Introducción y estado del arte

La expansión de la epidemia de coronavirus generó incertidumbre respecto a la vida académica, ya que casi el 85% del total de alumnos matriculados en 172 países se vio afectado (UNESCO, 2020). Para el otoño de 2020, muchas universidades identificaron soluciones para combinar o sustituir la enseñanza presencial por instrucciones en línea, y para el invierno de 2020-2021 la mayoría de las universidades ofrecían clases solo en línea basadas en sistemas TIC (UNESCO, 2020). Algunos de estos sistemas ofrecen un aprendizaje combinado, otros son del tipo de los cursos abiertos masivos en línea, y otros solo ofrecen una simple plataforma a través de la cual los profesores pueden compartir contenidos con los alumnos, ofreciendo funciones de videoconferencia para sustituir las clases presenciales. Al trasladar todos los programas a la red, muchas instituciones han tenido que encontrar rápidamente soluciones para sustituir la enseñanza presencial.

Un estudio reciente ha demostrado que siguen existiendo barreras que limitan la forma en que la tecnología puede mejorar la enseñanza en las universidades (Polly et al., 2021). Aunque algunos profesores tienen actitudes positivas hacia las herramientas digitales, todavía precisan de formación en el uso de las herramientas TIC para la enseñanza y la creación de contenidos (Casero-Béjar & Sánchez-Vera, 2022) ya que, aunque en 2021 muchas universidades han decidido retomar las actividades docentes presenciales, el uso de aplicaciones en línea seguirá siendo una característica del sistema educativo debido a la flexibilidad que ofrece y a las oportunidades de aprendizaje (Hodges et al., 2020).

Esta flexibilidad depende, entre otros factores, de las características de los profesores, como la autoeficacia, el tecnoestrés y la tolerancia a la incertidumbre, incluido el contexto en el que se desarrollan las actividades docentes. En estas condiciones, la pregunta principal de la investigación es: ¿afectan los factores personales al uso de herramientas de e-learning para la enseñanza en condiciones de incertidumbre generadas por la pandemia? Esta pregunta de investigación se puso a prueba en una muestra representativa de académicos rumanos de las instituciones de enseñanza superior más importantes.

En la siguiente sección se presentarán los determinantes del uso de herramientas de e-learning entre los profesores, incluyendo la autoeficacia, los creadores de tecnoestrés, los inhibidores y la incertidumbre, respaldados por estudios recientes relevantes.

Intolerancia a la incertidumbre

La intolerancia a la incertidumbre es la propensión a reaccionar negativamente en los ámbitos conductuales, emocionales y mentales ante situaciones inciertas (Dugas et al., 2004). Los individuos con un mayor grado de intolerancia a la incertidumbre estarían más relajados cuando la previsibilidad es posible y, por tanto, tendrían la intención de disminuir o incluso eliminar la incertidumbre (Uzun & Karataş, 2020).

La investigación sobre la incertidumbre percibida por los empleados en el trabajo es escasa. Sugiere que las percepciones de incertidumbre afectan negativamente a la satisfacción relacionada con el trabajo debido a la preocupación de no poder prever lo que traerá el futuro, siendo la incertidumbre un poderoso estresor (Tinaztepe, 2012). También es posible que los individuos con mayor intolerancia a la incertidumbre estén más preocupados por la incertidumbre de nuevas transformaciones relacionadas con la pandemia y sus consecuencias socioeconómicas (Mertens et al., 2021). Teniendo en cuenta las condiciones cambiantes de la situación actual, incluidas las sugerencias de que un estado de incertidumbre podría afectar al rendimiento laboral de los empleados, planteamos que:

• H6: La intolerancia a la incertidumbre tiene efectos indirectos en el uso de las plataformas de e-learning y en la satisfacción hacia el uso de las plataformas de e-learning.

Basándonos en la literatura y en las relaciones anteriores, suponemos la existencia del siguiente modelo teórico (Figura 1).

Materiales y métodos

El objetivo principal era evaluar el papel predictivo de los creadores e inhibidores de tecnoestrés, la autoeficacia tecnológica y el uso de la plataforma en línea sobre la satisfacción del profesor en condiciones de incertidumbre. Se utilizó un estudio cuantitativo y transversal.

La muestra consistió en N=1.517 académicos (hombres 44%) de varias universidades rumanas de un total de 34.440 individuos, siendo el error de la muestra para un nivel de confianza del 95% de +/- 2,5. La estructura de la muestra por posición académica, dominios docentes fundamentales, edad y género se presenta en la Tabla 1.

Preparamos y enviamos un conjunto de cuestionarios mediante un correo electrónico personalizado: Se recopilaron 30.171 direcciones de correo electrónico de sitios web mediante el rastreador de código abierto Abot, y luego se analizaron los archivos HTML y PDF en busca de direcciones de correo electrónico utilizando expresiones regulares. El siguiente paso consistió en limpiar manualmente las direcciones de correo electrónico genéricas (por ejemplo, contact@, hr@). Los resultados se importaron en la aplicación de la encuesta. Los datos se recogieron en abril-mayo de 2021, con una tasa de respuesta del 5,03%. Los participantes dieron su consentimiento al principio de la encuesta. El estudio fue aprobado por el consejo de la Facultad de Psicología y Ciencias de la Educación de la Universidad de Transilvania de Brasov (Rumanía), tras comprobar todas las normas éticas de los estudios de investigación con seres humanos.

Análisis y resultados

En el presente estudio se empleó la modelización de ecuaciones estructurales, por mínimos cuadrados parciales (PLS), para analizar los datos utilizando SmartPLS 3.0 (Ringle et al., 2015). Las hipótesis se probaron con un bootstrapping de 5.000 remuestreos. Para analizar e interpretar los efectos de mediación, utilizamos las recomendaciones de Chin (2010). El análisis VIF para evaluar la multicolinealidad reveló valores inferiores a 3,8, lo que indica que la colinealidad no es un problema. Todas las dimensiones se consideraron reflexivas, mientras que el uso de aplicaciones de e-learning se consideró formativo.

Análisis descriptivo del uso de aplicaciones en línea y plataformas de aprendizaje electrónico

El número medio de actividades docentes en una semana durante el primer semestre fue de 5,26. La mayoría de los participantes (15,9%) declaran que realizan 10 o más actividades a la semana, seguidos de los que realizan 4 actividades docentes a la semana (15,2%). Un análisis en profundidad revela que la mayoría de los puestos de profesor (25,6%) dedican mucho tiempo (entre 3 y 4 horas) a la preparación de una actividad docente en línea (Tabla 2). Suelen tener menos actividades pedagógicas que el resto de los profesores, pero de gran complejidad, lo que requiere una cuidadosa formación. Los profesores son los que destinan mayoritariamente más de 4 horas diarias a la preparación de una actividad (24,8%) frente a los profesores asociados, que dedican menos de 1 hora de formación (11%).

Un análisis desde la perspectiva del dominio de la enseñanza fundamental muestra que los profesores de ciencias exactas dedicaron más de 4 horas a la preparación de las actividades de enseñanza en línea. Los profesores de ciencias sociales dedican entre 1 y 2 horas a la preparación del material. Más detalles sobre el tiempo de preparación para las actividades de enseñanza en línea pueden encontrarse aquí: https://doi.org/10.6084/m9.figshare.20516457.v1.

Modelo de medición

El modelo tiene cinco constructos con mediciones reflexivas y un constructo con medición formativa (el uso de plataformas de e-learning) (Tabla 3). La fiabilidad compuesta (FC) (los ítems miden constantemente el mismo constructo) para cada constructo fue de al menos 0,78, mostrando niveles satisfactorios de consistencia interna. Para evaluar la validez convergente (el grado de relación de una escala con otras variables o medidas del mismo constructo), la varianza media extraída (VME) de todos los constructos se situó entre 0,550 y 0,808, cumpliendo los requisitos. Los valores de las cargas de los indicadores para el constructo formativo fueron todos superiores a 0,62, lo que indica una adecuada validez convergente. Dadas las buenas propiedades psicométricas, mantuvimos todos los ítems incluidos en las escalas iniciales.

Prueba de hipótesis

La correlación de Pearson (https://doi.org/10.6084/m9.figshare.20516457.v1) mostró que la AET se correlacionó negativamente con los CT y se asoció positivamente con los IT, la mayor asociación positiva se obtuvo para la SAT, mientras que las asociaciones de la AET con el USE fueron moderadas. La II se asoció negativamente con los IT y positivamente con los CT, mientras que las asociaciones con la SAT fueron negativas y bajas.

Los IT se correlacionaron positivamente con el uso de las plataformas de e-learning y la satisfacción generada por su uso, mientras que las asociaciones de las dimensiones de uso con los CT fueron negativas. Para comprobar las hipótesis, realizamos varios análisis de mediación, utilizando AET, II, IT como antecedentes, CT como mediador y USE y SAT como efectos (Figura 2). La variación total explicada fue del 30% para los CT, del 37% para la SAT y del 14% para el USE.

El análisis de los efectos directos, indirectos y totales mostró que las relaciones entre AET, IT e II y USE y SAT están mediadas por los CT. Encontramos principalmente mediaciones parciales, siendo significativos los efectos directos entre los antecedentes y USO y SAT. Solo encontramos una mediación total entre la II y USE a través de los CT. El USE no media la asociación entre II y SAT, y CT no media la asociación entre IT y USE (Tabla 4).

Hemos realizado varios análisis multigrupos relacionados con el género, la posición académica y el ámbito de la docencia y la investigación y ninguno mostró resultados significativos.

Discusión y conclusiones

La mayoría de las hipótesis del estudio fueron sostenidas por los datos, mostrando principalmente que los CT medían las relaciones entre IT, AET y el uso y la satisfacción hacia el uso de las plataformas de e-learning. A pesar de que el contexto actual está dominado por la incertidumbre, las hipótesis sobre el efecto directo e indirecto de la incertidumbre en el uso de la aplicación en línea en la educación se sostuvieron parcialmente. En consonancia con investigaciones anteriores, nuestro estudio demostró que la autoeficacia es uno de los antecedentes más importantes del uso de las plataformas de e-learning y de la satisfacción de utilizarlas, siendo los efectos directos de la autoeficacia positivos y significativos (Pan, 2020), apoyando la H1. Otros estudios mostraron que la autoeficacia es un poderoso factor relacionado con la facilidad de uso que, combinado con la intención de comportamiento, afecta al uso real. Nuestro estudio confirma las investigaciones anteriores, que demuestran que la autoeficacia influye directamente en la intención de usar la tecnología y en su uso real (Maican et al., 2019). Nuestros resultados mostraron que la mejora de la autoeficacia es una condición para la integración de la tecnología en las prácticas docentes. En cuanto a la satisfacción hacia el uso de los entornos en línea, estudios anteriores confirmaron que los individuos con alta AET estaban más satisfechos con un entorno en línea, por lo que la autoeficacia podría mejorar la satisfacción (Prifti, 2022), apoyando la H2.

En las situaciones en las que se estudia el uso obligatorio de un sistema, el indicador de rendimiento de la investigación más adecuado es la satisfacción de uso del sistema y no la intención de utilizarlo (Chan et al., 2010). Nuestro estudio demostró que el uso de las aplicaciones de e-learning tiene efectos directos positivos sobre la satisfacción, lo que apoya la H3. Además, dada la importancia de la AET, las actitudes y la implicación de los académicos son fundamentales para el uso eficiente del e-learning, lo que conduce a una mayor satisfacción, concluyendo que su uso tiene un efecto mediador entre la AET y la satisfacción.

Está ampliamente reconocido que la autoeficacia es tanto un factor de apoyo al éxito laboral como un elemento de protección en condiciones de trabajo estresantes. Los efectos directos negativos de la AET sobre los CT revelados por nuestros resultados confirman el papel protector de la autoeficacia frente al estrés (Caprara et al., 2003). Unos niveles elevados de AET podrían disminuir significativamente el tecnoestrés causado por la complejidad de la tecnología implicada en las actividades en línea. Los académicos con una mayor autoeficacia tienen una mayor confianza en la tecnología informática académica, esta creencia dirige a los individuos a prevalecer sobre la complejidad de la tecnología, la sensación de inseguridad laboral, la incertidumbre y los sentimientos de invasión tecnológica en la vida académica diaria (Shu et al., 2011).

En cuanto a los efectos de los CT en el uso del e-learning, los resultados mostraron efectos negativos significativos que coinciden con el estudio anterior (Upadhyaya & Vrinda, 2021). Sin embargo, el efecto negativo del uso de plataformas de e-learning fue menor que los efectos negativos directos de los CT en la satisfacción de uso. La amplia utilización de las TIC en el ámbito académico podría explicar los mayores niveles de tecnoestrés que reducen significativamente la satisfacción generada por el uso de las TIC. Aunque las investigaciones anteriores se centraban en la satisfacción laboral general, nuestros resultados coinciden con este marco, siendo el tecnoestrés el responsable de la fatiga informativa, la pérdida de motivación y la infelicidad en el trabajo (Salah-Eddine & Belaissaoui, 2017). Nuestros resultados apoyan la H4, el efecto parcialmente mediado de la AET sobre el USE y la SAT, a través de los CT.

Las TIC tienen un efecto directo negativo sobre los CT, y efectos directos positivos sobre el USE y la SAT. Investigaciones anteriores confirmaron los efectos directos de los IT en la satisfacción laboral y en el uso de las TIC (Upadhyaya & Vrinda, 2021). Sin embargo, los efectos indirectos de los IT sobre el USE a través de los CT no fueron significativos, aunque sí marginales, lo que demuestra que el efecto directo de los inhibidores es más importante, y que esta hipótesis de mediación no está respaldada. En el caso de la SAT, se encontró una mediación parcial, dados los significativos efectos directos e indirectos (a través de los tecnocreadores) de los IT. Los efectos directos e indirectos en serie de los IT sobre la satisfacción (a través de los CT y el USE) también fueron significativos. Concluimos que los IT reducen los efectos del tecnoestrés (Ragu-Nathan et al., 2008), mantienen los mecanismos de organización y ajuste para reducir los resultados negativos del uso creciente de las TIC y, por tanto, explican una mayor satisfacción del uso de las TIC en la educación (Jena, 2015) (H5 parcialmente apoyada).

La pandemia ha afectado a miles de millones de personas, y la incertidumbre del mañana tiene consecuencias importantes en el comportamiento de los individuos. La incertidumbre implica una mayor anticipación de una situación negativa que hace que las personas sean menos capaces de hacer frente a los eventos negativos, lo que puede explicar mayores niveles de estrés percibido y, además, comportamientos desadaptativos dada la mayor anticipación de una situación negativa (Grupe & Nitschke, 2013). El estrés y la incertidumbre han dejado su huella en el trabajo de profesores y alumnos. La necesidad de trasladar todas las actividades en línea creó un nuevo contexto, la enseñanza a distancia de emergencia (Hodges et al., 2020). Los estudiantes y el personal se vieron obligados a gestionar problemas técnicos, arreglos espaciales, responsabilidades familiares/conflictivas y problemas de salud física y mental. Nuestros resultados confirmaron los efectos positivos directos de la incertidumbre sobre los creadores de tecnoestrés, mostrando que la incertidumbre podría explicar el aumento del tecnoestrés. Sin embargo, los CT tuvieron una débil asociación positiva directa con el USE, mientras que el efecto directo de la incertidumbre sobre el USE no fue significativo. Los efectos de la incertidumbre sobre la satisfacción hacia el uso del e-learning fueron negativos, tanto directos como indirectos, lo que demuestra que la satisfacción está relacionada con la incertidumbre, incluso cuando haya tecnoestrés. Aunque esperábamos efectos directos entre la incertidumbre y el USE, estos efectos no se produjeron, a lo mejor porque la situación de incertidumbre puede considerarse global, con efectos a medio y largo plazo. Como empleados, los profesores no sintieron los efectos a corto plazo, ya que saben qué habilidades y herramientas utilizar para llevar a cabo sus actividades. Dado que la enseñanza en línea o a distancia era la única opción disponible, la relación entre el tecnoestrés, el uso de la plataforma y la incertidumbre no puede ser muy clara, por lo que se concluye que H6 está parcialmente apoyada.

Mientras que la autoeficacia es un factor de protección contra el estrés, la incertidumbre es un estado aversivo, lo que explica los bajos niveles de satisfacción hacia el uso de la tecnología. Aunque la investigación se centró en las asociaciones negativas entre la incertidumbre y la satisfacción laboral (Bordia et al., 2004), creemos que nuestros resultados también podrían proporcionar pruebas empíricas de los efectos perjudiciales de la incertidumbre.

El análisis multigrupo no mostró diferencias entre los grupos analizados (cargos docentes, género, campo de enseñanza/investigación). Investigaciones anteriores encontraron diferencias en el tecnoestrés en relación con el género y la experiencia laboral (Marchiori et al., 2019; Ragu-Nathan et al., 2008). Nuestro estudio no reveló diferencias de grupo significativas, siendo los resultados convergentes con estudios recientes (Li & Wang, 2021). Aunque esperábamos diferencias, el contexto de la pandemia probablemente las anuló.

Aunque el contexto de la pandemia está cargado de incertidumbre, lo que explica el alto nivel de estrés, su peso negativo puede ser contrarrestado por un alto nivel de AET. Del mismo modo, el apoyo proporcionado por las organizaciones a través de los tecnoinhibidores puede ser un factor importante, ya que mantiene el uso de las tecnologías en línea, incluso en condiciones normales. Aunque las universidades sean promotoras de la investigación avanzada, los académicos tienen expectativas de aprendizaje permanente, incluso en el caso de herramientas «básicas» como una plataforma de e-learning, especialmente relacionadas con el contenido que requiere un importante esfuerzo de transposición para la enseñanza en línea (es decir, de la plataforma queremos mucho más que compartir presentaciones). Además, la búsqueda de soluciones para disciplinas técnicas que implican equipos especiales (por ejemplo, laboratorios virtuales a distancia) también requiere formación.

Este estudio puede contribuir a la investigación actual sobre la autoeficacia, el uso del aprendizaje electrónico y el tecnoestrés en situaciones de incertidumbre. En primer lugar, la AET está poco investigada en relación con la satisfacción en el uso del e-learning, aunque la autoeficacia sea un factor importante del rendimiento de la tarea. En segundo lugar, las investigaciones sobre la intolerancia a la incertidumbre entre los profesores en el contexto del aprendizaje electrónico son muy escasas. Aunque la incertidumbre es característica de la pandemia, como factor resultante de la interacción persona-situación, la incertidumbre no se manifiesta directamente sobre la satisfacción de utilizar el e-learning, sino solo a través de factores relacionados con el uso de la tecnología. Por lo tanto, la incertidumbre es una «influencia» indirecta en determinadas situaciones en las que el estado de incertidumbre provocado por diversos acontecimientos macrosociales sigue siendo elevado (por ejemplo, conflictos, problemas medioambientales, diversos, etc.). En tercer lugar, los creadores de tecnoestrés y los inhibidores de tecnoestrés desempeñan un papel importante en la satisfacción que confirma la precisión de nuestra elección. Una posible implicación podría ser la de proporcionar no solo apoyo técnico, sino también programas de formación para los profesores con el fin de desarrollar su autorregulación y estrategias de afrontamiento en situaciones de incertidumbre. Por último, desarrollamos una herramienta para identificar el uso que hacen los profesores de las plataformas de e-learning junto con una herramienta para identificar la satisfacción con la enseñanza. Estas herramientas pueden utilizarse en el futuro para evaluar la eficacia de la enseñanza-aprendizaje desde la perspectiva de los alumnos. También podrían utilizarse como herramientas de autoevaluación para que los profesores universitarios mejoren sus prácticas de enseñanza en línea.

La pandemia ha marcado un punto esencial en el uso de las TIC en el aprendizaje, muchos de los que antes eran profesores habituales las utilizarán más intensamente en el futuro, siendo un impulso hacia la transformación digital en los Centros Educativos Superiores. Una posible limitación podría referirse al difícil momento en el que se llevó a cabo el estudio, ya que la universidad luchaba por encontrar soluciones rápidas para continuar con su trabajo. Como ya se esperaba, no todas las soluciones elegidas fueron las mejores, ya que cada universidad rumana (o incluso cada profesor) decidió qué plataforma en línea utilizar para el aprendizaje en línea obligatorio, lo que implica diferencias en la complejidad del sistema, la facilidad de uso, la utilidad percibida, etc. Otra limitación es que algunas universidades ya han implantado sistemas de aprendizaje en línea funcionales, pero que fueron diseñados y utilizados a una escala mucho menor. Así, algunos profesores ya estaban familiarizados con los sistemas de e-learning, al menos parcialmente, y la pandemia no supuso un reto tan grande como para los que no habían utilizado estos sistemas en el pasado y tuvieron que adaptarse sobre la marcha.

La falta de datos sobre el uso real de las plataformas podría ser otra limitación, ya que solo son públicas las estadísticas relacionadas con la descarga de determinadas aplicaciones, pero no sobre su uso. Esta limitación podría resolverse en un futuro estudio aplicado a nivel de un solo Centro Educativo Superior que permitiera acceder a los registros de uso de las aplicaciones de los que se extraería el uso actual. La falta de datos de uso real y el uso de solo valores auto-declarados que también podrían causar un análisis de datos sesgado. A ello podría añadirse un posible sesgo de autoselección, dado que los participantes se ofrecieron voluntariamente a participar en este estudio, y su participación podría haber estado influenciada por su alto interés hacia la tecnología y su uso, ya que los datos se recogieron durante la pandemia, cuando el tema del e-learning se discutió ampliamente. Otra limitación de este estudio fue el carácter transversal de los datos utilizados, lo que imposibilita la realización de inferencias causales. Una futura línea de investigación es identificar el grado de uso de las plataformas más populares, así como el estudio comparativo del uso de la tecnología de e-learning a nivel del profesorado tras la pandemia de COVID. (1)