Introducción

La pandemia de Covid-19 ha impactado de manera directa e indirecta en el mundo. Sus efectos directos han provocado el contagio de millones de personas; en el caso de los indirectos, su magnitud sólo podrá determinarse en el mediano y largo plazo. Entre las consecuencias indirectas de dicha pandemia se encuentran afectaciones en términos económicos, sociales y educativos. A finales de abril del 2020, se habían cerrado establecimientos escolares en 180 países y se reportaba que aproximadamente el 85% de los estudiantes habían dejado de asistir de forma presencial; se espera que esta situación afecte no solo en el aprendizaje de los alumnos, sino también su salud mental (^{Banco Mundial, 2020}).

Con el advenimiento de la pandemia el sector educativo fue uno de los primeros en realizar cierres físicos con el objetivo de controlar la transmisión (^{Viner et al., 2020}). Por su grado de imprevisibilidad, y la necesidad de distancia y aislamiento, el Covid-19 cambió radicalmente las formas de afrontamiento comunes ante eventos inesperados, y, por tanto, exige nuevas formas de adaptarse y pensar en las crisis (^{Horesh y Brown, 2020}), tanto para las instituciones de educación superior como para los estudiantes.

Los cambios que ha tenido que realizar el sector están teniendo varios impactos de corto, mediano y largo plazo; por ejemplo, las instituciones de educación superior han buscado adaptarse a la educación en línea, implementar servicios de apoyo e incentivos para la retención estudiantil, reclutar estudiantes a través de nuevos medios y mantener la sostenibilidad financiera durante la crisis (^{Brammer y Clark, 2020}). Adicionalmente, la comunidad universitaria ha enfrentado desafíos únicos que ponen en riesgo su salud física y mental (^{Zhai y Du, 2020}). Se ha identificado que grupos de estudiantes en confinamiento y que mantienen el distanciamiento social de manera prolongada, no solamente tienen un alto riesgo de salud física, sino también de caer en estado de burnout y abandono escolar (^{Chen, Kaczmarek, & Ohyama, 2020}; ^{Hassnain & Omar, 2020}).

La historia ha demostrado que durante una pandemia suele emerger el miedo, el cual incrementa la ansiedad y los niveles de estrés entre los individuos (^{Ornell, Schuch, Sordi y Kessler, 2020}). Por su diseño, la universidad es una experiencia que busca maximizar las oportunidades de compromiso, estimulación y crecimiento de los estudiantes, lo que muchas veces lleva consigo un estrés inherente en la trayectoria escolar (^{Roberts, 2018}). En este sentido, el estrés se entiende como la respuesta del cuerpo a estímulos nocivos, es un fenómeno psicológico, un problema físico y de integración social común que es afectado por estresores que pueden derivar en una serie de efectos negativos (^{Wu et al., 2020}). Desafortunadamente, el enfoque durante la pandemia se centró en la prevención y el tratamiento físico, atendiendo marginalmente la dimensión psicosocial, como los miedos individuales y el estrés en diferentes ámbitos (^{Ahorsu et al., 2020}). Por ello, esta investigación busca evaluar el impacto del miedo al Covid-19 sobre el estrés percibido y el impacto de éste sobre las tres dimensiones del burnout: agotamiento emocional, cinismo y autoeficacia. Este artículo incluye los siguientes apartados: revisión de literatura, método, análisis de resultados, discusión y conclusiones.

Revisión de la literatura

Método

Este trabajo de investigación se realizó durante la segunda fase de la pandemia de Covid19 en México, en los meses de mayo y junio del 2020. El diseño de investigación fue empírico, cuantitativo y no experimental. Se utilizó una muestra no probabilística de estudiantes universitarios. Para ello, se revisó la literatura académica con el propósito de identificar los antecedentes asociados a las variables de estudio. Posteriormente, se diseñó el instrumento de recolección de datos, en base a escalas validadas y adaptadas al contexto. Finalmente, se llevó a cabo el trabajo de campo; en total se recolectaron 478 encuestas. Como técnica de análisis estadístico, se utilizó el modelado de ecuaciones estructurales con mínimos cuadrados parcializados.

Las variables se midieron con ítems tipo Likert con cinco puntos de asignación de respuesta, que van desde 1= “nunca” hasta 5= “muy frecuentemente”. El estrés percibido se midió con los 10 ítems de la versión simplificada de la escala desarrollada por ^{Cohen, Kamarck, y Mermelstein (1983)}. Además, se adaptaron las escalas de agotamiento, cinismo y autoeficacia de ^{Schaufeli, Martínez, Pinto, Salanova y Bakker (2002)} y de ^{Hederich-Martínez y Caballero-Domínguez (2016)}. Finalmente, se adaptó la escala de ^{Snell. y Finney (1998)} utilizada en el contexto del sida para medir el miedo al Covid-19, con 9 ítems. La Tabla 1 muestra las escalas utilizadas.

Resultados

Características demográficas. Se encuestaron estudiantes universitarios de Baja California [69%], Chihuahua [19.7%], Quintana Roo [5.2%] y de otros estados de la república [6.1% de Puebla, Chiapas, Nuevo León, Jalisco y Estado de México, 6.1%]. El 92.7% manifestó ser soltero, 90% residía en casa de sus padres u otros familiares, 61.3% no era económicamente activo; además, 72.6% tenía entre 19 y 22 años, mientras que 64.9% cursaba entre el tercer y el sexto semestre de su carrera.

Modelo de medición

De acuerdo a las recomendaciones de ^{Anderson y Gerbing (1998)}, se siguió el procedimiento de dos etapas: en la primera, se revisó el modelo de medición para asegurarse de la validez convergente y discriminante; posteriormente, se valoró el modelo estructural. El software estadístico utilizado fue Smart PLS versión 3.0.

La validez convergente del modelo de medición [Tabla 2], se determinó a partir de cuatro indicadores: cargas factoriales [valor y significancia estadística]; alfa de Cronbach; fiabilidad compuesta; y varianza extraída media. Las cargas factoriales de los ítems mostraron valores entre 0.534 [Ef4] y 0.817 [Cv7], en todos los casos con valores t que superan 1.96. Respecto de las cargas, se afirma que el ítem debe tener al menos el 50% de su varianza en común con el constructo; ello sucede, cuando la carga factorial es de 0.50 (^{Barroso-Castro, Cepeda-Carrión y Roldan-Salgueiro, 2007}). Por ello, en este modelo se mantuvieron ítems que superan dicho punto de corte.

En el caso del alfa de Cronbach, de los cinco constructos, tres de ellos superan el punto de corte de 0.70 [cinismo, estrés percibido y miedo al Covid-19], y los dos restantes muestran valores marginales al mismo [agotamiento emocional -0.692- y autoeficacia -0.685-]. Este indicador es el más utilizado; sin embargo, asume que todos los indicadores son confiables en la misma medida, por lo que se considera a otros indicadores, como la fiabilidad compuesta, como más apropiados para PLS SEM (^{Hair, Ringle, y Sarstedt, 2011}). Respecto de la fiabilidad compuesta, los cinco constructos incluidos en el modelo exceden el punto de corte mínimo de 0.70 (^{Bagozzi y Yi, 1988}; ^{Fornell y Larcker, 1981}; ^{Seidel y Back, 2009}). Por otra parte, la varianza extraída media de los indicadores de los cinco constructos también supera el valor mínimo sugerido de 0.50 (^{Martínez Ávila y Fierro Moreno, 2018}). Así, de acuerdo con los resultados de los tres indicadores, es posible afirmar que existe validez de convergencia en el modelo de medición.

Validez discriminante

Para establecer la validez discriminante del modelo de medición, se revisaron el criterio Fornell-Larcker, las cargas cruzadas y el ratio Heterotrait Monotrait [HTMT]. El primero evidenció validez discriminante dado que los valores de la raíz cuadrada de ave de las variables del modelo [sobre la diagonal], superaron los coeficientes de correlación entre ellas (^{Fornell & Larcker, 1981}). Del segundo criterio, cargas cruzadas, se revisa si los ítems cargan fuertemente en los constructos que intentan medir [valores superiores a 0.50], y además se examina que no carguen fuertemente en otros constructos, para así asegurarse que exista validez discriminante. Por su parte, el HTMT, valora si las correlaciones entre los indicadores que miden el mismo constructo exceden a las correlaciones de los indicadores que miden diferentes constructos [heterotrait-heteromethod]; se sugiere un punto de corte máximo de 0.85 (^{Henseler, Ringle y Sarstedt, 2015}). En la Tabla 3, se presentan los tres criterios utilizados para determinar la validez discriminante del modelo de medición. Como en ella se observa, de acuerdo a los tres criterios existe validez discriminante: en el caso del criterio Fornell Larcker, los valores de la raíz cuadrada de ave [sobre la diagonal], son mayores que las correlaciones entre constructos [bajo la diagonal]; respecto de las cargas cruzadas, los ítems cargan fuertemente en los constructos correspondientes y presentan cargas bajas en el resto de los constructos; y en relación al HTMT, no existen valores mayores a 0.85 en ninguno de los ratios. En resumen, existe validez discriminante en el modelo de medición.

Modelo estructural

Con el propósito de evaluar la capacidad predictiva del modelo, se revisó el indicador Q² de Geisser-Stone (^{Hair et al., 2016}). Aplicando el procedimiento blindfolding, se omite un grupo de datos de los indicadores reflectivos que miden los constructos endógenos del modelo y se calculan los parámetros de los datos restantes, iterando hasta que los datos se omiten completamente y el modelo se vuelve a estimar (^{Chin, 1998}; ^{Hair et al., 2016}). Existen dos métodos de análisis para el cálculo de los valores Q²: la comunalidad validada cruzada, y la Redundancia validada cruzada. De ellos, se recomienda usar el segundo. En este método, la predicción en el modelo estructural path incluye los datos eliminados; cuando los valores Q² son mayores de 0 (Q² ≥ 0), el modelo tiene un nivel de predicción relevante para los constructos endógenos, pero cuando ello no sucede (Q² ≤ 0), se carece de pronóstico en la modelización (^{Hair et al., 2016}). Respecto de la magnitud de la relevancia predictiva, se afirma que cuando el valor de Q² es 0.02, existe poca relevancia predictiva, cuando es de 0.15, la relevancia predictiva es mediana y cuando su valor es de 0.35, hay gran relevancia predictiva (^{Chin, 2010}). Los resultados muestran los siguientes resultados: Estrés percibido Q²=0.374 [gran relevancia predictiva], Agotamiento Q²=0.210 [mediana relevancia predictiva], Cinismo Q²=0.372 [gran relevancia predictiva], y Autoeficacia Q²=0.203 [mediana relevancia predictiva].

En la Figura 1, se exhibe el modelo contrastado, en el cual se incluyen los coeficientes path de los efectos estructurales y el valor R² del estrés percibido, agotamiento emocional, cinismo y autoeficacia. Para evaluar los paths, se consideró su magnitud, sentido y significancia. Respecto del sentido de las relaciones, los paths coinciden con los postulados en las hipótesis. Por otra parte, los valores de los paths estructurales reiteran los planteamientos teóricos y en todas las hipótesis los valores t fueron estadísticamente significativos. El coeficiente de determinación R², calcula el grado en el cual un constructo endógeno del modelo estructural, se explica a partir de otros constructos (^{do Nascimento & da Silva Macedo, 2016}). La valoración de su magnitud es la siguiente: se considera sustancial, cuando su valor es de 0.75; es moderado, cuando muestra un valor de 0.50; finalmente, si es de 0.25, se valora como débil (^{Hair et al., 2016}). Los valores de este indicador en el modelo son los siguientes: estrés percibido [0.156], agotamiento emocional [0.235], cinismo [0.160] y autoeficacia [0.097]. Aunque los valores son débiles, en todos los casos son significativos.

Figura 1 Modelo contrastado 

Por otra parte, respecto de la prueba de hipótesis, las cuatro relaciones propuestas fueron estadísticamente significativas a un nivel de confianza del 95%, ya que sus valores t fueron superiores a 1.96. De acuerdo a estos criterios no se rechaza H1 que testó si el miedo al Covid genera estrés (β =0.395, t=9.885,). De igual modo, se confirma H2, que postula que el estrés percibido provoca agotamiento emocional (β =0.503, t=14.347). También se reitera que el estrés provoca cinismo confirmando H3 (β =0.400, t=10.294,). Por último, se corroboró H4 que postuló que el estrés disminuye la autoeficacia (β = -0.312, t=7.453).

Discusión

Con la amenaza del Covid-19, la mayor parte de la atención durante su evolución en el mundo se ha centrado en los aspectos físicos; sin embargo, los aspectos psicosociales aún no se han considerado a fondo entre las diferentes poblaciones (^{Ahorsu et al., 2020}), entre ellas, la estudiantil. Las universidades cerraron sus instalaciones física y paulatinamente se adaptaron a la enseñanza virtual y además modificaron sus planes de exámenes y evaluaciones; sin embargo, sus estudiantes han sufrido estragos y han experimentado temores, preocupaciones y ansiedad (^{Reznik et al., 2020}).

Este trabajo de investigación indaga sobre el impacto del miedo al Covid-19 sobre el estrés percibido y el impacto de éste sobre las tres dimensiones del burnout: agotamiento emocional, cinismo y autoeficacia. Los resultados indican que, en la realidad empírica de estudiantes universitarios mexicanos, las relaciones propuestas son significativas. Por una parte, se postuló que el miedo a contraer Covid-19 genera estrés percibido en los alumnos universitarios. Nuestros hallazgos confirman lo anterior y reiteran lo señalado por trabajos previos que indican que el miedo produce estrés (^{Bennett, 1998}; ^{Meisenhelder y LaCharite, 1989}; ^{Peladeau, 2006}). Particularmente, se reitera que a semejanza de lo ocurrido en otros contextos (^{Grubic, Badovinac y Johri, 2020}), en el entorno educativo mexicano la pandemia de Covid-19 también ha provocado afectaciones en la salud mental de los estudiantes, en este caso en términos de estrés percibido. El miedo al Covid-19 se refleja mayormente, en el miedo de los estudiantes a contagiarse del virus y en su percepción de ser una experiencia muy estresante para ellos. Por su parte, el estrés percibido se exhibe principalmente en la inseguridad que los alumnos sienten para manejar sus problemas personales y en su incapacidad para hacer frente a sus compromisos u obligaciones.

Respecto a la hipótesis 2, se encontró que el estrés percibido por los estudiantes provoca agotamiento emocional. Estos hallazgos confirman lo señalado por trabajos previos, realizados en el contexto de Covid-19, que identificaron que las personas jóvenes vieron modificados sus hábitos cotidianos con afectaciones en términos de estrés psicológico, fatiga y debilidad (^{Musabiq & Karimah, 2020}; ^{Qiu et al., 2020}). Los estudiantes manifiestan sentirse agotados emocionalmente por sus estudios e indican que cuando terminan el día se sienten físicamente agotados.

Por otra parte, se postuló que, en los estudiantes, el estrés percibido provoca cinismo. Los resultados evidencian que dicho efecto existe. En el contexto estudiado, el cinismo se muestra, principalmente, en las dudas de los alumnos sobre la importancia, el valor y el impacto de sus estudios. Al respecto, trabajos previos indican un efecto directo y positivo del estrés hacia el cinismo (^{Salmela-Aro et al., 2016}; ^{Viljoen & Claassen, 2017}; ^{Zis et al., 2020}) y precisan que en el entorno educativo éste se presenta como una actitud distante o indiferente hacia los estudios y su utilidad potencial (^{Kachel et al., 2020}). Los resultados de este trabajo de investigación, confirman lo anterior.

Finalmente, se confirmó que el estrés percibido por los estudiantes disminuye su autoeficacia personal. Trabajos desarrollados en el entorno educativo encontraron que en situaciones estresantes, disminuye la autoeficacia de los alumnos; identificaron que dicha afectación se manifiesta en una menor calidad de sueño y en una disminución en la satisfacción con la vida; además, precisaron que, entre mayor sea el nivel de amenaza percibida, mayor será también el aislamiento y serán menos efectivas las estrategias de afrontamiento y reducción de la tensión (^{Bae et al., 2020}; ^{Karademas y Kalantzi-Azizi, 2004}; ^{Lee et al., 2016}). En este trabajo, la autoeficacia de los alumnos se manifestó mayormente en su confianza de poder hacer las cosas y en su creencia de ser buenos estudiantes. De acuerdo a los hallazgos, estas manifestaciones serán las más afectadas por el estrés.

En resumen, la pandemia de Covid-19 ha tenido afectaciones relevantes en los estudiantes universitarios mexicanos, particularmente por el estrés que ha provocado con afectaciones subsecuentes en términos de agotamiento, cinismo y autoeficacia. Como medidas paliativas, se recomienda que las universidades clarifiquen sus políticas de evaluación, identifiquen y apoyen a los estudiantes con mayor riesgo de aislamiento social y fortalezcan los mecanismos que permitan la relación social entre la comunidad universitaria; trabajos previos, destacan los posibles efectos positivos de este tipo de actividades (^{Elmer, Mepham y Stadfeld, 2020}; ^{Moawad, 2020}). La implementación de esta clase de estrategias es relevante, considerando que al final del año 2020, aún existía un clima de incertidumbre sobre cómo o cuándo concluiría la pandemia. A semejanza de otros estudios, este trabajo de investigación tiene algunas limitaciones, ya que la recolección de la muestra fue a través de una técnica no probabilística por conveniencia, durante la fase tres de la propagación de Covid-19 en el país. Se recomienda que investigaciones futuras sean conducidas hacia el estudio de las consecuencias psicológicas, los esfuerzos por mantener la salud mental y su efecto en la autoeficacia académica en contextos de un prolongado confinamiento de estudiantes como el caso de México.