementos centrales en el diseño de la escala que se propone en este estudio. Por su parte los estudios de ^{Jackman et al. (2021)}, y los de ^{Manco-Chávez et al. (2020)}, indican con acierto, que ya no se puede ver a la educación de manera dicotómica como capacitación en línea y fuera de ella, ya que el mundo digital se está fusionando con las actividades diarias y es imperativa la capacitación de los estudiantes en un conjunto básico de habilidades digitales, pues la falta de acceso a herramientas tecnológicas es un obstáculo para la integración de las TIC en los procesos de enseñanza aprendizaje.

De manera general, para la construcción de la escala, no solo se consideraron las encuestas en línea que se han discutido, sino diversos lineamientos a nivel mundial sobre los principales factores que deben medirse para estimar el impacto de la COVID-19 en la reactivación económica, y las estrategias que pueden desarrollarse para los procesos de intervención pública para la recuperación económica local posterior a la pandemia (^{CEPAL, 2020c}; ^{McKibbin y Roshen, 2020}; ^{OECD, 2020}; ^{Pan American Health Organization y World Health Organization, 2020}; ^{Römer et al., 2020}; ^{ONU, 2020b}; ^{World Bank Group, 2020}).

Método

Participantes

Considerando a los estudiantes de pregrado como una población que puede opinar sobre la recuperación económica del Estado posterior a la pandemia de la COVID-19, el Consejo Estatal de Ciencia y Tecnología en conjunto con una Universidad Pública del Sureste de México realizaron una encuesta que permitiera conocer su perspectiva sobre diversos aspectos de este proceso. Participaron en la encuesta en línea 8,174 estudiantes adscritos a 65 instituciones de educación superior públicas y privadas, que cursaban el semestre enero-junio de 2020 (^{Sánchez et al., 2020}; ^{Magaña y Aguilar, 2021}). Con la finalidad de validar la escala definida para el constructo Perspectivas Estudiantiles para la Recuperación de la Actividad Económica posterior a la pandemia de la COVID-19 (PERAE-POST-COVID-19), se seleccionó de forma aleatoria una submuestra de los estudiantes que participaron en la encuesta (^{Krejcie y Morgan, 1970}). De estos, 150 (40.8 %) son hombres (M edad = 22 años, DE = 17) y 218 (59.2 %) mujeres (M edad = 21 años, DE = 3). El estudio comprendió a todas las áreas del conocimiento y todos los semestres de los diferentes programas de pregrado que se imparten en el Estado. Entre las ventajas de administrar el instrumento a estudiantes de todas las áreas del conocimiento, es que se obtuvo la perspectiva estudiantil en diferentes áreas del conocimiento que refleja su impresión acerca de las necesidades en los diferentes sectores en los que se desempeñan.

Procedimiento

El procedimiento para la recolecta de datos se realizó a través de una encuesta en línea de forma anónima, donde cada participante brindó su consentimiento informado al comenzar el cuestionario. Se solicito a través del Consejo Estatal de Ciencia y Tecnología a las instancias administrativas de todas las Instituciones de Educación Superior (IES) del estado, su colaboración para que los estudiantes de pregrado participaran en este ejercicio de diagnóstico difundiendo la dirección electrónica de la encuesta (^{Sánchez et al., 2020}).

Instrumento

La escala se diseñó a partir de una revisión literaria de las prioridades previstas por organismos nacionales e internacionales en la recuperación económica posterior a la pandemia de la COVID-19 (^{CEPAL, 2020c}; ^{COVID-19 Economic Impact Surveys United Foundation, 2020}; ^{Monterey County, 2020}; ^{OECD, 2020}; ^{Ontario Ministry of Finance, 2020}; ^{Pagés et al., 2020}; ^{Pan American Health Organization y World Health Organization, 2020}; ^{San Benito County Administration, 2020}; ^{ONU, 2020b}; ^{World Bank Group, 2020}) y autores que han desarrollado escalas específicas para la adopción de nuevas tecnologías (^{Lai, 2017}; ^{Manco-Chávez et al., 2020}; ^{Venkatesh y Bala, 2008}). Con respecto a los requerimientos de capacitación, infraestructura y capital humano se consideraron las tendencias actuales del mundo laboral (^{Deloitte, 2020}; ^{International Labour of Conference, 2020}; ^{International Labour Organization, 2020a}, ^2020b; ^{Scott, 2015}).

La validez de contenido se realizó de manera cualitativa con un grupo de 15 expertos en disciplinas como política pública, economía, salud y educación, a quienes se les solicitó revisar los ítems de la escala para este constructo, de acuerdo al procedimiento descrito por ^{Urrutia-Egaña et al. (2015)}. Los expertos fueron seleccionados con base a su experiencia y obra publicada en las disciplinas antes mencionadas, y se les invitó a participar en este proceso de forma libre y voluntaria. Se realizaron tres sesiones virtuales para el desarrollo y validación de los ítems que conformaron el cuestionario final. Se les solicitó en la primera sesión que revisaran y discutieran sobre la pertinencia de los ítems, la claridad, y coherencia con los objetivos de la investigación. En la segunda sesión se presentaron las modificaciones sugeridas, las cuales fueron discutidas y por consenso se generó un primer borrador que requirió ajustes menores, los cuales fueron presentados en la última sesión para su aprobación e incorporación al formato de encuesta que se administró.

El instrumento se conformó de las siguientes dimensiones: a) Competencias Para la Competitividad (CPC, 4 ítems); b) Requerimientos De Capacitación (RDC, 4 ítems), y c) Infraestructura y Capital Humano (ICH, 3 ítems), aquí inicialmente se consideraron cuatro ítems, pero se eliminó uno en la versión final que se presenta en la Tabla 1, por no ajustarse al contenido que mide el constructo. Se utilizó un formato de respuesta tipo Likert con cinco opciones: 1 = Totalmente en desacuerdo; 2 = En desacuerdo; 3 = Ni de acuerdo ni en desacuerdo; 4 = De acuerdo, y 5 = Totalmente de acuerdo.

Análisis de datos

Para el análisis de los resultados en primer término se trabajó con los datos perdidos empleando el método de imputación por regresión. Después se realizó la verificación de los principios de normalidad de la información y se verificaron los supuestos para el análisis multivariante a través de las pruebas de Kaiser-Meyer-Olkin (KMO) y la de esfericidad de Bartlet. Se efectuó un análisis factorial exploratorio con el método de extracción de factores por máxima verosimilitud y rotación Oblimin directo con apoyo del Software SPSS versión 25.

Posteriormente se analizó la estructura interna del modelo de medida de la escala mediante el cálculo del análisis factorial confirmatorio empleando ecuaciones estructurales con apoyo del software AMOS versión 26. Se manejó el método Bootstrap del AMOS (con 2000 repeticiones con un intervalo de confianza del 95 %), lo cual permite que los resultados de las estimaciones no se vean afectados por problemas de normalidad (^{Ledesma, 2008}). Para el análisis de la bondad de ajuste del modelo se utilizó el método de estimación de máxima verosimilitud (ML). Se consideraron los principales índices del grado de bondad de ajuste (𝒳² asociada a un valor de p < .001), índices de ajuste absoluto (SRMR: la raíz media cuadrada de los residuos, RMSEA: índice de aproximación de la raíz de cuadrados medios del error y AGFI: índice ajustado de bondad de ajuste) e índices de ajuste de incremento (TLI: índice de ajuste no normado y CFI: índice de ajuste comparativo) (^{Cupani, 2012}; ^{Littlewood y Bernal, 2014}; ^{Manzano y Zamora, 2010}).

La fiabilidad suele calcularse con el coeficiente Alpha de Cronbach como una estimación de la consistencia interna que indica la magnitud de covarianza de los ítems. Sin embargo autores como ^{Dunn et al. (2014)} y ^{Ventura-León y Caycho-Rodríguez (2017)} señalan sus limitaciones sugiriendo en su lugar el uso del coeficiente omega de Mc Donald (ω) que se calcula a partir de las cargas factoriales, motivo por el cual fue empleado en este estudio para la estimación de la confiabilidad de la escala. El cálculo del ω se realizó con apoyo del Software libre de la Universidad de Ámsterdam JASP versión 0.13 Así mismo, con ayuda de las herramientas de soporte para el software AMOS 26.0 desarrolladas por ^{Gaskin et al. (2019)}, se calcularon los principales índices recomendados de fiabilidad externa y validez que la literatura sugiere: Fiabilidad Compuesta (CR), Varianza Promedio Extraída (AVE), Varianza Máxima Compartida al Cuadrado (MSV) y Varianza Promedio Compartida al Cuadrado (ASV) (^{Henseler et al., 2014}; ^{Hu y Bentler, 1999}; ^{Ventura-León y Caycho-Rodríguez, 2017}).

3.1 Análisis descriptivo

Con la finalidad de poder verificar las condiciones necesarias para el análisis factorial exploratorio, se realizó en primera instancia un análisis descriptivo que incluyó los valores de la media, desviación estándar, asimetría y curtosis de los ítems. Estos indicadores permitieron verificar que la distribución de los datos se asemeja a una distribución normal (Tabla 2).

3.2 Análisis Factorial Exploratorio (AFE)

Para dar evidencia de la validez de constructo de la escala e identificar el número y composición de los factores comunes necesarios para explicar la varianza común del conjunto de ítems analizado, se realizó un análisis factorial exploratorio (AFE), mediante el método de extracción de factores por máxima verosimilitud con rotación Oblimin directo. En los resultados del AFE se observa que las cargas factoriales son superiores a 0.5 cumpliéndose así los criterios mínimos para mantener todos los ítems (^{Williams et al., 2010}), sin embargo los valores de las comunalidades para algunos de ellos son relativamente bajos (ver Tabla 3).

3.3 Análisis Factorial Confirmatorio (AFC)

^{Batista-Foguet et al. (2004)} y ^{Fernández (2015)}, hacen una crítica severa a los métodos de validación de constructo únicamente a través del análisis factorial exploratorio y proponen como un complemento necesario establecer modelos de medida generados a través del Análisis Factorial Confirmatorio. Estos modelos permiten establecer la validez considerando la bondad de ajuste, en donde cada ítem satura únicamente sobre el factor que constituye un indicador válido.

Para validar el modelo teórico se realizó un Análisis Factorial Confirmatorio (AFC) que permitió demostrar la validez de la estructura previamente obtenida, así como la validez de las deducciones teóricas inferidas en él (^{Littlewood y Bernal, 2014}). En el modelo de medida que se presenta en la Figura 1 se pueden apreciar cargas factoriales significativas, por encima de .50, en todos los ítems de ambos factores; por su parte la covarianza entre las variables del modelo resulta positivamente significativa.

Nota: *** p < 0.001.

Figura 1 Modelo de medida de la escala Perspectivas Estudiantiles para la Recuperación de la Actividad Económica posterior a la pandemia de la COVID-19 (PERAE-POST-COVID-19). 

De acuerdo con diversos autores (^{Hu y Bentler, 1999}; ^{Manzano y Zamora, 2010}), se calcularon los principales indicadores de ajuste del modelo. En primer término, los indicadores del grado de bondad de ajuste (χ2) y la razón de chi cuadrada sobre los grados de libertad, los índices de ajuste absolutos (SRMR, AGFI y RMSEA), y los principales índices de ajuste de incremento (TLI, y CFI), que obtuvieron valores satisfactorios (ver Tabla 4).

3.4 Fiabilidad y validez de la estructura interna

El Omega de Mc Donald reporta un valor de .74 para toda la escala, el cual se puede considerar como aceptable (^{Dunn et al., 2014}; ^{Ventura-León y Caycho-Rodríguez, 2017}). Los valores reportados para los principales indicadores de fiabilidad y validez se presentan en la Tabla 5, en donde el segundo factor presenta una varianza media extraída ligeramente por debajo de los valores aceptables, siendo el ítem “Considero que la capacitación virtual es más completa, accesible y permite mayor libertad de horario”, sugerido para eliminarse. Sin embargo, el modelo es admisible para el resto de los indicadores que se presentan por lo que se decidió conservar el ítem.