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
1. Introducción
La visión tradicional de la integración de equipos de trabajo para la atención y desarrollo de proyectos de software se ha centrado fundamentalmente en dos capas: el diseño de pirámides jerárquicas y la capa de conocimientos técnicos inherentes a las tecnologías requeridas en el proyecto. Quizá se haya avanzado un poco con algunos exámenes psicométricos de aplicación general, sin embargo, no se ha evolucionado en la estandarización de una práctica más robusta.
Como lo indica Galván (2015), las neurociencias aplicadas a la empresa son conceptos cada vez más comunes. Aspectos como neuromanagement, neuromarketing o neurofinanzas se están explorando cada vez más y con mayor profundidad. Con plena conciencia de que los factores neurobiológicos son determinantes en los comportamientos, competencias y desempeño de las personas, en la presente investigación se analizará la relación que los estilos de pensamiento tienen en los proyectos de desarrollo de software con el objetivo de aportar conocimiento para avanzar en la reconfiguración de los equipos de trabajo de los proyectos, considerando la combinación más adecuada de estilos de pensamiento para lograr mayor eficiencia, eficacia y efectividad en los mismos.
Es de llamar la atención que los problemas que con frecuencia se presentan en el desarrollo de software sean los mismos: la planificación y estimación de costos a menudo son imprecisas, la calidad del software suele ser cuestionable, etcétera (Maida y Pacienza, 2015), lo que crea insatisfacción y falta de confianza de los stakeholders. Esta visión no tiene cabida en el mundo competitivo de negocios de la actualidad, por lo que la neurociencia aplicada a los procesos empresariales debe significar una importante ventaja y diferenciación. Es en este sentido que la evaluación, análisis y estudio del estilo de pensamiento de los profesionales1 debe ser de gran interés para las organizaciones, pues a la vez que las personas son el recurso más importante para estas, ayudará en la generación de estrategias para la mejora continua del sector de las TIC2 en la región.
Una organización crea gran ventaja competitiva cuando hace algo que los competidores encuentran difícil de copiar, y reside en la capacidad de sus líderes el aprovechar y potenciar las competencias de sus colaboradores (HPB, 2019).
El objetivo principal de esta investigación es determinar si el estilo de pensamiento de los profesionales que desarrollan proyectos de software tiene relación con los resultados de sus proyectos, así como evaluar cuáles de los estilos de pensamiento tiene mejor efecto.
2. Marco teórico
Neurociencias
El campo del estudio del cerebro ha logrado grandes avances, especialmente la neurociencia contemporánea, que en gran parte se originó (Sánchez, 2016) con la evidencia ofrecida por Aloisio Luigi Galvani sobre la actividad eléctrica del sistema nervioso, el debate entre el «localizacionismo» de Jean-Baptiste Bouillaud y Paul Pierre Broca, que supone que a toda función mental le corresponde una actividad cerebral particular y localizada, y la equipotencialidad sostenida por Pierre Flourens, la cual indica que las funciones mentales no son dirigidas exclusivamente por la actividad de una zona particular, sino por la concentración de la actividad de las distintas zonas.
Posteriormente se avanzó en la clasificación de la corteza cerebral en zonas, propuesta por Korbinian Brodmann y Oscar Vogt, pasando por el trabajo de Paul MacLean, quien determinó que el cerebro está formado por tres estructuras diferentes: el sistema neocortical, el sistema límbico y el sistema reptil, sosteniendo que los tres conjuntos neuronales formaban un grupo que actúa como uno (cerebro triuno), hasta llegar a la teoría de la neurona de Santiago Ramón y Cajal a partir del trabajo de Camilo Golgi (OCDE, 2009), que estableció las nociones elementales de la neuroanatomía y neurofisiología, definiendo los términos elementales de sinapsis -unión entre dos neuronas que permite que una active a la otra mediante impulsos eléctricos o químicos- y potencial de acción -despolarización de una neurona que estimula a otra (Pérez, 2016).
En los años cincuenta, con el descubrimiento de las uniones comunicantes de Edwin Furshpan y David Potter (Martín-Rodríguez, 2004), se mostró que las neuronas no eran unidades individuales, y que para determinadas moléculas y en determinadas condiciones estas podrían formar redes tanto anatómicas como funcionales. Es claro que el cerebro no podría funcionar con neuronas aisladas, pero tampoco comunicarse únicamente mediante sinapsis químicas. En este sentido, continúa pendiente encontrar explicación al funcionamiento de las sinapsis eléctricas y ahondar en la importancia de las células gliales de las que está lleno el entramado cerebral, y que hasta hace poco tiempo se consideraban solamente tejido conectivo.
Como se puede leer en los párrafos anteriores, la ciencia es una actividad progresiva, en la que un descubrimiento lleva a otro en una cadena aparentemente interminable (NG España, 2014). Dentro de esta cadena de conocimiento, en años recientes los investigadores han entrado en un debate para determinar cuál es el desafío más grande en el campo de las neurociencias (Dzul y Uscanga, 2016); entre las distintas opciones podemos mencionar: conocer cómo se crean los pensamientos y qué es lo que origina la toma de decisiones que genera acciones particulares.
Estilos de pensamiento
En 1976, Herrmann y Herrmann-Nehdi (2015) iniciaron una investigación que tomó como base el trabajo de Roger Sperry, Paul D. MacLean, Joseph Bogen y Michael Gazzaniga, en la que estudió el cerebro como la fuente de la creatividad. En agosto de 1979, después de muchas pruebas de investigación a fondo, donde trabajó con escáneres EEG3 desarrollando un modelo que incorporaba el componente límbico (regulador, afectivo y emocional) al cerebral (netamente cognitivo), quedó claro que el cerebro tenía cuatro distintas configuraciones especializadas, cada una de las cuales correspondía a una de sus estructuras o cuadrantes, identificando así cuatro tipos distintos de pensamiento.
Las personas asimilan información, toman decisiones y resuelven problemas de distintas formas, conducidos por las interacciones de estos cuatro cuadrantes (ver Figura 1):
| A (izquierdo - cerebral). | Lógico: analítico, cuantitativo, basado en hechos, entre otros. |
| B (izquierdo - límbico). | Organizado: secuencial, detallado, planificador, entre otros. |
| C (derecho - límbico). | Comunicador: emocional, interpersonal, estético, basado en sentimientos, entre otros. |
Fuente: adaptado de Herrmann y Herrmann-Nehdi, 2015:124.
Figura 1 Esquema de las cuatro estructuras especializadas
De acuerdo con Pérez (2016), el estilo de pensamiento dominante de uno de los cuadrantes es el causante del desarrollo de nuestras preferencias de pensamiento; estas preferencias establecen nuestros intereses e influyen en el desarrollo de nuestras capacidades y en la forma en que trabajamos.
El origen de la dominancia cerebral está influido en dos terceras partes por el entorno,4 y en una tercera parte por nuestra genética (Sternberg, 1999) y, si bien es cierto que en determinadas situaciones nuestras preferencias de pensamiento pueden diferir de nuestra forma habitual de pensar, muy probablemente nos encontraremos incómodos y consumiendo una gran cantidad de energía para finalmente regresar al estado original.
La interacción de las cuatro estructuras del cerebro determina el modo o estilo de pensamiento de cada persona. Conocerlo, además de ayudar a entenderse a sí mismo, tiene también beneficios en el ámbito laboral, pues como lo indica Gisbert (2005), ello permite entender los estilos de administración (y cómo afectan a los demás), entender la comunicación (y a través de ello mejorarla), entender la habilidad para interactuar en equipos y grupos de trabajo, así como descubrir o incrementar la capacidad y competencia creativa e innovadora. Para ello se han desarrollado diversos tests a partir del Brain Dominance Instrument (BDI)5 (Herrmann y Herrmann-Nehdi, 2015).
De acuerdo con Bunderson (1995) la aplicación de tests basados en el BDI permiten conocer el perfil de la combinación de cuadrantes, que indica cuál o cuáles cuadrantes son dominantes; de la combinación de ellos deriva la siguiente organización de hemisferios (ver Figura 2, donde se muestra la distribución gráfica):
A+B = hemisferio izquierdo
C+D = hemisferio derecho
A+D = hemisferio cerebral
B+C = hemisferio límbico
Fuente: adaptado de Herrmann y Herrmann-Nehdi, 2015: 216.
Figura 2 Organización gráfica de los hemisferios
Cada persona y cada grupo definido analizado a través del BDI obtendrá un perfil distintivo, en el que uno o más cuadrantes podrán presentar alguna de las siguientes condiciones: dominancia (mayor a 66 puntos), indecisión (entre 34 y 66 puntos) y no concluyente (menor a 34 puntos).
Desarrollo de software
De acuerdo con Barry Boehm, quien en 1986 definió por primera vez el modelo del ciclo de vida del software (Rodenes y González, 2007), el desarrollo de software es una disciplina que estudia los componentes necesarios para la creación, gestión, mantenimiento y aseguramiento de calidad del software computacional, enmarcado dentro del proceso de desarrollo también denominado ciclo de vida del desarrollo de software. El software es el condensado de la programación lógica que todo sistema computacional necesita para funcionar apropiadamente y permitir al usuario disfrutar de aspectos como una interfaz amigable y/o la funcionalidad que el programa realiza.
Los proyectos de software, por su complejidad, necesitan un conjunto de patrones que permitan su gestión y ejecución. Las metodologías de desarrollo de software surgieron en sus inicios adoptando conocimientos de otras disciplinas, sin embargo, en los últimos años están partiendo de conceptos y características propias e inherentes a los proyectos informáticos.
Una metodología de desarrollo de software (Maida y Pacienzia, 2015) se refiere a un marco de trabajo6 que contiene las actividades, procedimientos, técnicas, herramientas y documentos que permiten estructurar, planear y controlar el proceso de desarrollo, y que en conjunto brindan asistencia al proceso de conversión de una necesidad o grupo de necesidades a un sistema de información7 de manera eficiente. En la Figura 3 (ver Figura 3) se muestran algunos esquemas metodológicos.
Las metodologías se pueden agrupar en tradicionales o clásicas y ágiles; las primeras imponen una rigurosa disciplina de trabajo sobre el proceso de desarrollo del software, con la finalidad de conseguir un producto eficiente, por lo que se hace énfasis en la planificación de la totalidad del trabajo a realizar, y únicamente cuando se tiene todo detallado es que da inicio el ciclo; por otra parte, las metodologías de desarrollo ágil por lo general plantean procesos incrementales con entregas frecuentes y una de sus principales características es su adaptabilidad a los cambios de último momento. Proporcionan una serie de pautas y principios que permiten que la entrega del proyecto sea menos complicada, evitando los largos caminos documentales de las metodologías tradicionales.
En la actualidad se cuenta con numerosas metodologías para el desarrollo de software (ver Tabla 1, donde muestran las más utilizadas), producto de las numerosas investigaciones de diversos especialistas en el tema, sin embargo, no existe una metodología universal que pueda aplicarse a la totalidad de proyectos informáticos.
Tabla 1 Ejemplos de metodologías para el desarrollo de software
| Tradicionales | Ágiles |
|---|---|
|
|
|
Fuente: elaboración propia, adaptado de Maida y Pacienzia, 2015.
Como lo indica Zeroo (2008) los responsables de la planificación de un proyecto deben elegir cuál de las numerosas metodologías es la más adecuada para emplear y así obtener el producto solicitado; en la Tabla 2 (ver Tabla 2) se muestra un comparativo entre de las principales características de las metodologías tradicionales y ágiles: «Algunos aspectos del desarrollo de software se beneficiarán del enfoque agilista, mientras otros obtendrán beneficios de un enfoque tradicional-predictivo, menos ágil y más estructurado» (Maida y Pacienzia, 2015: 111).
Tabla 2 Principales diferencias entre grupos metodológicos
| Aspecto | Metodologías tradicionales | Metodologías ágiles |
|---|---|---|
| El énfasis está en: | Procesos | Personas |
| Documentación | Integral | Solo mínima; según se requiera |
| Estilo de procesos | Lineal | Iterativo |
| Planificación por adelantado |
Alta | Baja |
| Priorización de requerimientos |
Fijo en el plan de proyecto | Según el valor del negocio |
| Garantía de calidad | Centrada en el proceso | Centrada en el cliente |
| Estilo de gestión | Centralizado | Descentralizado |
| Cambio | Sistema formal de gestión del cambio |
Actualizaciones del backlog Priorizado del producto |
| Medición del rendimiento | Conformidad con el plan | El valor del negocio |
| Retorno sobre la inversión (ROI) |
Al final del proyecto | Al comienzo y a lo largo del proyecto |
| Participación del cliente | Varía dependiendo del ciclo de vida del proyecto |
Alta durante todo el proyecto |
Fuente: SCRUMstudy, 2017: 20.
Equipos de desarrollo de software
Derivado de la necesidad que tienen los países de contar con una sólida industria desarrolladora de software, es necesario disponer de modelos robustos que sean directrices en su desarrollo y que se requieran en proyectos de corte tecnológico (OECD, 2018). El mundo ha cambiado muy rápido, las metodologías se han ido adaptando de tradicionales a ágiles, sin embargo, la forma en que se selecciona a los participantes y se integran los equipos de trabajo ha sido en gran medida la misma: considerando únicamente aspectos de conocimiento técnico.
Mientras que el paradigma cerrado del equipo de desarrollo en la organización se basa en una estructura jerárquica tradicional de autoridad (proyectos en los que se tiene un gran conocimiento previo), en el esquema aleatorio, la formación del equipo se estructura libremente en función de la iniciativa de sus integrantes, algo que funciona bien en entornos tecnológicos muy innovadores, pero tropieza cuando se tiene que conseguir un rendimiento ordenado, dado que no facilita la asunción de responsabilidades (Zeroo, 2008). En el modelo abierto se conjugan elementos de los dos diseños anteriores, en el que se incluyen numerosas vías de comunicación y toma de decisiones consensuadas, lo que resulta muy adecuado para la resolución de problemas complejos.
El principal elemento para producir software de alta calidad son las personas (Goodwin et al., 2009). Para ello, se requieren las aptitudes y la coordinación en el tiempo para realizar el proyecto, lo que implica una combinación de profesionalismo, liderazgo y trabajo en equipo. Parte fundamental de la «sabiduría de los colectivos» (Rico, Alcover y Tabernero, 2010) es la aportación de los equipos en conocimientos, actitudes, y habilidades complementarias, que les permite ofrecer respuestas rápidas e innovadoras a los problemas, derivado de las interacciones de sus integrantes. De este modo, el éxito de las organizaciones depende en gran medida de la eficacia de los equipos, pues están comprometidos con un propósito común, con un conjunto de objetivos de rendimiento, y con un enfoque que los hace mutuamente responsables.
Sin embargo, los equipos no siempre muestran ese comportamiento. En muchas ocasiones no logran alcanzar el rendimiento superior que se espera de ellos. Un error frecuente en empresas del sector de las TIC es tener a todos haciendo de todo (Cendejas et al., 2015). Aunque esa dinámica podría funcionar bien en algún escenario particular, ocasiona, entre otras, que las personas generen estimaciones de mala calidad, puesto que les resulta imposible determinar con precisión el tiempo que dedicarán a cada tarea. Por tal motivo, los roles dentro de un equipo de programación deben ser lo más dedicados posible, con responsabilidades bien definidas, y aun así se quedaría corto el alcance, puesto que deben además tomarse en consideración los estilos de pensamiento de sus integrantes.
Destacando el hecho de que cada persona del equipo es diferente y, por lo tanto, piensa de manera distinta, comprender mejor lo que en realidad mueve a las personas a través de la neurociencia aplicada al proceso de configuración de equipos de desarrollo de software puede, sin duda, ayudar a tomar mejores decisiones considerando la combinación más adecuada de estilos de pensamiento, obteniendo así una importante ventaja para lograr mayor eficiencia en los mismos.
3. Metodología
Enfoque y alcance
La presente investigación se aborda como un estudio de caso con enfoque cuantitativo de alcance correlacional (Hernández, Fernández y Baptista, 2010), puesto que la finalidad es conocer el grado de asociación entre el estilo de pensamiento de las personas que desarrollan proyectos de software y el resultado8 de estos. No se precisará el sentido de causalidad, de tal forma que este estudio es la base para una investigación posterior.
Objetivos
Los objetivos de la presente investigación son: 1) determinar si el estilo de pensamiento de las personas que desarrollan proyectos de software tiene una relación importante en sus resultados. 2) evaluar cuáles de los estilos de pensamiento tiene mayor importancia en los resultados de sus proyectos. 3) Analizar si existe alguna diferencia entre hombres y mujeres con respecto a su estilo de pensamiento dominante y los resultados que obtienen en sus proyectos.
Hipótesis
Las hipótesis que se intentarán probar son las siguientes:
Hi: El estilo de pensamiento dominante de las personas que desarrollan proyectos de software tiene relación con sus resultados.
Ho: El estilo de pensamiento dominante de las personas que desarrollan proyectos de software no tiene relación con sus resultados.
Ha: El estilo de pensamiento dominante A (lógico) de las personas que desarrollan proyectos de software tiene relación con sus resultados.
Ha: El estilo de pensamiento dominante B (organizado) de las personas que desarrollan proyectos de software tiene relación con sus resultados.
Ha: El estilo de pensamiento dominante C (comunicador) de las personas que desarrollan proyectos de software tiene relación con sus resultados.
Ha: El estilo de pensamiento dominante D (visionario) de las personas que desarrollan proyectos de software tiene relación con sus resultados.
El diseño de la investigación es no experimental, dado que las variables de estudio no serán manipuladas, sino que se observó su desarrollo ex post-facto; es de tipo transversal o transeccional puesto que se analizará en un momento determinado, y de la forma correlacional al estudiar la asociación entre las dos categorías objeto de esta investigación.
Muestra
La población del estudio comprendió a todos aquellos profesionales de la empresa9 del sector de TIC ubicada en la República Mexicana, quienes en 2019 participaron en proyectos de desarrollo de software; esto equivale a 810 personas dedicadas al desarrollo de proyectos (no se considera al personal administrativo ni de otras áreas de negocio). En lo que concierne al tamaño de la muestra para el desarrollo del estudio, este se determinó mediante la siguiente ecuación:
donde:
N = Tamaño del universo: 810
d = Error máximo aceptable: 7 %
p = q = Porcentaje estimado de la muestra: 50 %
Z = Nivel deseado de confianza: 95 %
siendo el resultado una muestra de 157.97 personas. Esto significa que, al analizar los estilos de pensamiento de 158 profesionales que participan en el desarrollo de software se estaría representando a la totalidad de las personas de la empresa, con un error de 7 % y un nivel de confianza de 95 %. El muestreo fue completamente probabilístico.
Instrumento de medición
Los instrumentos de medición o sistema de recolección de datos que se utilizaron en este estudio son:
Test de estilos de pensamiento (considerado como un diseño, Creswell y Creswell, 2017) basado en el Brain Dominance Instrument. Se utilizó NeuroTest® (2019), que permite identificar la forma preferencial en el que cada persona procesa la información (cuatro estructuras).
Cuestionario de información demográfica.
Base de datos con los resultados de los proyectos, bajo la categoría de recopilación y análisis de datos secundarios, se fundamenta en información disponible recolectada por otras instituciones; contiene los indicadores de los proyectos ejecutados durante 2019.
Procedimiento
El primer paso consistió en aplicar el test de estilos de pensamiento y la encuesta demográfica a todo el personal de la muestra; se obtuvo también la base de datos con los resultados de los proyectos (indicadores). Posteriormente se realizó una revisión de las bases de datos de información demográfica y de proyectos, y se analizaron las propiedades psicométricas del test de estilos de pensamiento.
Si los resultados del instrumento de medición de estilos de pensamiento resultaban adecuados, se procedería a analizar las dominancias y se intentaría buscar la existencia de relaciones entre cuadrantes y hemisferios con los resultados obtenidos en los proyectos. Los cortes a explorar serían la muestra completa y la dominancia por estilo de pensamiento (cuadrantes y hemisferios).
4. Análisis de resultados
En la primera etapa del estudio se realizó un análisis exploratorio de datos,10 tanto de la información de la encuesta demográfica como de los resultados de los proyectos. Los principales hallazgos fueron los siguientes:
Género: dos tercios de las personas que formaron parte de esta aplicación son hombres (ver Figura 4).
Estado civil: más de la mitad de los encuestados estaban casados (ver Figura 5).
Edad, prácticamente la mitad de la población se encontraba en el rango de 31 a 40 años (ver Figura 6). La Tabla 3 (ver Tabla 3) muestra la estadística descriptiva de la edad.
Antigüedad en la empresa: 44 % del personal contaba con antigüedad menor a cinco años (ver Figura 7). La Tabla 4 (ver Tabla 4) muestra la estadística descriptiva de antigüedad en la empresa.
Tabla 3 Medidas de tendencia central y dispersión de la edad
| Hombre | Mujer | General | |
|---|---|---|---|
| Media | 38.76 | 38.60 | 38.71 |
| Mediana | 39.00 | 37.00 | 38.00 |
| Moda | 38.00 | 32.00 | 38.00 |
| Desviación estándar | 7.72 | 7.83 | 7.73 |
Fuente: elaboración propia para este estudio de caso.
Tabla 4 Medidas de tendencia central y dispersión de antigüedad en la empresa
| Hombre | Mujer | General | |
|---|---|---|---|
| Media | 7.91 | 8.80 | 8.15 |
| Mediana | 3.00 | 12.50 | 6.00 |
| Moda | 3.00 | 13.00 | 2.00 |
| Desviación estándar | 3.47 | 5.91 | 6.21 |
Fuente: elaboración propia para este estudio de caso.
En las Figuras 8 y 9 (ver Figuras 8 y 9) se muestra la distribución por género en rangos de edad y antigüedad en la empresa.
La composición de puesto de trabajo por rango de edad y género se aprecia en las Figuras 10 y 11 (ver Figuras 10 y 11).
Como parte de la normalización de la información del resultado de los proyectos se realizó lo siguiente:
Indicadores de resultados: se consideraron los indicadores de plazo, costo o esfuerzo y alcance, asignando el valor 1 para semáforo rojo, 2 para semáforo amarillo y 3 para semáforo verde. Se calculó un indicador único por proyecto (resultado del proyecto) cuyo valor fluctúa entre 3 y 9:
Muestra de proyectos: se incluyeron los proyectos E2E11 finalizados en el año 2019, y los proyectos en curso que al cierre de 2019 presentaron avance >= 75 %
Participación en proyectos: es frecuente que la participación de un profesional esté disgregada en varios proyectos a la vez. El registro de su dedicación en horas hombre dentro de cada proyecto permite considerar el promedio ponderado de su participación en cada uno, con su correspondiente valor de semáforo.
En lo que respecta al análisis exploratorio de datos de los indicadores de cumplimiento en plazo y esfuerzo, en las Figuras 12 y 13 se muestra la distribución del indicador de cumplimiento en semáforos. De forma general el comportamiento en plazo es mejor que el de esfuerzo (ver Figuras 12 y 13).
En cuanto a los estilos de pensamiento del grupo, resulta interesante contrastar el estilo de pensamiento entre hombres y mujeres. La Tabla 5 muestra que el cuadrante dominante de los hombres es el lógico, en tanto que el de las mujeres es el comunicador; se observa también que ambos géneros tienen la misma preferencia, en segundo plano, por los cuadrantes restantes (ver Tabla 5). Por otra parte, en la Figura 14 se muestran los valores extremos y la media, en tanto que en la Figura 15 se presenta la dominancia por género (ver Figuras 14 y 15).
Tabla 5 Estilos de pensamiento por género
| Género | Lógico | Organizado | Comunicador | Visionario | |
|---|---|---|---|---|---|
| Valores absolutos | Hombres | 76.1 | 68.8 | 74.3 | 68.6 |
| Mujeres | 74.0 | 70.0 | 75.6 | 65.2 | |
| Dominancia | Hombres | 1 | 3 | 2 | 4 |
| Mujeres | 2 | 3 | 1 | 4 |
Fuente: elaboración propia para este estudio de caso.
Fuente: elaboración propia para este estudio de caso.
Figura 14 Distribución de estilos de pensamiento
La segunda etapa del análisis consistió en validar y verificar la confiabilidad del instrumento de medición (Woodruff y Wu, 2012), para lo cual se realizó la prueba Alfa de Cronbach, como parte del análisis de las propiedades psicométricas del test basado en el BDI (Cronbach, 1951). De acuerdo con George y Mallery (2003) un valor Alfa por debajo de 0.50 indicaría una confiabilidad inexistente, de 0.51 a 0.60 se consideraría muy baja, en tanto que de 0.61 a 0.70 sería aceptable. Valores entre 0.71 a 0.90 indicarían un nivel de confiabilidad alto. La prueba Alfa de Cronbach se realizó mediante la siguiente ecuación:
donde:
k = Número de ítems del instrumento
S = Varianza de cada ítem
St = Varianza total del instrumento
obteniéndose un nivel de confianza razonablemente alto, de 0.83 para el test de estilos de pensamiento (ver Tabla 6).
Tabla 6 Dimensiones del instrumento de medición de estilos de pensamiento
| Dimensión | Valor Alfa de Cronbach |
|---|---|
| Cuadrante A. Lógico Cuadrante B. Organizado Cuadrante C. Comunicador Cuadrante D. Visionario |
0.68 0.59 0.73 0.69 |
| Instrumento completo | 0.83 |
Fuente: elaboración propia para este estudio de caso.
El análisis de cuadrantes y hemisferios distribuidos por área organizacional se muestra en la Tabla 7. Se observa un perfil de dominancia por cuadrantes: A > C > B > D, y por hemisferios: Izquierdo > Límbico > Cerebral > Derecho (ver Tabla 7). Como consecuencia de estas relaciones, esto se interpreta como el predominio de los hemisferios izquierdo y límbico sobre el derecho y el cerebral, respectivamente.
Tabla 7 Perfil de la muestra de estudio en cuadrantes y hemisferios
| A. Lógico |
B. Organizado |
C. Comunicador |
D. Visionario |
H. Izquierdo |
H. Derecho |
H. Cerebral |
H. Límbico |
|
|---|---|---|---|---|---|---|---|---|
| Promedio | 75.4 | 69.3 | 74.7 | 67.4 | 145.1 | 142.1 | 143.1 | 144.1 |
Fuente: elaboración propia para este estudio de caso.
Como sostiene Pérez (2016), la preferencia límbica por encima de la cerebral en el procesamiento de información sugiere implicaciones de amplio alcance relacionadas con el comportamiento grupal. Estas se manifiestan fundamentalmente a través de la ejecución de acciones, previamente diseñadas para el manejo de múltiples situaciones relacionadas con el funcionamiento de la organización; por otra parte es eminentemente comunicativo, con clara tendencia a involucrarse en relaciones interpersonales de colaboración. En cuanto al comportamiento de los cuadrantes por separado se observa dominancia relacionada con el conocimiento científico (analítico, cuantitativo, basado en hechos), el estudio continuo y el pensamiento exigente, capacidades que son componentes fundamentales de un perfil deseable para cualquier equipo de desarrollo de software (Rojas, Salas y Jiménez, 2006).
En la tercera etapa del estudio se analizó el grado de asociación que pudieran tener los estilos de pensamiento sobre los resultados de los proyectos, considerando que cada uno de los cuadrantes estaba representado por una variable. Se buscó entonces la existencia de relaciones entre cada una de esas variables y el resultado de los indicadores de los proyectos.
En primera instancia se corroboró que los cuadrantes difirieran entre sí. Para ello se realizó una prueba t para muestras relacionadas entre los cuadrantes A y C, obteniéndose los resultados de la Tabla 8 (ver Tabla 8).
Tabla 8 Correlación de los cuadrantes A y C
| Par | N | Correlación | Sig. |
|---|---|---|---|
| Lógico y comunicador | 144 | 0.070 | 0.406 |
N = Tamaño de la muestra; Sig. = Significación.
Fuente: elaboración propia para este estudio de caso.
De esta tabla se aprecia que no existe correlación entre esos cuadrantes al presentar baja asociación y un nivel de significancia muy por arriba de 0.05, por lo que se realizó entonces la prueba t para muestras relacionadas de la Tabla 9, con los cuadrantes A y B (ver Tabla 9). Se puede observar el valor t, los grados de libertad y la significancia bilateral al 0.01, de donde se concluye que las variables son distintas. El mismo procedimiento se realizó para los cuadrantes C y D, cuyos resultados se resumen en la Tabla 10, determinándose que dichas variables también difieren entre sí (ver Tabla 10).
Tabla 9 Prueba t para los cuadrantes A y B
| Par | Media | N | t | gl | Sig. (bilateral) |
|---|---|---|---|---|---|
| Lógico | 46.8 | 138 | 6.061 | 274 | 0.001 |
| Organizado | 43.3 | 138 |
N = Tamaño de la muestra; t = Resultado de prueba; gl = Grados de libertad; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
Tabla 10 Prueba t para los cuadrantes C y D
| Par | Media | N | t | gl | Sig. (bilateral) |
|---|---|---|---|---|---|
| Comunicador | 46.3 | 138 | 6.716 | 274 | 0.001 |
| Visionario | 42.1 | 138 |
N = Tamaño de la muestra; t = Resultado de prueba; gl = Grados de libertad; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
Posteriormente se procedió a verificar las principales correlaciones con el objetivo de determinar el grado de asociación de las variables (cuadrantes) con los indicadores de los proyectos (semáforos); esto es, variables que tienen relación con el resultado de los proyectos.
En la Tabla 11 se muestra el resultado del análisis de las variables de los cuadrantes versus los indicadores, resaltando el hecho de que solo las variables asociadas a los estilos de pensamiento lógico y comunicador tuvieron relación con dos de los indicadores de proyectos. Los asteriscos muestran las correlaciones existentes para este corte realizado con la muestra completa (ver Tabla 11).
Tabla 11 Correlaciones entre cuadrantes e indicadores
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| Lógico | Correlación de Pearson |
0.045 | 0.140 | 0.168* | 0.188* |
| Sig. (bilateral) | 0.644 | 0.152 | 0.045 | 0.043 | |
| N | 164 | 164 | 164 | 164 | |
| Organizado | Correlación de Pearson |
0.097 | -0.007 | 0.099 | 0.125 |
| Sig. (bilateral) | 0.324 | 0.942 | 0.312 | 0.200 | |
| N | 164 | 164 | 164 | 164 | |
| Comunicador | Correlación de Pearson |
-0.042 | 0.153 | 0.199* | 0.164* |
| Sig. (bilateral) | 0.665 | 0.117 | 0.041 | 0.049 | |
| N | 164 | 164 | 164 | 164 | |
| Visionario | Correlación de Pearson |
-0.140 | 0.106 | 0.092 | 0.017 |
| Sig. (bilateral) | 0.151 | 0.278 | 0.350 | 0.859 | |
| N | 164 | 164 | 164 | 164 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
El siguiente nivel de análisis se realizó con los subgrupos de dominancia cerebral, buscando los casos que podrían tener asociación importante con los resultados (significancia < 5 %); se destaca aquí el hecho de que no se encontró ninguna correlación significativa para el segmento con dominancia visionaria (ver Tablas 12, 13 y 14). Cabe mencionar que el análisis del subgrupo con bidominancia tampoco arrojó información significativa.
Tabla 12 Correlaciones entre los estilos de pensamiento con dominancia lógica versus los indicadores
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| Lógico | Correlación de Pearson | 0.004 | 0.159 | 0.326* | 0.269 |
| Sig. (bilateral) | 0.983 | 0.393 | 0.043 | 0.143 | |
| N | 31 | 31 | 31 | 31 | |
| Organizado | Correlación de Pearson | 0.078 | -0.032 | 0.021 | 0.063 |
| Sig. (bilateral) | 0.678 | 0.864 | 0.912 | 0.736 | |
| N | 31 | 31 | 31 | 31 | |
| Comunicador | Correlación de Pearson | 0.135 | 0.363* | 0.253 | 0.364* |
| Sig. (bilateral) | 0.470 | 0.045 | 0.169 | 0.044 | |
| N | 31 | 31 | 31 | 31 | |
| Visionario | Correlación de Pearson | -0.370* | 0.015 | 0.261 | -0.085 |
| Sig. (bilateral) | 0.041 | 0.937 | 0.156 | 0.651 | |
| N | 31 | 31 | 31 | 31 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
Tabla 13 Correlaciones entre los estilos de pensamiento con dominancia organizado versus los indicadores
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| Lógico | Correlación de Pearson | 0.084 | 0.287 | -0.233 | -0.086 |
| Sig. (bilateral) | 0.774 | 0.677 | 0.423 | 0.771 | |
| N | 14 | 14 | 14 | 14 | |
| Organizado | Correlación de Pearson | -0.067 | -0.236 | 0.449 | 0.246 |
| Sig. (bilateral) | 0.820 | 0.252 | 0.108 | 0.396 | |
| N | 14 | 14 | 14 | 14 | |
| Comunicador | Correlación de Pearson | -0.146 | 0.233 | 0.532* | 0.236 |
| Sig. (bilateral) | 0.618 | 0.423 | 0.049 | 0.417 | |
| N | 14 | 14 | 14 | 14 | |
| Visionario | Correlación de Pearson | 0.201 | 0.105 | -0.357 | -0.070 |
| Sig. (bilateral) | 0.491 | 0.377 | 0.211 | 0.811 | |
| N | 14 | 14 | 14 | 14 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
Fuente: elaboración propia para este estudio de caso.
Tabla 14 Correlaciones entre los estilos de pensamiento con dominancia comunicador versus los indicadores
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| Lógico | Correlación de Pearson | -0.285 | 0.232 | 0.230 | 0.151 |
| Sig. (bilateral) | 0.108 | 0.194 | 0.197 | 0.401 | |
| N | 33 | 33 | 33 | 33 | |
| Organizado | Correlación de Pearson | -0.160 | 0.103 | 0.028 | -0.002 |
| Sig. (bilateral) | 0.372 | 0.567 | 0.878 | 0.992 | |
| N | 33 | 33 | 33 | 33 | |
| Comunicador | Correlación de Pearson | -0.047 | 0.154 | 0.160 | 0.152 |
| Sig. (bilateral) | 0.796 | 0.392 | 0.375 | 0.398 | |
| N | 33 | 33 | 33 | 33 | |
| Visionario | Correlación de Pearson | -0.347* | 0.088 | 0.285 | 0.132 |
| Sig. (bilateral) | 0.048 | 0.626 | 0.108 | 0.464 | |
| N | 33 | 33 | 33 | 33 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
Se puede observar que tanto en las correlaciones por cuadrantes como en las de dominancias, los estilos de pensamiento lógico y comunicador presentan alguna relación, además de en algunos de los indicadores individuales de proyecto, en el resultado general del mismo.
Otra línea de investigación consistió en explorar el estilo de pensamiento del subgrupo de personas cuyos resultados fueron distintos de 9 como calificación máxima, es decir, aquellos que estuvieron alejados del triple semáforo verde en el resultado de sus proyectos. La Tabla 15 muestra los resultados donde se observa que los estilos de pensamiento organizado y comunicador presentaron relación con uno de los indicadores del proyecto, y este último también presentó asociación con el resultado global del proyecto.
Tabla 15 Correlaciones entre cuadrantes e indicadores para proyectos con resultado distinto de 9
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| Lógico | Correlación de Pearson | -0.042 | 0.133 | 0.146 | 0.146 |
| Sig. (bilateral) | 0.759 | 0.335 | 0.288 | 0.286 | |
| N | 55 | 55 | 55 | 55 | |
| Organizado | Correlación de Pearson | 0.154 | -0.008 | 0.158 | 0.239* |
| Sig. (bilateral) | 0.260 | 0.955 | 0.250 | 0.048 | |
| N | 55 | 55 | 55 | 55 | |
| Comunicador | Correlación de Pearson | -0.091 | 0.204 | 0.279* | 0.254* |
| Sig. (bilateral) | 0.508 | 0.135 | 0.039 | 0.049 | |
| N | 55 | 55 | 55 | 55 | |
| Visionario | Correlación de Pearson | -0.157 | 0.174 | 0.180 | 0.114 |
| Sig. (bilateral) | 0.254 | 0.205 | 0.188 | 0.408 | |
| N | 55 | 55 | 55 | 55 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
Un aspecto importante para considerar en el análisis fueron las agrupaciones de cuadrantes, es decir, la búsqueda de correlaciones entre hemisferios e indicadores, que se resume en la Tabla 16. Obsérvese que no se encontró correlación significativa para el hemisferio cerebral puesto que la significancia fue mayor del 5 % (ver Tabla 16).
Tabla 16 Correlaciones entre hemisferios e indicadores
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| H. izquierdo | Correlación de Pearson | 0.099 | 0.098 | 0.194* | 0.226* |
| Sig. (bilateral) | 0.314 | 0.319 | 0.046 | 0.020 | |
| N | 106 | 106 | 106 | 106 | |
| H. derecho | Correlación de Pearson | -0.125 | 0.177* | 0.195* | 0.121 |
| Sig. (bilateral) | 0.201 | 0.049 | 0.046 | 0.217 | |
| N | 106 | 106 | 106 | 106 | |
| H. cerebral | Correlación de Pearson | -0.063 | 0.147 | 0.160 | 0.123 |
| Sig. (bilateral) | 0.520 | 0.132 | 0.102 | 0.211 | |
| N | 106 | 106 | 106 | 106 | |
| H. límbico | Correlación de Pearson | 0.037 | 0.102 | 0.206* | 0.200* |
| Sig. (bilateral) | 0.705 | 0.298 | 0.034 | 0.039 | |
| N | 106 | 106 | 106 | 106 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas.
Los resultados de la Tabla 17 se derivan del análisis de hemisferios versus indicadores, realizado para proyectos cuyos resultados fueron distintos de 9 (proyectos con al menos un indicador distinto de verde). No se encontró asociación significativa para el hemisferio cerebral (ver Tabla 17).
Tabla 17 Correlaciones entre hemisferios e indicadores para proyectos con resultado distinto de 9
| Semáforo plazo |
Semáforo alcance |
Semáforo esfuerzo |
Resultado del proyecto |
||
|---|---|---|---|---|---|
| H. izquierdo | Correlación de Pearson | 0.072 | 0.092 | 0.218 | 0.271* |
| Sig. (bilateral) | 0.603 | 0.503 | 0.110 | 0.045 | |
| N | 55 | 55 | 55 | 55 | |
| H. derecho | Correlación de Pearson | -0.159 | 0.237* | 0.283* | 0.224 |
| Sig. (bilateral) | 0.246 | 0.042 | 0.036 | 0.101 | |
| N | 55 | 55 | 55 | 55 | |
| H. cerebral | Correlación de Pearson | -0.129 | 0.185 | 0.204 | 0.157 |
| Sig. (bilateral) | 0.346 | 0.177 | 0.135 | 0.252 | |
| N | 55 | 55 | 55 | 55 | |
| H. límbico | Correlación de Pearson | 0.044 | 0.148 | 0.325* | 0.365** |
| Sig. (bilateral) | 0.752 | 0.280 | 0.015 | 0.006 | |
| N | 55 | 55 | 55 | 55 | |
N = Tamaño de la muestra; Sig. (bilateral) = Significación bilateral.
Fuente: elaboración propia para este estudio de caso.
*p < 0.05, dos colas. **p < 0.01, dos colas.
Se observa que en las correlaciones por hemisferios, es el límbico el que presenta asociación tanto con uno de los indicadores individuales como con el resultado general del proyecto.
La cuarta etapa de esta investigación consistió en indagar los distintos estilos de pensamiento de los subgrupos de personas segmentados por la variable Resultado del proyecto (ecuación 2), para lo cual se realizaron los siguientes cortes: entre 6 y 6.9, entre 7 y 7.9, entre 8 y 8.9, igual a 9. Los resultados de la Tabla 18 muestran un hallazgo interesante, pues a excepción de los proyectos con triple semáforo verde, el resto presentó el mismo patrón. Un segundo hallazgo se observa en la posición de dominancia de los cuadrantes organizado y visionario; así, la única diferencia fue el intercambio de dominancia de los cuadrantes lógico y comunicador (ver Tabla 18). Es importante mencionar que no se buscó ninguna correlación para los proyectos con resultado igual a 9, puesto que sería nula y podría interpretarse erróneamente como no válida, dado que lo correcto es que no exista por converger todos los casos de la muestra en el punto de excelencia en el resultado (los tres indicadores en verde). Por lo anteriormente expuesto, no fue adecuado aplicar el modelo de regresión lineal (Rodríguez y Mora, 2001).
Tabla 18 Dominancia de estilos de pensamiento para subgrupos en función de la variable Resultado del proyecto (ecuación 2)
| Resultado del proyecto | Lógico | Organizado | Comunicador | Visionario |
|---|---|---|---|---|
| = 9 | 2 | 3 | 1 | 4 |
| Entre 8 y 8.9 | 1 | 3 | 2 | 4 |
| Entre 7 y 7.9 | 1 | 3 | 2 | 4 |
| Entre 6a y 6.9 | 1 | 3 | 2 | 4 |
Fuente: elaboración propia para este estudio de caso.
a El valor correspondió a proyectos con semáforo verde en el indicador de plazo, amarillo en el de alcance y rojo en esfuerzo.
Considerando los resultados obtenidos en las distintas líneas de este trabajo de investigación: correlaciones por cuadrantes, efecto por hemisferios y regresiones del proceso de resultados de los proyectos, se encontró evidencia estadística de la relación de los estilos de pensamiento con sus resultados, por lo que con base en los hallazgos detallados se propone una referencia del mapa de estilos de pensamiento a tener en consideración en la configuración de equipos de desarrollo de software. Dicha propuesta que considera los parámetros del BDI (Dominancia: mayor a 67 puntos, Indecisión: entre 34 y 66 puntos, y No concluyente: menor a 34 puntos) se muestra en la Figura 16, donde se puede apreciar el conjunto de relaciones de cuadrantes y hemisferios. Se observa también la diferencia del par de cuadrantes opuestos y semejantes a la vez: A-C y B-D, notándose el predominio de los hemisferios izquierdo y límbico (ver Figura 16).
Fuente: elaboración propia para este estudio de caso.
Figura 16 Modelo propuesto de estilos de pensamiento para equipos de desarrollo de software
Los datos estadístico-matemáticos del modelo encuentran acompañamiento en las actuales tendencias de desarrollo de software, donde la agilidad, por ejemplo, cimenta una de sus grandes fortalezas en potenciar las relaciones interpersonales como clave para el éxito en los proyectos de software (SCRUMstudy, 2017), promoviendo el trabajo en equipo, preocupándose por el aprendizaje de los desarrolladores y propiciando un buen clima de trabajo. La agilidad se basa en la retroalimentación continua entre el cliente y el equipo de desarrollo, así como en la comunicación fluida entre todos los participantes. Estas habilidades interpersonales de comunicación y relacionamiento, entre otras., están representadas en la dominancia del cuadrante C del modelo propuesto (ver Figura 16). De forma similar, el modelo privilegia las capacidades asociadas al cuadrante A, que aporta su valor a través del procesamiento analítico, técnico, matemático y solucionador de problemas. El resto de los cuadrantes se sugieren en un segundo plano.
5. Conclusiones
Como se ha podido constatar en el desarrollo del estudio, se encontró evidencia estadística de la relación de los estilos de pensamiento de los profesionales que desarrollan software con los resultados de sus proyectos, sin embargo, en la muestra de la empresa analizada en este estudio de caso el nivel de asociación fue moderado, por lo que los hallazgos no pueden generalizarse a la industria. Para futuras investigaciones se propone ampliar la muestra tomando en consideración algunas otras empresas del sector TIC que realizan desarrollo E2E, así como en el esquema de fábrica de software.
En cuanto a las hipótesis, se puede concluir que existe evidencia suficiente para aceptar la hipótesis del investigador, así como las hipótesis alternas (Ha) 1 y 3 donde se planteó que los estilos de pensamiento dominantes A y C tendrían relación con los resultados de los proyectos. Se descartan por tanto las hipótesis alternas (Ha) 2 y 4 para este análisis.
En general, se puede aseverar que no hay un mejor estilo de pensamiento que otro per se, sin embargo, hay estilos que favorecen determinados procesos y la obtención de resultados de una mejor manera en función del sector, industria o ramo en el que se desarrolla el personal.
El presente estudio se concluye dando respuesta satisfactoria al objetivo de investigación planteado, y aportando conocimiento que permita avanzar en la reconfiguración de los equipos de trabajo de los proyectos, considerando la combinación más adecuada de estilos de pensamiento para lograr una mayor eficiencia en el resultado de los desarrollos.
Finalmente, y para reflexionar: todos pensamos de distinta forma, sin embargo, pocas instituciones aprovechan esta diversidad cognitiva como ventaja estratégica. ¿Cómo se beneficiarían las organizaciones al comprender las preferencias de pensamiento de sus empleados? ¿Cuáles serían las ventajas a nivel organizacional?
Epílogo (Cuadrante B: la estructura y la forma)
El cuadrante límbico izquierdo del sistema cerebral es el encargado del pensamiento controlado, detallado y bien organizado; no ofrece demasiada flexibilidad, las estrategias que lo forman están dirigidas a la ejecución de acciones relacionadas con el funcionamiento de individuos y organizaciones, su importancia se manifiesta en el establecimiento de prioridades, el seguimiento de las actividades en curso, la supervisión del desempeño y la evaluación de resultados, con el objetivo siempre puesto en el cumplimiento de metas con la mayor eficiencia y calidad (Pérez, 2016).
Como se observa en las Tablas 7 y 18, los valores del cuadrante organizador son bajos, la falta de estructura o dominancia de este cuadrante se puede hacer presente en situaciones cotidianas que van desde convocar a reuniones sin previo aviso o confirmación de disponibilidad de los invitados, carencia de minutas o acuerdos revisados, etcétera, hasta aquellas de mayor relevancia como el no realizar documentación de las funcionalidades desarrolladas o emplear el tiempo estimado ex profeso en otras actividades.
No obstante los valores bajos de estructura o forma, siempre se puede trabajar en ampliar la zona de confort de preferencia mental (Herrmann y Herrmann-Nehdi, 2015). Se proponen algunas actividades que pueden realizarse en el ámbito laboral, por ejemplo:
Descargar una App para llevar el registro preciso durante una semana de las actividades diarias.
Limpiar y organizar la bandeja de entrada del correo electrónico, y organizar los archivos que se tienen en la computadora.
Crear una lista con cosas por hacer y no-hacer, y marcarlas conforme se realicen.
Llegar a tiempo al trabajo, y a todas las reuniones del día, y después realizarlo durante toda la semana.
Leer alguna política de la empresa y aprender algún detalle específico del que no se era consciente.
Escribir claramente las consecuencias que se derivan de cada decisión relevante, antes de ejecutarlas.
