UNIVERSIDAD DEL TURABO
ESCUELA DE NEGOCIOS Y EMPRESARISMO
FACTORES QUE AFECTAN LA LÍNEA DE DESARROLLO DE
PROFESIONALES DE TECNOLOGÍA DE INFORMACIÓN
EN PUERTO RICO
Por
Orlando Cruz Heredia
Presentada como requisito parcial para la obtención del
grado de Doctor en Administración de Empresas con
especialidad en Sistemas de Información
Gurabo, Puerto Rico
noviembre, 2015
UNIVERSIDAD DEL TURABO
CERTIFICACIÓN DE APROBACIÓN DE DISERTACIÓN
La disertación de Orlando Cruz Heredia fue revisada y
aprobada por los miembros del Comité de Disertación. El
formulario de Cumplimiento de Requisitos Académicos
Doctorales con las firmas de los miembros del comité se
encuentra depositado en el Registrador y en el Centro de
Estudios Graduados e Investigación de la Universidad
del Turabo.
MIEMBROS DEL COMITÉ DE DISERTACIÓN
Dr. Edgar Ferrer, Profesor
Universidad del Turabo
Director Comité de Disertación
Dr. Ángel Ojeda, Profesor
Universidad del Turabo
Miembro
Dra. Eulalia Márquez, Profesora
Universidad del Turabo
Miembro
© Copyright 2016
Orlando Cruz Heredia. Derechos Reservados
iv
FACTORES QUE AFECTAN LA LÍNEA DE DESARROLLO DE
PROFESIONALES DE TECNOLOGÍA DE INFORMACIÓN
EN PUERTO RICO
Por
Orlando Cruz Heredia
Dr. Edgardo Ferrer
Director Comité de Disertación
RESUMEN
Desde principio del sigo XXI se ha visto un
crecimiento exponencial de la tecnología, teniendo un
impacto en la sociedad y en la manera de hacer negocios.
Lamentablemente, en la revisión de literatura se encontró
que los programas académicos en el área de Sistemas de
Información han tenido una reducción en la matrícula; en
algunos casos las universidades de Estados Unidos han
puesto en moratoria estos currículos.
El objetivo de esta investigación fue determinar los
factores que influyen en la decisión de estudiar una
carrera de Sistemas de Información y medir el impacto de la
situación económica del País en la relación a la actitud de
v
estudiar una carrera en Sistemas de Información y la
intención de continuar en sus estudios.
Esta investigación utilizó como marco conceptual la
Teoría de la Acción Razonada. Se recolectó los datos de
estudiantes matriculados en el programa de Sistemas de
Información en un sistema universitario de Puerto Rico,
luego en el análisis estadístico se procedió a utilizar la
metodología de Partial Least Square. Los hallazgos de la
investigación fueron dos: primero, los estudiantes tienen
un interés genuino en la carrera; y segundo, creen en que
obtendrán un buen trabajo al finalizar sus estudios.
Aunque estudios similares se han realizado en los
Estados Unidos es la primera vez que se realizó en Puerto
Rico. Además, como parte de la aportación original de esta
investigación, es la primera en la que se añade una
variable moderadora. Esta variable moderadora es sobre la
situación económica actual del país lo cual no fue
determinante en este estudio.
vi
FACTORS AFFECTING THE PIPELINE OF INFORMATION TECHNOLOGY
PROFESSIONALS IN PUERTO RICO
Orlando Cruz Heredia
Dr. Edgar Ferrer
Director of Dissertation Committee
ABSTRACT
From the beginning of the 21st century there been an
exponential growth in technology, having an impact on
society and the way of doing business. On the other hand
in the literature review it was found that academic
programs in the area of Information Systems have decreased
in enrollment and in some cases universities in the United
States put these curricula in moratorium.
The objective of this research was to determine the
factors that influence the decision to pursue a career in
Information Systems and measure the impact of the current
economic situation in the relation of the attitude of a
career in Information Systems and the intention to continue
in their studies.
The model of the theory of reasoned action was used as
a framework for research. Data was collected from students
enrolled in the Information Systems major in a university
vii
system of Puerto Rico, then a statistical analysis was
proceeded to use the methodology of Partial Least Square.
The findings of the research were two. First, the students
have a genuine interest in the career, also, they believe
they will get a good job after graduation.
Although similar studies have been conducted in the
United States it was the first realized in Puerto Rico and
as part of the original contribution of this research it
was the first in which a moderating variable was added.
This moderating variable was about the current economic
situation of Puerto Rico and it was not decisive in this
study.
viii
DEDICATORIA
A Dios por darme la salud y sabiduría necesaria para
poder alcanzar esta meta académica.
A mis padres Orlando Cruz Ocasio Y Maria M. Heredia
Medina por el apoyo en la decisión de continuar mis
estudios graduados.
ix
TABLA DE CONTENIDO
LISTA DE FIGURAS........................................ xii
LISTA DE TABLAS........................................ xiii
LISTA DE APÉNDICES...................................... xiv
CAPÍTULO I INTRODUCCIÓN................................... 1
Antecedentes del Problema............................... 1
Planteamiento del Problema.............................. 6
Análisis de Tendencias.................................. 8
Importancia de la Investigación......................... 9
Objetivo de la Investigación........................... 11
Marco Conceptual de la Investigación................... 12
Modelo de Investigación................................ 13
Preguntas e Hipótesis de Investigación................. 14
Justificación de la Investigación...................... 17
Limitaciones del Estudio............................... 18
Variables.............................................. 19
Definiciones........................................... 21
CAPÍTULO II REVISIÓN DE LITERATURA....................... 24
Introducción........................................... 24
Posibles Influencias................................... 30
Teoría de Acción Razonada.............................. 35
Estudios Relacionados.................................. 38
Emigración............................................. 49
Historias de Éxito..................................... 51
x
CAPÍTULO III METODOLOGÍA................................. 54
Diseño de la Investigación............................. 55
Descripción de la Población............................ 56
Determinación del Tamaño de la Muestra................. 56
Procedimiento para la Recolección de los Datos......... 57
Consentimiento Informado y Confidencialidad de los
Participantes .......................................... 57
Descripción del Instrumento de Investigación........... 58
Validación del Instrumento de Investigación............ 59
Prueba de Confiabilidad................................ 60
Análisis Estadístico................................... 62
CAPÍTULO IV ANÁLISIS DE DATOS .......................... 64
Introducción........................................... 64
Información Demográfica................................ 64
Conocimiento sobre Sistemas de Información............. 65
Prueba de Confiabilidad................................ 69
Confiabilidad y Validez (Criterio de Calidad).......... 76
Validez Discriminante.................................. 78
Prueba de Hipótesis.................................... 80
CAPÍTULO V DISCUSIÓN DE LOS RESULTADOS ............... 85
Discusión de los Resultados............................ 85
Inferencias a Preguntas de Investigación............... 86
Contribución a la Teoría y Práctica.................... 90
Resumen................................................ 95
xi
Limitaciones........................................... 96
Recomendaciones........................................ 97
REFERENCIAS .......................................... 100
xii
LISTA DE FIGURAS
Figura 1. Esquema de la Teoría de Acción Razonada ...... 13
Figura 2. Modelo de Investigación Fuente: Adaptado de la
Teoría de Acción Razonada (1975) ............. 14
Figura 3. Representación de la línea de desarrollo o
pipeline del profesional de IT ............... 25
Figura 4. Distribución por Sexo de la Muestra .......... 65
Figura 5. Distribución de los que contestaron la
pregunta sobre si tienen conocimiento de lo que
es Sistemas de Información ................... 66
Figura 6. PLS-SEM algorithm con loading ................ 80
Figura 7. Resultados PLS-SEM con “Bootstrapping” ....... 82
Figura 8. Modelo revisado .............................. 94
xiii
LISTA DE TABLAS
Tabla 1. Comparación de hallazgos encontrados en los
estudios realizados con la Teoría de Acción
Razonada ................................... 40
Tabla 2. Los Cincos Mitos Sobre el Futuro de la Carrera en
Tecnología de Información .................. 45
Tabla 3. Determinación de la Muestra.................... 57
Tabla 4. Distribución de contestación de primera pregunta
abierta .................................... 67
Tabla 5. Distribución de contestación sobre el
conocimiento de oportunidad de Carrera ..... 68
Tabla 6. Resultado prueba de KMO y Bartlett............. 69
Tabla 7. Método de extracción: Análisis de Componentes
Principales ................................ 71
Tabla 8. Total de Varianza Explicada.................... 73
Tabla 9. Valor R2 ....................................... 76
Tabla 10. Calidad de los Criterios...................... 78
Tabla 11. Fornell and Larcket Criterion................. 79
Tabla 12. Resultados “Path coeficiente” del “bootstrap”. 83
Tabla 13. Resumen de resultado prueba de PLS-SEM........ 84
xiv
LISTA DE APÉNDICES
Apéndice A. Preguntas en Cuestionario.................. 119
Apéndice B. Hoja Informativa........................... 119
Apéndice C. Instrumento de Investigación............... 120
Apéndice D. Formulario validación del instrumento...... 126
Apéndice E. Tabla Adaptada de Estadística del CES de PR 131
Apéndice F. Resume Evaluación de Jueces................ 132
Apéndice G. Certificación Junta de Investigación
Institucional ............................. 134
1
CAPÍTULO I
INTRODUCCIÓN
Antecedentes del Problema
Durante las últimas décadas (2001 – 2010) se ha sido
testigos de la evolución sostenida en el desarrollo de las
tecnologías, dando lugar a la denominada Revolución de la
Información (Bissel, 2011). La Tecnología y Sistemas de
Información ha tenido un impacto significativo sobre la
sociedad y ha influido además en diversos sectores
económicos; por la tanto, la Tecnología de Información se
ha convertido en un ente esencial para el desarrollo
económico por su utilidad práctica en todos los sectores de
la economía, desde la agricultura hasta la manufactura y en
los servicios de gobierno. Incluso, en estos tiempos de
recesión la demanda de profesionales de Tecnología de la
Información se ha mantenido relativamente estable y en
algunos casos ha mostrado un aumento (Snir, 2011). Datos
de la Oficina de Patentes de los Estados Unidos (USTPO por
sus siglas en inglés) sugieren la importancia de los
profesionales de Tecnología de Información en el desarrollo
del potencial de la comercialización, el cual se mide a
menudo por las cantidades de patentes concedidas. Una
evaluación de los datos USTPO por área de tecnología en la
década de 2000 – 2010, mostró que varias de las nuevas
2
tecnologías relacionadas con la informática, se encuentran
entre las áreas de patentes de más rápido crecimiento
durante la temporada 2000 - 2010. Las patentes en la
creación de redes de computadoras crecieron en un promedio
de casi el 20% durante este período, las patentes para
procesos de información de negocios crecieron un porciento
(1%). El número de patentes en automatización y control
creció un nueve por ciento (9%), y las patentes de los
Sistemas Informáticos han crecido tres por ciento (3%) y
seis por ciento (6%) respectivamente.
Otro indicador que muestra la importancia de los
profesionales de Tecnología de Información se observa por
la lista de los salarios iniciales de los de recién
graduados publicada por NACE (2012). Esta lista muestra
una fuerte inclinación a ocupaciones en los campos de la
tecnología. Además, las proyecciones de empleo en el
trabajo hasta 2018, publicadas por la Oficina de
Estadísticas Laborales de Estados Unidos (Lacey & Wright,
2012), indican que tres de 12 principales ocupaciones de
mayor crecimiento son en puestos de trabajo relacionados
con las Sistemas de Información, las cuales requieren al
menos un grado de bachillerato.
Las tres ocupaciones de crecimiento acelerado en el
área de Sistemas de Información son: Analistas de Sistemas
3
de Redes y Comunicación de Datos (53.4% de crecimiento),
Ingenieros de Aplicaciones de Software (crecimiento del
34.0%), e Ingenieros de Sistemas de Software (crecimiento
del 30.4%). Aunque hay demanda de profesionales de
Sistemas de Información para cubrir los puestos de trabajo
y los reclutadores están activos buscando el personal para
ocuparlos. Se prevé que continúen con la búsqueda de
empleados en el futuro. El reclutamiento está difícil por
la poca oferta de empleados en el área de Sistemas de
Información. Según AITP (2012) se plantea esta situación
porque los empleadores tienen grandes expectativas con
respecto a las especialidades muy concretas y surgimientos
de nuevos retos y nuevas tendencias dentro del mundo
altamente cambiante de la tecnología.
Aunque los profesionales de la Tecnología de la
Información parecen tener una demanda sostenida, la
matrícula en los programas de los Sistemas de Información
se está reduciendo en los últimos años (Ferratt, Hall,
Prasad & Wynn, 2009; Koch & Trower, 2011). Algunos autores
argumentan que los programas de sistema de Información han
mostrado bajas, porque muchos de sus currículos de estudio
están desactualizados (Sagheb-Tehrani, 2011; Koch &
Kayworth, 2009). Por otra parte, nuevos parámetros en el
sistema educativo (ejemplo, cambios en la ayuda federal
4
para estudiantes) reducen el lapso de tiempo que los
estudiantes de pregrado disponen para poder completar su
grado. Esto a su vez representa un reto para las
universidades en las diferentes regiones porque deben
desarrollar planes de estudio atemperados al tiempo que
tienen los estudiantes para concluir sus estudios
universitarios.
Se puede inferir que la televisión y el bombardeo de
propaganda pudieran dirigir los intereses académicos de los
estudiantes. Aunque muchos de ellos poseen equipos de
computadora altamente sofisticados no se interesan en este
campo de estudio. Ahora están interesados en ciencias
vivas y Justicia criminal, esto, atraídos por series
populares como “Crime Scene Investigation” (Chabrow, 2004).
Como consecuencia del giro que ha tomado la economía
ha surgido la necesidad de fomentar el espíritu emprendedor
en muchas disciplinas, incluyendo Sistemas de Información,
campo que tiene un gran potencial para su comercialización.
Con base a lo anterior, se puede señalar que la tarea
básica para educadores y administradores de programas de
Sistemas de Información en Instituciones de Educación
Superior es el diseño de planes de estudio que proporcionen
valor para sus estudiantes; respondiendo así, a los
requerimientos de la industria y a la comercialización de
5
las tecnologías dentro de la disciplina. Por lo tanto, el
objetivo principal del diseño curricular será desarrollar
cursos que proporcionen una integración de habilidades y
competencias para que estos individuos se conviertan en
profesionales y/o empresarios de éxito en el campo.
También, un currículo actualizado será fundamental para
preparar profesionales de Tecnología de la Información
altamente calificados. Mediante nuevos enfoques y
exhaustiva revisión de estos currículos se obtendría un
medio eficaz para hacer de los programas de Sistemas de
Información unos más atractivos para estudiantes
universitarios.
Respecto al tema de la emigración de puertorriqueños
talentosos hacia los Estados Unidos, el Instituto de
Estadística de Puerto Rico indicó en enero del 2013,
informó que durante la última década emigraron 576,000
individuos. En el año 2011 se desplazaron 76,000
puertorriqueños, 16,000 más que en el 2010. De continuar
esta tendencia para el año 2050 habrá en la Isla 2.3
millones de habitantes. En una encuesta realizada a 7,000
personas de los cuales sólo el 59% tenían empleos en la
Isla, se subrayó que los factores para emigrar incidieron
en la búsqueda de mejores salarios y mejores condiciones de
vida (Velázquez, 2013).
6
Sobre ese particular el economista Julio Hernández,
profesor en la Universidad del Turabo, indicó que en la
Isla se produce demasiado capital humano, el cual ni el
Gobierno ni las empresas privadas pueden absorber. Al
estar exportando más y mejor recurso humano que productos
se crea una ineficiencia del mercado lo que resulta en
agravante para nuestra economía. Estos emigrantes son de
edades jóvenes, altamente productivos y educados
(Velázquez, 2013).
Los desafíos mencionados anteriormente en relación con
las dificultades de reclutamiento y la disminución de la
matrícula afectan los programas universitarios de esta
disciplina; tanto a nivel de bachillerato como a nivel de
maestría en los diferentes ámbitos geográficos (Ferrer,
Rivera, & Sánchez, 2012).
Planteamiento del Problema
Desde finales de los años 90, la matrícula en los
programas académicos relacionados a los Sistemas de
Información, han decrecido notablemente (Granger, Dick,
Jiang, & Slyke, 2007; Ferrer et al., 2012). Debido al poco
interés de los estudiantes en matricularse en programas de
Sistemas de Información, y los bajos niveles de retención,
se crean fugas en la línea de desarrollo (“pipeline”) del
profesional de Sistemas de Información. Como consecuencia
7
de lo anterior, algunas instituciones universitarias están
cerrando sus programas de Sistemas de Información y se
acentúa la escasez de profesionales para las empresas y
organizaciones (Saunders & Lockridge, 2011).
El Departamento del Trabajo de los Estados Unidos
proyectó un aumento en los empleos relacionados directa o
indirectamente a Sistemas de Información de sobre 967,000
para el 2014 (Hecker, 2005), se estimó a la vez una mayor
demanda de profesionales de dicha especialidad (Granger et
al., 2007). Sin embargo, la matrícula de estudiantes en
las universidades de la Nación, ha tenido una baja
considerable en disciplinas relacionadas a Sistemas de
Información. El gran incremento en la demanda de
especialistas de Sistemas de Información en los últimos
años ha coincidido con una disminución de similar magnitud
en la matrícula de estudiantes para esta concentración
(Kuechler, McLeod, & Mark, 2009).
El decrecimiento en el número de estudiantes que
cursan grados en Sistemas de Información es una fuente de
gran preocupación no sólo para la comunidad universitaria
que ofrecen el Grado, sino también para las compañías con
necesidad de contratar profesionales cualificados (Akbulut,
Looney, & Motwani, 2008). Como se presentó en la
introducción y en el planteamiento del problema esta
8
situación está presente en los Estados Unidos, Puerto Rico
y en otras partes del mundo. (En el Capítulo II, se
presenta la literatura que apoya esta información).
Dada la dificultad de reclutamiento de profesionales
preparados en áreas de Sistemas de Información y la baja
matrícula en las universidades de estudiantes en estas
áreas y sumando lo anterior a la creciente demanda de
profesionales de Sistemas de Información en el mercado
laboral, se plantea un problema que no tiene una solución a
corto plazo y puede llegar a ser más grave en los próximos
años (Zhang, 2007). Ante la situación planteada, esta
investigación busca encontrar las causas que originan el
rompimiento en la línea de desarrollo de un potencial
profesional de Sistemas de Información.
Análisis de Tendencias
La Asociación de Investigación de Computación (CRA)
desde el año 1995 ha realizado varias investigaciones sobre
las matrículas en los programas de Ciencias en
Computadoras, Ingeniería en Computadoras y Sistemas de
Información, en los departamentos que confieren grados de
PhD. En el 2013 publicaron el estudio que abarca el año
académico 2011-2012, donde encuestaron 277 departamentos de
los cuales 70% contestaron.
9
El resultado del estudio arrojó que hubo un aumento de
matrícula en los últimos tres (3) años en los grados de
bachilleratos, luego se registró una disminución entre el
2002 al 2007. Esto es reflejo de otro estudio que indica
que al principio del año 2000 hubo un alza por la
popularidad del uso del internet y el tema del “Y2K”
(Granger et al., 2007). Aunque el número de matriculados
aumentó a un promedio del 15% entre las escuelas de
negocios, aún el total de matriculados no alcanza los
niveles altos de principio del 2000 (Zweben, 2013). En la
Universidad de Pennsylvania se realizó una comparación de
matrícula en el programa de ciencias en computadoras en el
cual se mostró una tendencia similar al estudio anterior.
En el año académico 2008-2009 hubo 72 estudiantes nuevos
matriculados, en comparación de los 142 estudiantes nuevos
matriculados en el año académico 2000-2001 (Ali et al.,
2010).
Importancia de la Investigación
En años recientes las disciplinas relacionadas a
Sistemas de Información han experimentado una baja de
matrícula en las universidades a distintos niveles, y
Puerto Rico no es una excepción. La necesidad de
científicos y técnicos altamente capacitados sigue teniendo
demanda, especialmente en puestos de investigación, diseño
10
e ingeniería que requieren empleados que tengan grados
académicos y habilidades en matemáticas y ciencias o
tecnología (Jacobs, & Simpkins, 2005).
El problema abordado tiene mucha vigencia en el
presente y una gran trascendencia para el futuro.
Comprender qué factores contribuyen a la persistencia y a
la retención de los estudiantes en disciplinas relacionadas
a Sistemas de Información ayudará a los estudiantes y a las
instituciones a navegar y superar los obstáculos hacia la
obtención de grados de universitarios en la especialidad.
A medida que más estudiantes completen sus grados, muchos
van a poseer las habilidades para convertirse en parte del
capital humano nacional necesario para satisfacer la
demanda de la fuerza laboral en el área de Sistemas de
Información. Se necesitan más investigaciones para
identificar los factores que contribuyen al ingreso,
persistencia y la retención de los estudiantes en programas
académicos de Sistemas de Información. Sus habilidades son
vitales para el desarrollo y competitividad de los
negocios, así como para la investigación (Hogan & Li,
2010). “La educación y la formación en las disciplinas de
Sistemas de Información proporcionan beneficios a todos los
estudiantes, que a su vez ayudan a asegurar un ambiente de
11
trabajo innovador y productivo para las próximas décadas"
(Lacey & Wright, 2012).
Objetivo de la Investigación
El objetivo de esta investigación se divide en dos
áreas, primero, en encontrar las motivaciones que
contribuyeron a seleccionar una carrera en el área de
Sistemas de información y segundo identificar las
dificultades que tienen los estudiantes universitarios
matriculados en programas de Sistemas de Información para
no continuar sus estudios.
Objetivos específicos:
1. Identificar las creencias personales que contribuyen a
la decisión de seleccionar una especialidad en el área
de Sistemas de Información.
2. Identificar las creencias que contribuyen a la
decisión de seleccionar una especialidad en el área de
Sistemas de Información.
3. Identificar las creencias relacionadas al trabajo que
contribuyen a la decisión de seleccionar una
especialidad en el área de Sistemas de Información.
4. Identificar las creencias relacionadas a la imagen del
profesional en Sistemas de Información.
12
5. Identificar las referentes sociales que contribuyen a
la decisión de seleccionar una especialidad en el área
de Sistemas de Información.
6. Identificar las actitudes del profesional en el área
de Sistemas de información.
7. Identificar la intención de procurar obtener una
carrera en el área de Sistemas de información.
8. Determinar si la situación económica del País
contribuye a la decisión de no continuar los estudios.
Marco Conceptual de la Investigación
Esta investigación utilizó como marco conceptual de
investigación la Teoría de la Acción Razonada (Theory of
Reasoned Action) la cual está bien desarrollada y
ampliamente aplicada como modelo teórico (Joshi & Kuhn,
2011). Propuesta originalmente por Ajzen y Fishbein
(1975,1980) esta teoría provee un modelo de comportamiento
enfocado en actitudes y creencias sociales. La Figura 1
describe los constructos generales de la Teoría de la
Acción Razonada con sus relaciones, más detalles de esta
teoría serán presentados en el Capítulo II.
13
Figura 1. Esquema de la Teoría de Acción Razonada. Fuente:
Belief, attitude, intention, and behavior: An introduction
to theory and research (1975).
Modelo de Investigación
En la Figura 1 se muestra un esquema del modelo de
investigación propuesto. El modelo presenta la relación
que tiene cada una de las hipótesis con las variables, el
mismo está basado en el Modelo de acción razonada descrito
en la sección anterior. La investigación será no
experimental cuantitativa, se utilizará un diseño
transversal correlacional para el análisis de las variables
y la comprobación de las hipótesis.
14
Figura 2. Modelo de Investigación. Fuente: Adaptado de la
Teoría de Acción Razonada (1975).
Preguntas e Hipótesis de Investigación
Esta investigación pretende contestar las siguientes
preguntas:
1. ¿Cuáles son las creencias personales que más
influyen a escoger y continuar estudios
universitarios en Sistemas de Información?
15
2. ¿Cuáles son las creencias relacionadas a esfuerzo
que más influyen a escoger y continuar estudios
universitarios en Sistemas de Información?
3. ¿Cuáles son las creencias relacionadas al trabajo
que más influyen a escoger y continuar estudios
universitarios en Sistemas de Información?
4. ¿Cuáles son las creencias relacionadas a la imagen
hacia el profesional de Sistemas de Información y si
esto influye en la selección de estudiar en el área
de Sistemas de Información?
5. ¿Cómo los referentes sociales influyen en la
intención de continuar estudios en Sistemas de
Información?
6. ¿Cuáles son las actitudes para iniciar estudios
universitarios en el área de Sistemas de Información
en la población Puertorriqueña?
7. ¿Cuáles son las intenciones para iniciar estudios
universitarios en área de Sistemas de Información en
la población Puertorriqueña?
8. ¿La situación económica del país influye en la
decisión de abandonar la especialidad en Sistemas de
Información?
16
9. ¿Cuáles son los factores por los que los estudiantes
toman la decisión de abandonar la especialidad en
Sistemas de Información?
En términos del modelo conceptual planteado, esta
investigación está encaminada a contestar las preguntas de
investigación alineadas con las hipótesis correspondientes.
Las preguntas e hipótesis en cuestión son:
1. ¿Podrán las creencias influir en la actitud hacia
procurar una carrera en Sistemas de Información?
H01: La creencia personal influye positivamente en la
actitud de procurar una carrera en Sistemas de
Información.
H02: La creencia relacionada al esfuerzo influye
positivamente en la actitud de procurar una
carrera en Sistemas de Información.
H03: La creencia relacionada al trabajo influye
positivamente en la actitud de procurar una
carrera en Sistemas de Información.
H04: La creencia relacionada a la imagen influye
positivamente en la actitud de procurar una
carrera en Sistemas de Información.
2. ¿Podrá las referencias sociales influir en la
intención para procurar una carrera en Sistemas de
Información?
17
H05: Los referentes sociales influyen positivamente
en la actitud de procurar una carrera en Sistemas
de Información.
3. ¿Podrá la actitud influir para procurar una carrera en
Sistemas de Información?
H06: La Actitud influye positivamente en procurar una
carrera en Sistemas de Información.
4. ¿La situación económica del País moderará la intención
de seguir una carrera en Sistemas de Información?
H07: La situación económica del País modera la
intención de seguir una carrera en Sistemas de
Información.
Justificación de la Investigación
Debido a la importancia de las universidades de tener
estudiantes matriculados en una concentración de estudios
que aún está en crecimiento, de no llegarse a una
explicación que pueda resolver esta situación las
consecuencias serían la no justificación para contratar
profesores para impartir los cursos en Sistemas de
Información (Zhang, 2007) y las compañías no podrán
contratar talentos nuevos (Akbulut, Looney, & Motwani,
2008). A largo plazo no hubiera nuevas investigaciones en
el área por lo que el conocimiento se reduciría (Hogan &
Li, 2010).
18
La meta es encontrar soluciones viables con las que
las instituciones puedan crear un plan de acción para
reducir la fuga en el “pipeline” y estar a la vanguardia
con profesionales necesarios en esta área.
Limitaciones del Estudio
Las áreas relacionadas a Sistemas de Información
comprenden una diversidad de programas académicos en las
diferentes instituciones de educación superior en Puerto
Rico. Examinar todos los programas académicos podría
llegar a ser muy complejo. La presente investigación se
centra en la búsqueda de un mayor impacto en el área de
negocios; por lo tanto, este estudio se limitará a
programas académicos de Administración de Empresas que
tengan relación con los Sistemas de Información. Los
programas académicos se han clasificado en un manual con
códigos para agruparlos según las áreas de concentración.
Para propósitos de esta investigación, se estará haciendo
referencia a los programas de Sistemas de Información y
Tecnología o áreas relacionadas a todos aquellos programas
que han sido clasificados con el código CIP (Classification
of Instructional Programs) 11 y CIP 52.1201 (National
Center for Education Statistics, 2010). Bajo este código
se agrupan diferentes programas académicos relacionados a
las ciencias de la Información y computadoras. Para
19
propósitos de esta investigación cualquier disciplina
relacionada con negocios y tecnología de información dentro
del conjunto de códigos CIP 11 y 52.1201 será tratada con
el término Sistemas de Información.
La segunda limitación es el método por cuestionarios.
Los resultados van a depender si el participante completa
el documento de manera honesta.
Variables
La investigación propone como variables independientes
las siguientes: Creencias personales, Creencias
relacionadas al esfuerzo, Creencias relacionadas al
trabajo, Creencias relacionadas a la imagen y los
Referentes sociales. Estas representan las actitudes en
que un individuo evalúa el deseo de realizar algo. Las
variables dependientes son: la actitud y la intención. La
intención es lo que motiva a tomar una decisión de acuerdo
a las evaluaciones realizadas por los referentes de las
variables independientes (Zhang, 2007).
"Investigaciones previas han identificado un conjunto
bastante rico y estable de creencias instrumentales y
experimentales respecto a los resultados de la elección de
una carrera. ... Parece que hay tres grandes grupos de
creencias instrumentales: Creencias relacionadas al
20
trabajo, creencias relacionadas a la imagen y creencias
relacionadas al esfuerzo" (Zhang, 2007).
En el trabajo de Zhang (2007), él indica cuáles son
las fuentes de las variables que utiliza para su modelo de
investigación. A continuación se señala cuáles son, sus
respectivos autores y su definición operacional.
Creencia personal (Incluye el interés genuino Adams et
al., 1994; Cohen and Hanno, 1993; Malgwi et al., 2005),
recompensa psicológica en la realización de un
comportamiento. A mayor interés, disfrutará y terminará
una carrera (Zhang, 2007).
Creencia relacionada al esfuerzo (Cohen and Hanno,
1993), Esto incluye la actitud académica (Lowe & Simons,
1993), Si el estudiante no está claro en el tiempo y piensa
que es difícil en continuar esa meta, tendrá una negativa
percepción (Zhang, 2007). La carga académica, dificultad
en el currículo (Adams et al., 1994), y la percepción del
tiempo son los factores que hacen difícil terminar el grado
(Zhang, 2007).
Creencia relacionada al trabajo (Adams et al., 1994;
Cohen and Hanno, 1993), “Tanto el conocimiento común
(Murphy, 2005) (Fiorito & Robert, 1982) han reconocido las
influencias del mercado de trabajo sobre las opciones de
los estudiantes” (Zhang, 2007). Esto incluye los
21
indicadores de disponibilidad de empleo, estabilidad
laboral (Felton et al., 1995), y compensación laboral (Lee
& Lee, 2006), “Pobre salario desalienta estudiantes en
escoger una carrera” (Zhang, 2007).
Creencia relacionada a la imagen este incluye, imagen
social (Coleman et al., 2004), escándalos sobre la
profesión de contabilidad y el deseo de estudiar
contabilidad (Zhang, 2007). Imagen personal (cohen &
Hanno, 1993) (Noel et al., 2003), estereotipos de los
profesionales de Tecnología de Información y la imagen de
los “geeks” o “nerds” (Zhang, 2007).
Referentes Sociales (Adams et al., 1994; Cohen and
Hanno, 1993; Malgwi et al., 2005) “Debido a que los
estudiantes son jóvenes y no tienen experiencia ellos
buscan opiniones de personas cercanas en sus vidas” (Zhang,
2007).
Definiciones
Hernández, Fernández y Baptista (2006) exponen la
importancia de definir las variables. Primero para que
tanto el investigador como cualquier otro lector de la
investigación le den el mismo significado a los términos o
variables incluidos en la hipótesis. Segundo, asegurarse
que las variables puedan obtener datos de la realidad.
Tercero, confrontar la investigación con otras similares y
22
por último, evaluar más adecuadamente los resultados de la
investigación.
Actitud. Krech y Crutchfield (1948) lo define como
"Una tendencia psicológica que se expresa evaluando una
entidad particular con algún grado de favor o desagrado".
Referentes Sociales. Una percepción de la presión
social para realizar o no una conducta determinada.
Intención. Determinación de la voluntad en orden a un
fin (Real Academia Española 2010).
Comportamiento. Conjunto estable de acciones y
reacciones de un organismo frente a un estímulo proveniente
del ambiente externo (estímulo) o del interior del
organismo mismo (motivación) (Galimberti, 1999).
Conducta. Conjunto de las acciones con que un ser vivo
responde a una situación (Real Academia Española 2010).
Línea de desarrollo “pipeline”. Representación desde
la preparación académica hasta el trabajo de una persona.
Sistemas de Información. Un conjunto integrado de
componentes para la recogida, almacenamiento y
procesamiento de datos y para la entrega de la información,
el conocimiento y los productos digitales.
Tecnología de la Información (IT). La tecnología que
implica el desarrollo, mantenimiento y utilización de los
23
Sistemas informáticos, software y redes para el
procesamiento y distribución de datos.
Retención. Estudiantes de primer año que regresan a la
misma institución para continuar su segundo año de
estudios.
24
CAPÍTULO II
REVISIÓN DE LITERATURA
Introducción
En este capítulo se presenta la literatura más
relevante bajo la cual se apoya esta investigación. Se han
realizado diferentes estudios en Estados Unidos y otras de
los cuales se exponen los antecedentes del problema.
También se incluye material literario relacionado al marco
teórico a ser utilizado.
El desarrollo de profesionales en el campo de Sistemas
de Información se ha estudiado a través de la teoría de
“pipeline” (Jacobs & Simpkins, 2005; Kuechler et al.,
2009). Esta teoría se utiliza usualmente para describir el
fenómeno de la baja participación de potenciales
profesionales de la tecnología de la información a través
de las diferentes etapas de su desarrollo, incluyendo la
escuela (Superior) hasta los estudios graduados y el
desarrollo en la etapa laboral.
25
Figura 3. Representación de la línea de desarrollo del
profesional de Tecnología de Información.
Fuente: Adaptado de (National Center for Education
Statistics, 2008).
Varios estudios demuestran que la falta de información
y orientación en las escuelas secundarias hace que los
estudiantes no consideren una carrera en la cual tengan el
potencial de ser exitosos (Eccles 2005; Kuchler et al.,
2009; Walstrom, Schambach, Jones & Crampton, 2008). Esto
se debe a que la mayoría de los estudiantes en escuela
secundaria y vocacional desconocen o están mal informados
acerca de las oportunidades de estudios en Sistemas de
Información y otras disciplinas relacionados con las
computadoras (Granger et al., 2007; Walstrom et al., 2008;
Zhang, 2007; Kuchler et al., 2009; Joshi et al., 2011). La
percepción de los estudiantes hacia la profesión de
Sistemas de Información, tanto a corto y largo plazo no
26
está alineado con la realidad (Pollacia, 2007).
Literaturas sobre raíces históricos en la educación
superior de negocios en los Estados Unidos sugiere que
existe una falta de comprensión del rol que juega el campo
de Sistema de Información en la educación superior, los
negocios y la investigación (Firth et al., 2011).
Los estudiantes desean desarrollarse profesionalmente,
desde que están en la escuela primaria. Se preparan
académicamente hasta llegar a la escuela secundaria o
preparatoria donde entonces toman una decisión para dirigir
sus estudios universitarios. Escoger una carrera
universitaria representa una decisión importante en la vida
(Beggs, Bantham & Taylor, 2008). Estos desean encontrar
una especialidad y posteriormente una carrera que coincida
con sus talentos e interés (Downey, 2011).
Las fugas en la línea de desarrollo afectan no
solamente a los estudiantes de las universidades, también
tiene consecuencias negativas en el reclutamiento de la
facultad lo que impide contar con el profesional idóneo
para impartir los cursos de esta concentración (Zhang,
2007).
La congelación de plazas, reducción de presupuesto,
eliminación de puestos administrativos y programas en
moratoria es el resultado de la declinación de matrícula en
27
Sistemas de Información (Marshall et al., 2014). Antes de
la crisis del Y2K y la burbuja tecnológica muchos programas
de Sistemas de Información tenían autonomía con su propio
departamento y reclutaban muchos profesores en el área
(Firth et al., 2011). Freeman et al. (2000) indica que el
número de doctorados en Sistemas de Información ha bajado
en un 43% en el 1998. Los datos documentados demuestran
carencia de falta de oferta para satisfacer la demanda
actual y futura (Freeman et al., 2000). A manera de
ejemplo la universidad del estado de la Florida integró el
currículo en Sistemas de información en el Programa de
Gerencia, y la Universidad de la Florida Central eliminó
todos los programas de Sistemas de Información en el año
2009, incluyendo el Bachillerato hasta el grado de
Doctorado; este último con una facultad altamente
cualificada (Koch & Kayworth, 2009).
La baja en matrícula también es una preocupación para
los ejecutivos de negocios, estos necesitan de
profesionales talentosos para que sus organizaciones
funcionen. Creando una carencia de trabajadores de
Sistemas de Información cualificados e innovadores,
aumentará el costo del reclutamiento (Chabrow, 2004).
La deserción escolar es un fenómeno social que se está
considerando porque reduce drásticamente la matrícula en
28
las universidades y centros de aprendizaje. Literalmente
esta situación se extiende al ámbito laboral porque muchos
profesionales cambian de carrera creando la situación
conocida en la literatura de Recursos Humanos como rotación
del personal (en inglés: turnover). La rotación del
personal en el campo de Sistemas de Información es una
situación crítica para las organizaciones (Jiang & Klein,
2002; Snir, 2011). El estudio de Jiang y Klein (2002)
presenta estimaciones de rotación para los gerentes de
Sistemas de Información que oscilan entre el 15% y el 40%
anual.
Por otro lado la baja en la matrícula de programas de
Sistemas de Información en los últimos años (2001 – 2006)
ha generado una gran preocupación en organizaciones, grupos
de trabajo relacionados al campo laboral y por supuesto
dentro de la comunidad académica. A pesar, de las
especulaciones sobre los detonantes que han generado esta
caída y de las posibles formas de cómo puede revertirse, ha
habido poca investigación sistemática en este tema (Zhang,
2007) y aún hay muchas preguntas abiertas que ameritan más
estudios.
De acuerdo con Jacobs, & Simpkins (2005) la baja en
los programas académicos de ciencias y tecnología es bien
alta, especialmente en mujeres y poblaciones que componen
29
las minorías. Por ejemplo, (Croasdell et al., 2011)
reportan que para el 2011 dos de cada 10 empleados, en la
fuerza laboral de la Tecnología de Información, son mujeres
lo que es muy poco probable que cambie a corto plazo y de
acuerdo a lo que sucede en las matrículas académicas.
Debido a que tradicionalmente ha sido un sector dominado
por hombres, los valores masculinos tienden a predominar en
la profesión (Reid et al., 2010). Existen dificultades en
el desarrollo profesional en Sistema de Información para
las mujeres en Puerto Rico por lo que sigue siendo un gran
reto para ellas, según plantea López (2013).
En la última década la matricula en Sistema de
Información y programas relacionados han caído a nivel
mundial. A pesar de las predicciones positivas del mercado
laboral han continuado manteniéndose bajo (Akbulut-Bailey,
2012). Luego de la burbuja del ”dot-com”, una década
después la matrícula aún continúa de 25% a 50% menos en
comparación de antes de la burbuja del dot-com (Marshall et
al., 2014; Pollacia & Lomerson, 2006). Esta baja a nivel
mundial ha sido entre 70% a 80%. Sin embargo, el sector
industrial ha estado buscando graduados con formación en
negocios y tecnología, donde de acuerdo a expertos y
tratadistas se espera una mayor escasez en los próximos
años. En los recientes años la recesión en la matrícula de
30
Sistemas de Información también ha reducido la necesidad en
tener que contratar a profesores evidenciando así la
dificultad que enfrentan los nuevos doctorando graduados en
el mercado laboral (Zhang, 2007).
Aunque existe una amplia investigación en los factores
que influyen a los estudiantes universitarios al momento de
seleccionar una carrera, particularmente su interés en la
carrera de ingeniería, ciencias de computación y
matemáticas, hay relativamente poca investigación dirigida
hacia la comprensión de la atracción de selección de la
carrera de Sistemas de Información (Joshi & Kuhn, 2011).
Cada vez son menos los estudiantes prospectos que deciden
seleccionar la concentración de estudios en Sistemas de
Información. Una comprensión del factor que influye en la
elección de los estudiantes en una especialidad es crucial
para aumentar el interés en la carrera de Sistemas de
Información (Downey, 2011).
Posibles Influencias
En estudios anteriores se han creado y desarrollados
posibles influencias que contribuyen a la selección de una
carrera académica usando como por ejemplo la Teoría de
Acción Razonada. Una vez identificados estas influencias
pueden ayudar a atraer posibles candidatos a seleccionar
una carrera en específica (Kuechler et al., 2009). Los
31
siguientes factores serán parte de las hipótesis en el
marco de trabajo de la investigación.
El primer factor a considerar es el de la creencia
personal o interés, es el término que se refiere a un
interés natural por algo (Zhang, 2007). A manera de
ejemplo, un estudiante que le gusten los animales puede
seleccionar como carrera de veterinario, de igual forma los
estudiantes que seleccionan una carrera en Sistemas de
Información se expresan que son buenos en computadoras. La
creencia personal es definida como la expectativa de
recompensa psicología que resulta por realizar un
comportamiento, ayuda a explicar por qué teniendo un
interés genuino en un campo es un factor bien importante a
la hora de seleccionar una carrera (Zangh, 2007). Esto
puede explicar por qué algunos estudiantes seleccionan una
carrera que no tiene algún potencial o beneficio,
explicando por qué algún estudiante no tuvo el interés en
escoger la carrera de Sistemas de Información (Kuechler et
al., 2009).
El segundo factor a considerar es el de la imagen que
tiene el estudiante hacia el profesional de Sistemas de
Información, podría ser que el estudiante visualiza al
profesional como "geek" (Friki) o "nerd", con esta
característica es percibido como alguien con pocas
32
destrezas sociales o asocial y solo le gusta trabajar con
computadoras. Muchos de estos estudios sugieren que la
imagen "geeky" del profesional de Sistemas de Información
puede afectar negativamente la actitud del estudiante al
escoger una especialidad en Sistemas de Información (Zhang,
2007).
El tercer factor que puede ser determinante a la hora
de escoger una carrera es el del currículo, los estudiantes
pueden pesar la cantidad de créditos, cantidad de cursos de
matemáticas, disponibilidad de los cursos que son
requeridos para completar los requisitos, cursos
adicionales que puedan tomar luego de haber terminado el
grado. A manera de ejemplo algunos estudiantes pueden
evitar el curso de enfermería por el tiempo que se requiere
en las largas prácticas fuera de la universidad (Kuechler
et al., 2009). El costo de la matrícula puede influenciar,
aunque por lo general puede ser financieramente igual al
compararlo con otra especialidad (Zhang, 2001). Otras
áreas que afectan la decisión de seleccionar una carrera
son la reputación de la facultad y también los niveles de
dificultad de los cursos que pueden afectar de no aprobarse
las ayudas económicas de los estudiantes. Si el estudiante
baja el promedio por la dificultad de los cursos del
33
programa, recibirá poca o le eliminarían la ayuda económica
(Kuechler et al., 2009).
El cuarto factor a considerar es la anticipación de
una buena carrera profesional. Cuando los estudiantes
terminan sus estudios en la universidad quieren tener un
buen trabajo; con una buena remuneración, seguridad
laboral, oportunidad de crecimiento y disponibilidad en el
mercado laboral. Estos factores pueden influir en la
selección de una buena carrera (Kuechler et al., 2009).
Los estudiantes pueden no tener confianza en cursar una
carrera en Sistemas de Información debido al “outsourcing”
en los países del Pacifico (Aiken et al., 2008; Tabatabaei,
Manouchehr & Tehrani, 2010) y los despidos masivos por la
aparición de la burbuja del “dot-com” (Zhang, 2007). Por
lo tanto, este componente puede ser considerado como un
factor motivacional en la toma de decisión de una carrera
(Joshi et al, 2011).
Como último factor a considerar es el de los
referentes sociales. Los estudiantes suelen ser
influenciados por familiares, amistades y maestros que
dando su opinión afectan la decisión de escoger la
concentración, (Kuechler et al., 2009; Granger et al.,
2007) incluso por los roles de modelos (Zhang, 2007). Las
áreas o profesiones orientadas a las computadoras,
34
ingeniería y matemáticas suelen ser visualizadas para los
hombres (Zhang, 2007). Las áreas de trabajo dominadas por
hombres y los valores sociales pueden influir a persuadir a
las mujeres a seleccionar una carrera en el área de
Sistemas de Información (Eccles 2005). Los estudiantes
pueden elegir alguna determinada especialidad porque
algunas personas significativas en sus vidas lo consideran
conveniente. Algunos autores y tratadistas explican que
algunos estudiantes seleccionaban una carrera porque
simplemente sus padres y abuelos se habían especializada en
la misma (Kuechler et al., 2009). Conceptos erróneos
acerca de la Informática y la Ciencia de la información son
abundantes y también parecen influir en la decisión de una
mujer para optar por esas carreras (Croasdell et al.,
2011).
Los referentes sociales pueden influir debidamente en
los estudiantes de nivel sub-graduado porque tienen poca
experiencia en la vida y pueden buscar recomendaciones a
través de otras personas (Zhang, 2007). Por lo tanto, las
creencias de normas derivadas de uno o más referentes de
otros, por ejemplo, familiar, amigo o maestro y pueden
significar un impacto en la actitud e intención para la
selección de una profesión (Joshi & Kuhn, 2011).
35
Teoría de Acción Razonada
Teoría de Acción Razonada, es el modelo que se
seleccionó en esta investigación, esta teoría fue creada y
desarrollada por Ajzen y Fishbein (1980) este es preferido
sobre otros porque provee una mayor comprensión, buenas
predicciones y factores en la atracción de la carrera de
Sistemas de Información (Joshi & Kuhn, 2011). La Teoría de
Acción Razonada (Ajzen, 1991; Ajzen & Fishbein, 1980)
sostiene que el comportamiento humano está directamente
motivado por la intención de realizar un comportamiento:
“Mientras más fuerte la intención, más probable es que se
lleva a cabo el comportamiento” (Zhang, 2007). Esta Teoría
es parte de las teorías de las expectativas de valores; la
cual ofrece un marco de evaluación con respecto a las
elecciones individuales de los procesos de adopción a las
toma de acciones específicas (Gilbert-Cronen, 2000).
Los investigadores han estudiado la relación entre la
actitud y el comportamiento. La actitud se ha estudiado
genéricamente para referirse a como una persona se siente
sobre algo y sus creencias cognitivas sobre un objeto y la
tendencia del comportamiento “conations” con respecto al
objeto. En contraste al genérico y confuso alcance de la
actitud, Fishbein & Ajzen (1975) y Ajzen & Fishbein (1980)
desarrollaron una teoría sobre cómo las actitudes
36
determinan la conducta volitiva. La actitud se define;
simplemente como una evaluación sobre un objeto. Puede ser
algo físico, social, cognitivo o alguna acción. Mykytyn &
Harrison plantean que los desarrolladores de esta teoría
postulan que cuando se está tratando de predecir un
comportamiento, se enfatiza en que las actitudes tienen que
tener una compatibilidad entre la actitud y el
comportamiento (1993).
Este modelo se ha utilizado ampliamente en varios
estudios incluyendo tesis y revistas académicas de
diferentes temas de la conducta humana y otras áreas, como
por ejemplo; El consumo de software pirateado (Aleassa,
2009), Evaluación de gestión y competencia operacionales en
empresas (Yen-Tsang, Csillag, & Siegler, 2012), El
comportamiento sexual en las jóvenes (Gilbert-Cronen,
2000), El interés de una audiencia de la televisión (KIM,
2003), La preocupación de los consumidores (Bang, Ellinger,
Hadjimarcou, & Traichal, 2000) entre otros.
Peslak et al. (2010) define los factores del modelo de
la Teoría de Acción Razonada como:
Actitud: es cómo se siente acerca de la conducta y se
mide generalmente como una mentalidad favorable o
desfavorable.
37
Norma Subjetiva (Subjective Norm): es la forma en que la
conducta es vista por los círculos sociales o de aquéllos
que influyen en las decisiones.
Intención: es la propensión o el interés de participar
en el comportamiento.
Comportamiento (Behavior): es la manera de comportarse
o actuar.
El modelo presenta unas ecuaciones, la primera
representa la relación entre la intención y la actitud
hacia el comportamiento con la norma subjetiva:
Bl = w1 (AB) + w2 (SN)
w1 representa el ponderado relativo de importancia
actitudinal (personal), el w2 representa los componentes de
la normativa (social). (AB) representa el componente
personal, cómo el sujeto evalúa sea positiva o
negativamente la realización del comportamiento. (SN)
representa el componente social, cómo el sujeto que realiza
la conducta con respecto a relación de las expectativas o
normas de la sociedad que lo rodea.
La segunda ecuación representa el componente personal
(AB) cómo Las actitudes hacia el comportamiento se
considera que son las creencias sobresalientes del sujeto
en relación con las posibles consecuencias de la acción.
Por lo tanto, AB es la suma de las creencias del
38
comportamiento (b1) sobre los resultados de la acción, cada
uno ponderado por la evaluación (e1) de sus resultados.
AB=∑
n
i=1
𝒃𝟏𝒆𝟏
La tercera ecuación demuestra la Norma Subjetiva (SN)
como función de las creencias. Las creencias normativas del
sujeto sobre si determinadamente las referencias de creencias
de grupos o individuos deben o no deben de realizar la
conducta.
𝑺𝑵 =∑𝒏𝒃𝒋𝒎𝒄𝒋
𝒏
𝒋=𝟏
La suma de las creencias normativas más destacadas de la
persona (nbj) con respecto a cada referente, quedan ponderados
por su motivación para cumplir (mcj) con ese referente.
Estudios Relacionados
En los Estados Unidos de América se realizaron varios
estudios con estudiantes de distintas universidades, cada
estudio fue realizado con diferentes marcos teóricos aunque
en la mayoría se utilizó la Teoría de la acción razonada
(TRA, en su sigla en inglés). Esta teoría es la perfecta
para estos tipos de estudios porque ofrece buenas
predicciones y factores en la atracción de la carrera de
Sistemas de Información (Joshi & Kuhn, 2011). Los
siguientes tres estudios publicados en revistas académicas
39
utilizaron el marco teórico TRA. Todos estos estudios
fueron realizados mediante encuestas a los estudiantes de
negocios en sus respectivas universidades; Zhang (2007),
Kuchler et al. (2009) y Joshi & Kuhn (2011).
Los resultados encontrados en los tres estudios
demuestran que la intención de escoger una especialidad
suele ser por auto-eficacia, congruencia de valor al
trabajo, creencia normativa (Joshi & Kuhn, 2011) y el
disfrute de estudiar la especialidad (Zhang, 2007). Al
igual que en la investigación de Kutchler et al. (2009) los
estudiantes decidieron escoger una carrera por interés
natural y de manera consciente. El estudio realizado por
Zhang (2007) explica que las mujeres sufren de una fuerte
presión social porque el campo de Sistemas de Información
no es viable para ellas.
Los tres estudios anteriores comparten un denominador
común y es que demuestran que los estudiantes pueden estar
desinformados. Por ejemplo; piensan, que no existe
disponibilidad de empleo. Igualmente creen que su
currículo posee niveles altos de dificultad y finalmente
que la carrera no es creativa. En el estudio de Joshi &
Kuhn (2011) explica además que el profesional en Sistemas
de Información tiene una imagen negativa con respecto a lo
que se conoce como “geeky” o asocial.
40
Tabla 1
Comparación de hallazgos encontrados en los estudios
realizados con la Teoría de Acción Razonada
Autor Auto-
eficacia
Disfrute
de los
estudios
Genuino
Interés
Creencia
al
trabajo
Poca
información
de la
carrera
Zhang
(2007)
X X X X
Kuechler
et al.
(2009)
X X X
Joshie et
al.
(2011)
X X X
El siguiente estudio realizado por Akbulut-Bailey
(2012) particularmente busca como el mecanismo de Soporte
Social “Social Support” puede influir en los estudiantes al
tener la intención de escoger el grado académico en
Sistemas de Información. Utilizando la Teoría Social
Cognitiva de Carrera (SCCT, por su siglas en inglés) que
busca el interés de un individuo en las metas y la
intención de escoger una carrera académica profesional y
perseverar en la misma. El modelo fue adaptado por Akbulut
et al. (2008) en el que describe los (4) factores básicos
que afectan la decisión de escoger la carrera de Sistemas
41
de Información como profesión. Los factores a los cuales
AKbulut hace referencia en su estudio son: auto-eficacia,
expectativas de resultados, interés y metas de elección.
Se encuestaron a 318 estudiantes universitarios de los
cursos de Introducción a la gerencia.
Este estudio revela que el apoyo y aprobación social
son elementos esenciales para aumentar el factor de la
auto-eficacia y las expectativas en los resultados de los
estudiantes, para optar por su grado. De esta manera
llegan a dominar la materia y ser exitosos en el área de
Sistemas de Información.
El segundo estudio fue trabajado en una universidad
utilizando como guía del marco de la teoría Social
Cognitiva de Carrera (SCCT) utilizado como guía y fue
realizado por Akbulut et al. (2008). Para este segundo
estudio se seleccionaron los estudiantes del curso
introductorio de Sistemas de Información. Este estudio
concluye que la asistencia instrumental (indirectamente)
influye en la decisión del estudiante al escoger una
concentración de estudios. Esto se logra al aumentar la
auto-eficacia en el manejo de la computadora, enriqueciendo
la experiencia de aprendizaje y a su vez la confianza en
las habilidades. La asistencia instrumental desempeña un
rol virtualmente importante en los resultados y
42
expectativas del factor de aumento de la auto-eficacia y la
confianza en las habilidades personales.
Ferratt, Hall, Prasad & Wynn (2010) realizaron un
estudio en su universidad a todos los estudiantes de
Administración de Empresas, con la finalidad de entender
cuáles son los intereses que éstos tienen al seleccionar
una materia de estudio. Los autores lo hicieron posible al
adoptar una extensión del marco conceptual de la Teoría del
Comportamiento Planeado (TBP, en su sigla en inglés). Este
estudio aporta a la literatura información esencial sobre
el interés del estudiante en su área o disciplina de
estudio.
El resultado de este estudio provee data sobre los (3)
tres tipos de estudiantes que podrían tener el potencial y
el interés de escoger Sistemas de Información como su
carrera profesional. Componen esta trilogía estudiantes
que aunque estén alineados a Sistemas de Información,
fuerzas externas como familiares y amigos les influyen para
disuadirlos que no opten por la misma. La segunda
clasificación son estudiantes que tienen pocos
conocimientos o una percepción incorrecta del alcance y
significado de Sistemas de Información. Por último el
tercer tipo de estudiante es aquel que tiene las
características válidas pero su preferencia no se alinea a
43
esta materia de estudio. Como alternativa a estos
resultados se les debe proveer a los estudiantes
orientación y desarrollo profesional para que tengan todas
las herramientas necesarias; como cursos de prueba para que
puedan reafirmarse o alinearse dentro de la especialidad de
Sistemas de Información.
Downey (2011) realizó un estudio con los estudiantes
matriculados en tres cursos generales del Bachillerato en
Administración de Empresas, para un total de 452 encuestado
(n = 452). Se utilizaron las tres teorías de interés
vocacional para determinar los factores individuales en el
que se crea un interés particular de especialización. El
primer factor se define como el interés vocacional que es
estudiar y encontrar un trabajo en el área que estudió. La
segunda, teoría de interés vocacional es la Teoría Socio
Analítico la cual define que el interés de una persona es
el resultado de lo que uno es o cómo uno define su
identidad. Tercero, Teoría de logro/auto-percepción la
cual puede explicar el comportamiento de escoger una
carrera universitaria.
El autor señala que este estudio es de vanguardia en
la literatura actual porque es multidimensional, crea
constructos de interés y establece comparativa entre los
estudiantes de Sistema de Información y estudiantes de
44
otras especialidades. Se encontró que ambos grupos tienen
similitudes y diferencias las cuales pueden ser
aprovechadas para despertar el interés en jóvenes entre los
18 y 22 años de edad. El principal punto es que el
estudiante está familiarizado con la facultad de Sistemas
de Información. Por otra parte resalta también que otras
promociones suelen generar y conducir al interés como por
ejemplo la creatividad, el estilo de vida y el interés en
la organización.
El estudio realizado por Granger et al. (2007) aborda
las posibles causas en la disminución de la matrícula de
Sistemas de Información. Encontró que la disminución es
simplemente cíclica, por el declive en los años noventa
(90’) y un resurgir en el año 2000, debido de manera
parcial a la famosa crisis del “Y2K” y el desarrollo del
internet. Un punto importante que contiene este estudio es
la necesidad de eliminar los cinco mitos sobre la carrera
de Sistema de Información. Estos son detractores del
futuro en Tecnología de Información. “Los mitos se
circunscriben a enfatizar la ausencia de oportunidades de
empleo al graduarse. No hay trabajo en el campo de
Tecnología de Información. No hay trabajo de Tecnología de
Información al graduarse.” Subrayan además que los
trabajos están “offshore” y que los salarios están bajando
45
por competencia del “outsourcing”. Puntualizan que la
educación en Tecnología de Información no tiene valor. La
investigación concluye que este campo tecnológico de
Sistemas de Información debe de ser más visible. Referente
a los cursos medulares en Sistemas de Información
recomienda que estos deben enfocarse en asegurar y difundir
que la tecnología es una herramienta organizacional. El
impacto del departamento y del profesional en la
organización tiene que ser positivo. Estos cambios pueden
ser atractivos para muchos estudiantes que desean iniciar
sus estudios en esa área pero que por falta de orientación
no lo seleccionan.
Tabla 2
Los Cincos Mitos Sobre el Futuro de la Carrera en
Tecnología de Información
1 No hay trabajo en el campo de la Tecnología de
Información.
2 No hay trabajo en Tecnología de Información al
graduarse.
3 Los trabajos en Tecnología de Información están
mudándose ““ofshore””.
4 Los salarios en el área de TI están bajando por
competencia del ““outsourcing””.
5 La educación en Tecnología de Información no tiene
valor.
46
Un estudio interesante realizado por Walstrom et al.
(2008) encuesta a los estudiantes de negocios en una
universidad. Como objetivo pretenden encontrar las
influencias y razones que determinan por qué los graduados
de la escuela superior no se matriculaban en los programas
de Sistemas de Información. Walstron realizó este estudio
para un total de 303 estudiantes (n = 303) y donde sólo
cinco eran de la concentración de Sistemas de Información.
En la sección de preguntas abiertas las razones que daban
los participantes eran “No es lo que quiero estudiar”,
“Asignatura no es de interés”, “Imagen del profesional
pobre”, “Pocas oportunidades de carrera”, “Malos
profesores” y “Profesores aburridos”.
En conclusión el autor indica que los resultados de
este estudio sugieren que los estudiantes no están bien
informados sobre las oportunidades de empleos en esta área
de Tecnología de Información. Igualmente menciona que no
tienen conocimientos sobre la carrera. Otro hallazgo del
estudio está relacionado con la poca exposición del tema en
las escuelas superiores y vocacionales. Los estudiantes no
tienen la noción de qué es y tienen poca oportunidad de
establecer interés en el área de Sistemas de Información.
El mismo hallazgo se repite en el estudio por
Lomerson, & Pollacia (2006). Encuestaron a 246 estudiantes
47
de nivel introductorio en los cursos de computadoras de una
universidad. La conclusión de los resultados indicó que
los estudiantes no estaban bien informados con relación a
las carreras de Sistemas de Información ni al campo de las
computadoras. Este estudio indica, a diferencia de otros
estudios, que no existe una gran influencia de pares,
familiares y profesores al momento del estudiante decidirse
por un área específica de estudio. Contrario a esto se
observó, que fue a través de los mismos encuestados que se
realizó la búsqueda de información para la selección de la
carrera.
Granger et al. (2007) resumió los planteamientos de un
panel de discusión llevado a cabo en la Conferencia de las
Américas sobre Sistemas de Información (AMCIS) 2007. De
acuerdo a las conclusiones se informa que en los dos
últimos años se registró un descenso en la matrícula en las
universidades de un 70& y 80& a nivel mundial. John
Plotnicki, profesor de la Universidad Estatal de Colorado,
encuestó a un grupo de estudiantes sobre las razones que
tenían para no estudiar Sistemas de Información. Los
hallazgos principales fueron; “No hay trabajo en el área”,
“Padres no le gusta la idea de estudiar la especialidad” y
“la especialidad en Sistemas de Información es bien
“difícil”.
48
A continuación se presentan estudios realizados en
escuelas superiores de los Estados Unidos en las cuales se
exploran los intereses de los estudiantes en preparatorias.
Jacobs, & Simpkins (2005) apuntan que la fuga en el
“pipeline” comienza en la escuela superior observando
prácticamente esta constante en otras partes del mundo.
Hace la salvedad que esta situación puede variar
dependiendo de la particularidad y necesidad del país.
Un estudio realizado en la cuidad Eastern Cape, Sur
África, por Jacob & Sewry (2010) en el cual busca analizar
los factores que influencia a los estudiantes (n = 308) en
seleccionar un grado académico que a su vez replicaba otro
estudio realizado hace 5 años atrás en Western Cape por
Seymour et al. (2005) del cual buscaba la inclinación de
los estudiantes (n = 497) a la selección de una
especialidad, a los estudiante en grado 12. Esto con el
propósito de crear una comparación de ambos resultados.
El trabajo concluye que ambos estudios, los
estudiantes tienen la misma inclinación de estudiar
Sistemas de Información y Ciencias en Computadoras.
Aquellos estudiantes que provienen de lugares con
desventajas, o sin acceso al internet en las escuelas, como
también de la raza negra están más inclinados a seleccionar
Ciencias de Computadoras, mientras que las mujeres y los
49
estudiantes que tienen una mala percepción sobre el mercado
de trabajo en Tecnología de Información están menos
inclinados a seleccionar Ciencias en Computadoras o
Sistemas de Información como especialidad.
Zarrett et al. (2005) realizó un estudio donde se
estudia a una población que en su mayoría era jovencitas y
minorías en un periodo de tres años diferentes, cuando
estaban en octavo grado, luego en undécimo grado y luego
cuando salieron de escuela superior. El estudio pretendía
encontrar las aspiraciones en perseguir una carrera en
Sistemas de Información. Los resultados mostraron que los
jóvenes masculinos sea de raza blanca o negra son más
considerados en perseguir una carrera en Sistemas de
Información mientras que las mujeres no. Aunque se
encontró que las féminas de ambas razas le gustaba más la
parte de programación mientras que los varones blancos el
área de Tecnología de Información.
Emigración
Aunque la emigración de puertorriqueños ha estado
presente desde la década de los cuarenta, se puede observar
que este fenómeno se ha ido acelerando en los últimos años.
La población de puertorriqueños en Estados Unidos en el
2008 contaba con 4.3 millones (Collazo & Bauman, 2010). En
la actualidad prácticamente es alarmante debido a que se
50
está dando lo que se podría catalogar como fuga de
cerebros. Abandonan el País individuos con grados de
bachillerato, maestría y doctorado. Todos a un destino
común, Estados Unidos Continentales.
"El mercado de Puerto Rico es reducido y no podría
absorber a todos los egresados de las universidades." Más
aún en las áreas de ingeniería y computación donde muchos
de estos profesionales salen de Puerto Rico directamente a
trabajar con la NASA, (National Aeronautics and Space
Administration) agencia que emplea a 200 puertorriqueños,
la gran mayoría ingenieros. La taza de puertorriqueños que
emigran con formación profesional en Computadoras, Ciencias
e Ingeniería alcanza el 58.4%. Sistemas de Comunicación e
Información asciende a un 68.9% (Velázquez, 2013). En
resumen, uno de cada cuatro nacidos en PR, que tiene
bachillerato o mayor grado académico vive en Estados
Unidos. Por último, “Los resultados señalan que la fuga de
cerebros puertorriqueños se está dando hacia áreas de los
Estados Unidos donde existe un menor porcentaje de personas
preparadas con grados universitarios. Los puertorriqueños
parecen estar ocupando las vacantes que no pueden ser
ocupadas por los mercados locales” Enchautegui (2008).
51
Historias de Éxito
El artículo de Firth et al. (2011) resume las
perspectivas en los orígenes, retos y soluciones ofrecidas
a la crisis actual por un panel de discusión en la
Conferencia de las Américas de Sistemas de Información
(AMCS) del 2010 compuesto por profesores distinguidos en el
Ärea. Una de las recomendaciones hechas a la facultad fue
sobre el enfoque en la enseñanza. Sugiere el Pan que se le
dé más atención al contenido y a la calidad de la
instrucción. Otra de las recomendaciones fue que se
debiera fomentar la actitud de "puedo hacerlo" a los
estudiantes promoviendo así, un valor de recompensa hacia
la carrera de Sistemas de Información. Relacionado con lo
anterior enfatiza que es importante que los graduandos
tengan las habilidades para mercadearse bien con los
prospectos patronos. Estos deben aumentar calidad y
credibilidad en su desempeño a nivel sub-graduado; lo que
resulta efectivo y positivo para ellos y para su profesión.
Se planteó ofrecer un curso introductorio en el primer año
para motivar a los estudiantes de negocios a cambiar a esta
concentración. Un ejemplo de éxito es la Universidad de
Montana donde los cursos introductorios fueron de calidad y
la matrícula en la concentración aumentó gracias a la
efectividad de la facultad. El número de estudiantes en la
52
concentración subió a más de 120%. Ahora los egresados
disfrutan de un trabajo seguro, patronos prominentes y de
buena remuneración. Muchos de los graduados vuelven a su
alma mater a ofrecer charlas sobre oportunidades de trabajo
en el campo y a reclutar estudiantes para puestos en sus
trabajos.
Cinco universidades en los Estados Unidos tomaron
acción ante la situación de baja de matrícula en sus
programas de Sistemas de Información. Baylor University,
Oklahoma State University, Saint Louis University,
University of Georgia y Washington State University
tuvieron que reinventarse. Crearon estrategias en común
rediseñando el currículo y haciendo planes de acción que
incluían campañas y eventos para destruir mitos sobre la
carrera de Sistemas de Información. Crearon estrategias de
intervención en las escuelas superiores y para estudiantes
universitarios de primer año, donde se incluían campamentos
de laboratorios con demostraciones de cómo romper
contraseñas, radio frecuencia para identificación y
protocolos de redes. Diseñaron y ofrecieron charlas para
que los estudiantes conocieran las oportunidades de
empleos. Invitaban líderes y otros profesionales de
Sistemas de Información a las Universidades para que
dictaran conferencias y les dieron oportunidad a los
53
estudiantes para hacer preguntas e interactuar con ellos.
En estas actividades educativas se destacaba lo relevante
de educar a los estudiantes sobre la importancia del
profesional de Sistemas de Información como personas de
negocios, el rediseño del currículo para atemperarlo a la
actualidad y flexibilidad de más cursos electivos y cursos
de liderazgo en Sistemas de Información.
El mensaje más importante fue la perspectiva positiva
que hay en la Carrera sobre internados y empleos al momento
de graduarse de Sistemas de Información. Otras estrategias
utilizadas fueron la creación de grupos en Facebook,
camisetas con mensajes y la creación del día del espíritu
de Sistemas de Información. Para continuar implantando las
nuevas técnicas de mercadeo se realizaron giras y
actividades educativas a compañías importantes como
ConocoPhillips y Minute Maid (Koch, Slykey, Watson, Wells,
& Wilson, 2010)
54
CAPÍTULO III
METODOLOGÍA
El presente capítulo tiene por objeto explicar la
metodología que se utilizó en la investigación.
Inicialmente se exponen los objetivos, preguntas e
hipótesis de la investigación. En consecuencia se describe
el diseño de la investigación, la descripción y selección
de la muestra, el instrumento de recolección de datos y el
proceso que se llevará a cabo para validarlo.
Posteriormente se presenta el procedimiento de
consentimiento informado y las medidas que se tomaron para
asegurar la confidencialidad de las respuestas de los
participantes. Por último, se describen los procedimientos
para la recolección de los datos y los análisis
estadísticos a que se utilizaron.
Ante la situación de difícil reclutamiento de
profesionales preparados en Sistemas de Información y la
baja matrícula en las universidades de estudiantes en esta
área, se plantea un evidente problema de fugas en la línea
de desarrollo “pipeline” del profesional de Sistemas de
Información.
55
Diseño de la Investigación
Existen dos tipos de enfoques metodológicos básicos
que se emplean con frecuencia en la investigación
científica, estos son los enfoques cualitativos y
cuantitativos. El enfoque cualitativo utiliza la
recolección de datos sin medición numérica para descubrir o
afinar preguntas de investigación (Hernández, Fernández, &
Baptista, 2010). Por su parte, el enfoque cuantitativo usa
la recolección de datos para probar hipótesis con base en
la medición numérica y el análisis estadísticos. Esta
investigación utilizó el enfoque cuantitativo; ya que,
buscaba utilizar pruebas estadísticas con el fin de mostrar
evidencia para apoyar o no cada una de las hipótesis
planteadas por el investigador.
El diseño de investigación propuesto se usó como medio
para realizar las pruebas de hipótesis. Es de tipo no
experimental cuantitativa; ya que, busca analizar los datos
sobre las causas que afectan el desarrollo de profesionales
de Sistemas de Información en Puerto Rico desde una
perspectiva empírica, sin realizar una manipulación
deliberada de las variables. El diseño de la investigación
es transversal, lo que significa que la recopilación de
datos fue en un momento determinado (Hernández, Fernández &
Baptista, 2010).
56
Descripción de la Población
La población que fue considerada en la propuesta de
investigación estuvo compuesta por estudiantes matriculados
en programas sub-graduados de tres universidades en Puerto
Rico. Específicamente, la población consistió en
estudiantes matriculados en programas académicos
clasificados con el código CIP 52.1201 (National Center for
Education Statistics, 2010).
De acuerdo a las estadísticas del Consejo de Educación
de Puerto Rico (2013), el número de estudiantes
matriculados en programas con código CIP 11 y 52.1201 en la
Isla para el año 2012 está estimado en 3,197 estudiantes.
Esta estimación incluye estudiantes graduados y
subgraduados de instituciones de educación superior
públicas y privadas.
Determinación del Tamaño de la Muestra
Según (Hernández, Fernández & Baptista, 2010), la
muestra es un subconjunto de elementos que pertenecen al
conjunto definido en sus características llamado población.
Fue tomada del total de 398 miembros de la población
descrita en la sección anterior.
Bajo ese mismo orden ésta se seleccionó por el método
de muestreo aleatorio simple; ya que, se pretende tener una
muestra representativa de la población descrita
57
anteriormente, por lo tanto, se espera hacer
generalizaciones de ésta. Para calcular el tamaño de la
muestra por muestreo aleatorio simple, se utilizó una
aplicación llamada Raosoft (Raosoft, 2004), con un nivel de
confianza de 95%, y un margen de error de 5%. Se determinó
un tamaño de muestra de 196 estudiantes.
Tabla 3
Determinación de la Muestra
Población Margen de
Error
Nivel de
Confianza
Muestra
398 0.05% 0.95% 196
Procedimiento para la Recolección de los Datos
El investigador administró los cuestionarios para la
recolección de los datos a través del contacto directo con
los participantes de la investigación en sus respectivos
centros de educación. Se solicitó la cooperación a las
autoridades universitarias para tener la debida
autorización en cada una de los centros participantes.
Consentimiento Informado y Confidencialidad de los
Participantes
El Comité de Revisión Institucional (IRB) autorizó la
investigación y se inició el proceso de confirmar las
visitas a las instituciones participantes. Al momento de
58
administrar los cuestionarios, se le notificó a los
encuestados a través de una hoja informativa que su
participación era completamente voluntaria y de entera
confidencialidad. Además, los encuestados tuvieron el
derecho a retirase de su participación en cualquier momento
durante la investigación si así lo encontraban necesario.
Los participantes no recibieron ningún tipo de incentivo
por su participación, tampoco hubo ningún tipo de inversión
económica por parte de los encuestados. Los participantes
no tuvieron riesgo en su integridad física ni se expusieron
a ningún otro peligro.
Descripción del Instrumento de Investigación
El instrumento para la recopilación de los datos
consistió de un cuestionario, diseñado por el investigador,
el cual constó de tres partes.
En la primera sección se presentaron las preguntas
sobre información demográfica sobre el sexo y la edad.
Sobre ese mismo orden nombre del curso, la especialidad y
una pregunta sobre si posee conocimiento en la disciplina
de Sistema de Información: ¿Conoce lo que es la disciplina
de Sistemas de Información? Si contestó afirmativo, deberá
explicar lo que entiende por Sistemas de Información. Se
administraron en esta primera parte un total de seis ítems.
En la segunda sección del instrumento y adaptada del
59
trabajo de Zhang se presentaron las preguntas relacionadas
sobre la intención de haber elegido la carrera de Sistemas
de Información. Para un total de 32 ítems, cada uno de
ellos medido con la escala Likert de 7 puntos. El modelo
de Likert demuestra con el valor de 1 en “totalmente en
desacuerdo” y el 7 como “totalmente acuerdo”. En la
tercera sección se incluyó una pregunta que represente el
motivo por el cual dejaría de estudiar la carrera de
Sistemas de Información. Adaptado del trabajo de Walstrom
et al. (2008), lo cual presentó nueve posibles
contestaciones. La tercera parte presenta dos preguntas.
La primera dirigida a los estudiantes que no estaban
matriculados en una carrera de Sistemas de Información. La
segunda pregunta relacionada con el nivel de conocimiento
de oportunidades en la carrera, una lista de ciertos
programas de Administración de empresas y otras áreas de
computadoras.
Validación del Instrumento de Investigación
Para la validación del instrumento de investigación,
se reclutó un panel de expertos. El panel estuvo compuesto
por personas conocedoras de la materia. Para su inclusión
se consideraron los siguientes criterio: estudios graduados
en áreas relacionadas a Sistemas de Información o
Tecnología, que tuvieran más de cinco años de experiencia
60
en el campo laboral y que pudieran demostrar competencia en
las destrezas de investigación. A cada experto se le
entregó el formulario de validación del instrumento. Todos
los expertos evaluaron cada una de las preguntas que se
incluyeron en el cuestionario donde se consideraban las
siguientes tres categorías; 'Esencial', 'Útil pero no
esencial', 'No es necesario'. Luego de obtener las
evaluaciones de los expertos, se calculó la razón de
validez de contenido (CVR por sus siglas en inglés). La
ecuación para calcular esta razón es la siguiente (Lawshe,
1975):
2
2N
Nn
CVRe
En esta fórmula, en corresponde al número de expertos
que consideraron el ítem evaluado como esencial y N
corresponde al total de expertos.
Prueba de Confiabilidad
Existen varios métodos que pueden ser utilizados para
determinar la confiabilidad del cuestionario que se utilizó
para medir las variables en la Investigación. Algunos de
estos procedimientos o métodos son: medida de estabilidad,
método de formas alternativas o paralelas y medidas de
61
consistencia interna (Hernández et al., 2006). Todos los
métodos para la investigación utilizan fórmulas que
producen coeficientes de confiabilidad que oscilan entre
cero y uno. Cuanto más se acerque el coeficiente a uno (1)
mayor será la confiabilidad del instrumento.
Cada uno de los métodos para determinar la
confiabilidad de los instrumentos posee una manera distinta
para ser aplicado. El método de formas alternas recomienda
que dos versiones diferentes pero equivalentes del
instrumento sean administradas a las mismas personas con
una diferencia de tiempo corta. El método de estabilidad
requiere que el mismo instrumento sea administrado en dos
ocasiones diferentes a las mismas personas y luego se
realiza la prueba de confiabilidad. Por último, el método
de medida de consistencia interna, el Alfa de Cronbach,
sólo requiere la administración de una versión del
instrumento en una sola ocasión para entonces calcular su
confiabilidad.
En esta investigación, se utilizó el método de
consistencia interna, Alfa de Cronbach, para calcular la
confiabilidad del cuestionario. Cuanto más cercano esté el
valor del alfa de Cronbach a uno (1), mayor será la
consistencia interna de los ítems que componen el
cuestionario. Se utilizaron las reglas recomendadas para
62
interpretar el resultado donde un valor de alfa de Cronbach
mayor de 0.90 indica que el cuestionario es excelente;
entre 0.89 y 0.80 el cuestionario es bueno; entre 0.79 y
0.70 el cuestionario es aceptable. En consecuencia entre
0.69 y 0.60 el cuestionario es débil. Entre 0.59 y 0.50 el
cuestionario es pobre y finalmente si es menor de 0.50, el
cuestionario no es aceptable para realizar la investigación
(George & Mallery, 2009).
Análisis Estadístico
Posteriormente, como parte del análisis estadístico se
utilizó una prueba de normalidad para determinar la
distribución de los datos y aplicar las pruebas
estadísticas más apropiadas. Conforme a la distribución de
los datos, el tipo de datos y las hipótesis planteadas por
el investigador fue aplicada una prueba multivariada. La
prueba multivariada es realizada cuando se miden
relaciones, asociaciones o influencias entre variables y
cuando las variables se miden a través de dimensiones.
PLS-SEM: “Structural Ecuation Modeling” (SEM) siendo
una técnica de segunda generación, se ha convertido en
uno de lo más prominente técnica de análisis
estadístico en estos tiempo. En los últimos veinte
años han aumentado el desarrollo en teorías de
investigación exploratoria con la técnica de PLS-SEM.
63
(Enfocándose en explicar las variancia en las
variables dependientes cuando se explica el modelo)
(Hair et al., 2014). Se utiliza el PLS-SEM cuando la
teoría está poca desarrollada. El objetivo principal
de la aplicación de modelado estructural es la
predicción y explicación de los constructos
(Hair et al., 2012; Hair et al., 2014). Tres de los
estudios exploraron la tendencia de crecimiento
mediante la realización de un análisis de series de
tiempo utilizando el número de estudios PLS-SEM. Hair
et al. (2012b) y Ringle et al. (2012) encontraron que
el uso de PLS-SEM en los campos de Gerencia, Mercadeo
y Sistemas de información se ha acelerado con el
tiempo (Et pelo al., 2014b). Otros estudios
realizados con PLS-SEM son Satisfacción al consumidor
y Preferencias, Comportamiento Humano, Estrategias,
Manufacturas, Eficiencia Operacional y Calidad (Monge
et al., 2014).
64
CAPÍTULO IV
ANÁLISIS DE DATOS
Introducción
En este capítulo se presentan los resultados aplicando
los métodos que fueron expuestos en el apartado anterior.
Se presenta la descripción de la población, la información
demográfica de la muestra, y el proceso de colección y
análisis de los datos. Bajo ese mismo orden se encuentra
el Factor de análisis, y validez, el valor de R2, el
análisis de colinealidad, las prueba de hipótesis y el
resumen de los resultados.
Información Demográfica
El total de los participantes fueron 197, de los
cuales (N=25; 13%) son féminas y (N=172; 87%) son varones.
Entre las edades de los participantes el rango fueron de 17
a 51 años, el promedio fue de 23 años, la media de 21 años
y la moda de 20 años. A continuación se presenta la figura
que expone la distribución de los participantes por género.
65
Figura 4. Distribución por Sexo de la Muestra
Conocimiento sobre Sistemas de Información
El cuestionario contenía una pregunta de dos partes.
En la primera parte los participantes debían de contestar
si conocían lo que es Sistemas de Información, En los
marcos de observación sólo el (N=138; 70%) contestaron
afirmativo y el (N=59; 30%) no sabían su significado. Se
presenta abajo la figura de la distribución de la
contestación de los estudiantes sobre el conocimiento o no
de lo que implica Sistemas de Información.
13 %
87 %
Distribución por sexo
Mujer Hombre
66
Figura 5. Distribución de los participantes que contestaron
la pregunta sobre si tienen conocimiento de lo que es
Sistemas de Información
La segunda parte de esa misma pregunta los
participantes tuvieron que contestar en sus propias
palabras qué era o qué significaba Sistemas de Información.
Únicamente tenían que explicar aquéllos que contestaron
afirmativamente. Las contestaciones se agruparon en cuatro
(4) categorías de acuerdo a la definición de Sistemas de
Información el cual aparece en la próxima tabla.
70
30
C O N O C E N D E S C O N O C E N
67
Tabla 4
Distribución de contestación de primera pregunta abierta
Categoría Ejemplo Cantidad
Métodos y Procesos
“Un método de llevar acabo
procesos tecnológicos y
operativos para el bienestar
del ser humano.”
8
Infraestructura
“Todo lo que tenga que ver o
esté relacionado con
tecnología y lo que compare
las redes”
27
Ciencias en
Computadoras
“Desarrollar, manipulación de
software y sus componentes”
24
Información
“Sistemas que manejan toda la
información de una empresa
para ser compartida con sus
empleados y clientes”
38
Al establecer una comparación de cada contestación se
pudo crear cuatro (4) categorías en consonancia a los
conocimientos previos de cada participante. Algunas de las
contestaciones ofrecidas hacían referencia a su primera
clase de introducción. Mencionaban aquellos aspectos más
recordados de la clase, máxime cuando el profesor le
explicaba más detenidamente lo que significaba Sistemas de
Información.
68
Se revisaron algunos libros de textos para encontrar
una definición de Sistemas de Información. Cada autor
ofrecía su propia definición del significado. En cambio
revisando el currículo de la especialidad, de las
universidades participantes, estas contienen cursos
relacionado de cada categoría. Una simple definición del
libro de texto de O'Brien (2005) "Sistema de información”
puede ser cualquier combinación organizada de personas,
hardware, software, redes de comunicaciones, recursos de
datos, políticas y procedimientos de almacenaje, recupera,
transforma y difunde información en una organización."
Tabla 5
Distribución de contestación sobre el conocimiento de
oportunidad de Carrera
Área Posición
Ingeniería de Computadora 1
Sistemas de Información 1
Ciencias en Computadoras 2
Contabilidad 3
Gerencia 4
Mercadeo 5
Economía 6
Finanzas 7
69
Prueba de Confiabilidad
El análisis de factores se utiliza para "simplificar
la información que nos da una matriz de correlaciones"
Morales Vallejo, P. (2013). Esto nos indica cómo las
variables se agrupan y cuáles tienen una correlación alta y
otras la tienen bajas con respecto a cada factor (Vallejo,
2013).
Las primeras dos prueba a considerar es la prueba de
Kaiser-Meyer-Olkin y de Bartlett. Kaiser-Meyer-Olkin tiene
un rango entre 0 a 1. La puntuación mínima más aceptada es
la de .6, la cual indica que la correlación entre las
variables en pares son explicadas por las otras variables.
En la prueba de Bartlett la puntación en significativa
deberá de ser menor de 0.05, lo cual indica que las
variables están inter-correlacionadas.
Tabla 6
Resultado prueba de KMO y Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
.839
Bartlett's Test of
Sphericity
Approx. Chi-Square 3813.743
Df 496
Sig. .000
70
Como se muestra los resultados, el KMO está por encima
del mínimo indicando que las variables en pares son
explicadas por las otras variables y la prueba de Bartlett
en 0. Concluyendo así que todas las varianzas son iguales
u homogéneas.
La prueba de Comunalidades, indica que la varianza de
cada variable estará en el modelo mejor definido. Deberá
de tener un resultado lo más cercano a 1, para que sea
exitosa.
71
Tabla 7
Método de extracción: Análisis de Componentes Principales
Communalities
Initial Extraction
I1 1.000 .696
f2 1.000 .831
f3 1.000 .777
e4 1.000 .677
e5 1.000 .743
e6 1.000 .694
e7 1.000 .698
e8 1.000 .728
c9 1.000 .812
c10 1.000 .809
c11 1.000 .662
c12 1.000 .690
c13 1.000 .720
d14 1.000 .683
d15 1.000 .769
d16 1.000 .713
d17 1.000 .689
d18 1.000 .722
b19 1.000 .707
b20 1.000 .682
b21 1.000 .584
b22 1.000 .573
b23 1.000 .639
b24 1.000 .672
b25 1.000 .817
b26 1.000 .708
b27 1.000 .606
a28 1.000 .781
a29 1.000 .699
a30 1.000 .754
z31 1.000 .683
z32 1.000 .721
Nota: Ver apéndice A para información de Constructos e Indicadores.
Como puede apreciarse, la tabla indica que la variable
I1, correspondiente al constructo "Intención", es la de
menor valor, lo que significa que sólo es capaz de
reproducir el 69.6% de su variabilidad original. En cambio
la variable F2, correspondiente a la "Actitud", es la más
72
fuerte y es capaz de reproducir el 83.1% de su variabilidad
original. En todo caso ningún valor deberá de ser menor de
.5.
En la tabla de “Total Variance Explained”, se
proporciona la variancia explicada por los ocho componentes
de la matriz de factor obtenido por valor mayor a 1.00,
para un total de 71%.
73
Tabla 8
Total de Varianza Explicada
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total
% of
Variance Cumulative % Total
% of
Variance Cumulative % Total
% of
Variance Cumulative %
I1 8.946 27.957 27.957 8.946 27.957 27.957 5.363 16.759 16.759
f2 4.154 12.980 40.937 4.154 12.980 40.937 3.913 12.229 28.988
f3 2.733 8.541 49.478 2.733 8.541 49.478 3.615 11.298 40.286
e4 1.844 5.764 55.242 1.844 5.764 55.242 2.511 7.847 48.134
e5 1.527 4.773 60.015 1.527 4.773 60.015 2.402 7.508 55.641
e6 1.342 4.194 64.209 1.342 4.194 64.209 1.796 5.613 61.254
e7 1.112 3.477 67.685 1.112 3.477 67.685 1.698 5.305 66.560
e8 1.077 3.365 71.050 1.077 3.365 71.050 1.437 4.491 71.050
c9 .930 2.907 73.958
c10 .777 2.429 76.387
c11 .752 2.351 78.738
c12 .646 2.018 80.756
74
c13 .590 1.843 82.599
d14 .566 1.767 84.367
d15 .534 1.669 86.036
d16 .476 1.489 87.525
d17 .442 1.381 88.906
d18 .423 1.322 90.228
b19 .380 1.188 91.417
b20 .330 1.032 92.448
b21 .309 .966 93.414
b22 .286 .892 94.307
b23 .271 .847 95.154
b24 .248 .773 95.927
b25 .233 .729 96.656
b26 .219 .685 97.341
b27 .186 .582 97.924
75
a28 .176 .550 98.473
a29 .152 .474 98.947
a30 .128 .400 99.347
z31 .118 .367 99.714
z32 .091 .286 100.000
Extraction Method: Principal Component Analysis.
Nota: Ver apéndice A para información de Constructos e Indicadores.
76
Confiabilidad y Validez (Criterio de Calidad)
En esta prueba la R al cuadrado (R2) evalúa el poder
predictivo que tienen los constructo endógenos (Sarstedt et
al., 2014). Aunque R2 evalúa la estructura del modelo, es
complicado encontrar un consenso del mejor valor para el
mismo (Hair et al., 2014). Hair et al. Indica en su
literatura y cito “Seleccionar un modelo basado en el valor
R2 no es un buen alcance” (2014). Es importante mencionar
que los constructos reflectivos deberán de evaluarse a
través de fiabilidad y validez de los constructos (Monge et
al., 2014) (Hair et al., 2014).
Tabla 9
Valor R2
Como vemos en la tabla nueve (9) el constructo
Intención predice el .597% y el constructo Actitud el
.427%.
Para poder explicar la variancia de cada ítem, se debe
medir el grado en que un constructo converge en sus
indicadores. La validez de convergencia se calcula con el
Nombre de Constructo Valor de R2
Intención 0.597
Actitud 0.427
77
"Average variance extracted (AVE)" de todos los ítems
asociado con cada constructo. Se acepta como mínimo un
valor de .50, su valor indica que en promedio el constructo
explica el por ciento de las variancias de los ítems
(Sarstedt et al., 2014). Aunque es común el Alpha de
Cronbach para la Confiabilidad de consistencia interna, se
utiliza la Confiabilidad Compuesta (ρc) debido a que el
Alpha de Cronbach asume que todos los indicadores son
iguales de confiables y es sensible a los números de ítems
en la escala y tiende a subestimar la confiabilidad de
consistencia interna, pero PLS-SEM pone en prioridad los
indicadores de acuerdo a la confiabilidad individuales. La
Confiabilidad Compuesta (ρc) se mide igual que el Alpha de
Cronbach, siendo el valor de .600 o mayor aceptable para la
investigación exploratoria (Hair et al., 2014). El
resultado Alpha de Cronbach en cinco (5) constructo reporto
una alta consistencia interna con un coeficiente mayor de
0.80 (Rango de α = 0.820 a α = 1.00) (Hair et al., 2014).
78
Tabla 10
Calidad de los Criterios
Constructo (AVE) Ρc Cronbach
Actitud 0.923 0.960 0.917
Actual 0.752 0.858 0.680
Esfuerzo 0.237 0.554 0.698
Personal 0.826 0.934 0.895
Imagen 0.462 0.796 0.724
Intención 1.000 1.000 1.00
Interaction
Effect: Actual
(Two Stage) ->
Actitud
1.000 1.000 1.00
Social 0.534 0.870 0.820
Trabajo 0.731 0.916 0.878
Validez Discriminante
La prueba de Fornell and Larcket pretende evaluar la
validez discriminante de los constructos, esta prueba es la
más conservadora. Utilizándolo para determinar el grado en
que un constructo es empíricamente distinto de otros
constructos. El valor de un constructo no deberá compartir
variancia con otro constructo que sea mayor que el valor de
AVE. El valor en AVE del constructo deberá de ser mayor
que en esta prueba (Sarstedt et al., 2014; Hair et al.,
2014).
79
Tabla 11
Fornell and Larcket Criterion
Actitud Actual Esfuerzo Personal Imagen Intención Interaction
Effect:
Actual ->
Actitud
Social Trabajo
Actitud 0.961
Actual -0.287 0.867
Esfuerzo 0.589 -0.177 0.486
Personal 0.624 -0.164 0.698 0.909
Imagen 0.362 -0.046 0.498 0.381 0.680
Intención 0.768 -0.262 0.521 0.485 0.275 1.000
Interaction
Effect:
Actual ->
Actitud
0.374 -0.086 0.018 -0.138 0.037 0.346 1.000
Social 0.423 -0.045 0.341 0.223 0.398 0.358 0.173 0.731
Trabajo 0.549 -0.120 0.674 0.497 0.603 0.464 0.177 0.491 0.855
80
Prueba de Hipótesis
Se utilizó SmartPLS Versión 3.2.0 para la prueba de
hipótesis. Se creó la estructura y se corrió el algoritmo
de PLS con un peso de esquema de "Path" proveyendo valores
alto de R2 en las variables latente endógenos, iteración
Máxima de 300, para calcular los resultados y una detenida
de criterio de 7 (10^-X), Wold (1982) citado en SmartPLS
version 3.2.0 y Hair et al. (2014) y Henseler et al.
(2012).
Figura 6. PLS-SEM algoritmo con loading
El tipo de modelo que se midió fue de medición
reflectiva, en que las medidas representan el efecto (o
81
manifestaciones) de un constructo subyacente. “Causalidad
es a partir del constructo de sus medidas (indicadores).
También se refiere a modo A en PLS-SEM” (Hair et al.,
2014). Cuando el modelo a medir es de medición reflectiva
sólo se debe de medir el modelo externo o bien la relación
entre las variables latentes y sus medidas (Hair et al.,
(2014).
Como es indicado en Hair et al. 2014, todos los
“loading” de cada ítem o indicador que tenga un valor menor
de .700 deberán de ser eliminados, por no ser confiable.
Aunque no existe una regla estadísticamente aceptable, la
cantidad mínima adecuada es el .700 (Zhang, 2007; Hair et
al., 2014). En esta investigación el “loading” mínimo fue
de valor negativo, -0.142 y el mayor positivo fue 0.958.
El loading del Ítem o indicador de intención tiene un valor
de 1.000 debido a que tiene un sólo Ítem o un constructo.
82
Figura 7. Resultados PLS-SEM con “Bootstrapping”.
Fuente: Smart_PLS.
Se evaluó el modelo de medida reflectiva, utilizando
el algoritmo de “bootstrapping” en Smart-PLS con una
submuestra de 500. Debido a que PLS-SEM no asume que los
datos están normalmente distribuido, implicando que la
prueba es significantemente paramétrica. No puede ser
aplicada usando análisis de regresión, por ende, PLS-SEM se
apoya en un procedimiento “bootstrap” no paramétrico
(Davison& Hinkley, 1997; Efron & Tibshirani, 1986). Para
hacer prueba de coeficientes en sus significancia (Citado
en Hair et al., 2014).
83
Tabla 12
Resultados “Path coeficiente” del “bootstrap”
Original
Sample
(O)
Sample
Mean
(M)
Standard
Error
(STERR)
T Statistics
(|O/STERR|)
P
Values
Actitud ->
Intención
0.710 0.704 0.085 8.379 0.000
Actual ->
Intención
-0.051 -0.055 0.056 0.912 0.181
Esfuerzo ->
Actitud
0.037 0.045 0.099 0.372 0.355
Personal ->
Actitud
0.443 0.438 0.115 3.864 0.000
Imagen ->
Actitud
-0.001 -0.003 0.064 0.011 0.495
Interaction
Effect: Actual
(Two Stage) ->
Actitud ->
Intención
0.058 0.055 0.067 0.865 0.194
Social ->
Intención
0.049 0.049 0.043 1.145 0.126
Trabajo ->
Actitud
0.312 0.314 0.122 2.547 0.005
La rutina del “bootstrap” provee el estándar error de
un coeficiente estimado. Determinando así el valor
84
empírico de t. Los valores teóricos de t para la prueba de
una cola “one-tailed test” son 1.28 (α = 0.10), 1. 645 (α =
0.05), o 2.326 (α = 0.01) entonces con los resultados
realizados vemos en la siguiente tabla los resultados de
cada hipótesis y si ésta fue aceptada o rechazada.
Tabla 13
Resumen de resultado prueba de PLS-SEM
Hipótesis Constructo Valor de t Aceptada
H01 Creencia
personales
3.799 Apoyada
H02 Esfuerzo 1.259 No apoyada
H03 Trabajo 1.923 Apoyada
H04 Imagen 0.207 No apoyada
H05 Referentes
sociales
0.832 No apoyada
H06 Actitud 7.199 Apoyada
H07 Situación Actual
del País
1.344 Apoyada
85
CAPÍTULO V
DISCUSIÓN DE LOS RESULTADOS
En este capítulo se discutirán los resultados
obtenidos en el capítulo IV. Este capítulo presenta los
siguientes temas; discusión de los resultados, inferencias
a preguntas de investigación, contribución a la teoría y
práctica, resumen, limitación y por último las
recomendaciones.
Discusión de los Resultados
De acuerdo a los resultados el estudio evidenció una
participación mayor de los estudiantes del sexo masculino
en comparación con las estudiantes del sexo femenino. Se
septuplica la cantidad de hombres en comparación con las
mujeres. Esta desigualdad queda demostrado en la revisión
de literatura del capítulo II. Kuecheler et al. (2009)
menciona que la "Disminución de la matrícula puede afectar
a ambos sexos por desigual". De acuerdo a la disertación
de López (2014), en Puerto Rico existe desigualdad de sexo
en los programas académicos relacionados a la Tecnología de
Información y a su vez, en el campo laboral de esta
profesión. Aunque en la misma disertación la mayoría de
los entrevistados estaban de acuerdo que las mujeres y los
hombres tienen las mismas oportunidades de empleo y las
mismas destrezas que se requieren en una carrera de
86
Tecnología de Información (López, 2014). Los participantes
mencionaron que se sienten cómodos trabajando con alguien
de sexo opuesto en el lugar de trabajo. Aún con el
positivismo todavía existe una gran desigualdad tanto en el
campo laboral como en la matrícula de la carrera de
Tecnología de Información (López, 2014).
Inferencias a Preguntas de Investigación
Esta investigación pretende contestar las preguntas del
capítulo I utilizando los datos del capítulo IV. A
continuación se presentan las contestaciones:
Las creencias personales y creencias relacionadas al
trabajo influyeron positivamente en la actitud de procurar
una carrera en Sistemas de Información. Sin embargo, se
encontró que las hipótesis de las creencias relacionadas al
esfuerzo y las creencias relacionadas a la imagen no
influyeron en la actitud de procurar una carrera en
Sistemas de Información.
Estableciendo una comparativa con los estudios
mencionados en la revisión de literatura, Zhang (2007), los
participantes no encontraron que la imagen de los
profesionales de Sistemas de Información sea una negativa,
por ejemplo, “geek” (Friki) o “nerds”. En cambio el
constructo sobre si los hombres de negocios admiran a los
profesionales de Sistemas de Información si tuvieran una
87
carrera respetable el nivel del “loading” fue alto. Lo
cual significa que los estudiantes tienen una positiva
imagen hacia el profesional de Sistemas de Información. En
contraste las creencias relacionadas al esfuerzo, los
participantes no encontraron que los cursos en Sistemas de
Información sean difíciles o demandables. Esto sugiere que
la dificultad del currículo es igual que cualquier otra
especialidad (Joshi et al., 2010). Así mismo no tienen
duda de que los cursos presenten altos niveles de
dificultad respecto a los cursos de otras concentraciones y
que los estudiantes no tengan la capacidad de completarlos
(Zhang, 2007).
En el contexto de la segunda comparación con los
estudios en la revisión de literatura por Joshi et al.
(2010), Croadswell et al. (2011) y Zangh (2007) se encontró
que los comportamientos de las creencias personales,
creencia relacionada al trabajo y referentes sociales
fueron significativos para sus respectivos estudios. Zhang
(2007) indicó como una posible explicación que en el
momento que un estudiante escoge una carrera específica es
por interés natural. Esta influencia está determinada por
“interés Personal” (Kuchler et al., 2009). Referente a la
hipótesis de la creencia relacionada al trabajo, Joshi et
al. (2011) indicó que los estudiantes visualizan que las
88
plazas de trabajos en la carrera de Sistemas de Información
son altamente remuneradas, lo cual satisfacen sus
necesidades salariales.
La actitud tuvo un valor de T > 1.28. Al igual que la
investigación de Zhang (2007) y Croasdwalle et al. (2011)
ambos tuvieron como predictor importante el interés
personal.
La pregunta sobre si la actitud influye en la
intención de escoger Sistemas de Información se puede
contestar de la siguiente manera;
“La actitud de los estudiantes puertorriqueños hacia
procurar la selección de una carrera en Sistema de
Información es influenciada por las creencias personales y
creencias relacionadas al trabajo. Esta actitud influye a
su vez a la intención de seguir y completar la carrera en
Sistemas de Información.”
Los reactivos que median la influencia de los
referentes sociales hacia la intención de procurar una
carrera en Sistemas de Información, se encontró que éstos
no influyen en la decisión de la persona para obtener un
grado en Sistemas de Información. En los marcos de
investigaciones anteriores similares y contrario a esta
investigación donde las mujeres que participaron no pesaron
las opiniones de otros para seleccionar la carrera de
89
Sistema de Información. Cuando se compara con la
disertación de López, (2014) se observa que sólo las
mujeres tuvieron una mayor influencia por sus familiares o
padres para la selección de la carrera a diferencia, de
otros estudios que señalan que las influencias de grupos o
compañeros de estudios en ocasiones permea en esta
importante decisión.
En estudios previos en la revisión de literatura
(Zhang, 2007; Kuecheler et al., 2009; Walstrom et al.,
2008; Croasdell et al., 2011) se encontró que las
estudiantes pesaban más la opiniones de otros,
especialmente de padres y consejeros a la hora de escoger
una carrera universitaria. Esto sugiere que la selección
de la carrera de Sistemas de Información es fuertemente
genuino y no simplemente por seguir a sus compañeros
(Croasdell et al., 2011).
Con respecto a la variable sobre la situación
económica del País, demostró que los participantes no
terminarían el grado académico si tuvieran la oportunidad
de salir de Puerto Rico con una oferta de empleo. Lo que
demostró que la hipótesis es estadísticamente
significativa. De acuerdo a ese resultado se observa
claramente que la hipótesis planteada por el investigador
fue apoyada. Razonando sobre la revisión de literatura y
90
sobre las consideraciones anteriores se puede concluir que
en Puerto Rico se crean profesionales para ser exportados a
los Estados Unidos de América.
Las preguntas sobre la situación actual del País se
complementaban con una pregunta abierta la cual se debía de
contestar en términos de algún otro problema que existiera
para dejar de estudiar Sistemas de Información. Sólo el 25%
de los participantes contestaron. Entre estos, .18% de
ellos señalaron que dejarían de estudiar si continúa
aumentando el costo de vida en la Isla; o de otra manera si
encuentran trabajo fuera de Puerto Rico. En referencia a la
pregunta sobre el cambio de carrera el 18% contestó, en
términos de situaciones de salud o situación personal que
los afectara. El .36%, hizo referencia a la falta de apoyo
económico, el .30%, se reafirmó en que nunca dejarían de
estudiar, inclusive, uno mencionó que tiene planes de
continuar una maestría en la misma área.
Contribución a la Teoría y Práctica
Hechas las consideraciones anteriores se puede
concluir que las razones y las actitudes básicas del por
qué los estudiantes puertorriqueños seleccionaron la
carrera de Sistemas de Información y sus intenciones en
concluirla son las siguientes:
1. Tienen un interés genuino en la Carrera.
91
2. Creen en que obtendrán un buen trabajo.
En esta investigación se añadió un constructo sobre la
situación actual del País y el cual representa la función
de moderador entre el constructo de Actitud y el de
Intención. Analizando el resultado se encontró que los
estudiantes puertorriqueños decidieran interrumpir sus
estudios por encontrar mejor oportunidad de empleo fuera de
la Isla o porque los afectara la situación actual que se
vive en el País. Sobre este ámbito y de acuerdo al
análisis, se plantea que estos estudiantes estarían en
riesgo de no terminar su carrera en Sistemas de
Información, al menos no en la Isla. Esto refuerza lo
mencionado en la revisión de literatura, respecto a la
conclusión que se hace referente a que Puerto Rico en ese
sentido se convierte en un exportador de profesionales.
Resulta oportuno significar que las hipótesis
enmarcadas en los factores que influyen para la intención
de terminar una carrera en Sistemas de Información son las
mismas que se presentan como objeto de análisis y
consideración en estudios anteriores. Por lo tanto, el
interés genuino y la expectativa laborar de los estudiantes
en Puerto Rico alimentan la actitud que lleva a la
intención de terminar una carrera en Sistemas de
Información.
92
Esta investigación particularmente se diferencia de
otros estudios, cuando se expone que las estudiantes
puertorriqueñas no tienen una mayor influencia, ni de
familiares, profesores, consejeros o compañeros de
estudios, cuando tienen la intención de seleccionar una
carrera de Sistemas de Información. Queda demostrado que a
diferencia de otros estudios anteriores sobre esa mayor
influencia en las mujeres a la hora de seleccionar una
carrera universitaria, en esta investigación no reflejó el
mismo resultado. Aunque este resultado difiere con la
disertación de López (2014), señala que efectivamente las
mujeres puertorriqueñas validan la opinión de algún
familiar para la selección de la carrera universitaria.
Hay que considerar que éste último la participación de la
mujer fue de un 41% de 517 participantes, en cambio, en la
presente investigación participó un 13% de un total de 25
mujeres.
Respecto a la emigración masiva de puertorriqueños
altamente cualificados hacia los Estados Unidos, conocido
también como fuga de cerebros crea una situación negativa
para el campo laborar en Puerto Rico. De hecho, los
estudiantes en la última pregunta abierta mencionaron la
probabilidad de emigrar si conseguían una oportunidad de
empleo fuera de Puerto Rico. Como mencionó el Dr. Julio
93
Hernández en una entrevista y cito "Nosotros producimos más
capital humano de lo que la empresa privada y el gobierno
pueden absorber. Ya no exportamos productos, sino gente"
catalogándolo como ineficiencia del mercado (Velázquez,
2013). Esta ineficiencia de mercado como lo definió el Dr.
Hernández en la entrevista, se ve reflejada en esta
investigación, donde la mayoría tienen la intención de
prepararse académicamente y obtener un buen trabajo. Sin
embargo, las oportunidades son escasas y por eso muchos
optan por emigrar a los Estados Unidos en buscar de mejor
condición de empleo y salarios. Cabe destacar que la
educación superior en Puerto Rico teniendo las mismas
acreditaciones que en las de Estados Unidos, suele ser más
económica, en el caso de comparar universidades privadas
nuestras sin fines de lucros.
La recesión económica en Puerto Rico que desde el año
2006 ha causado escasez de empleo lo que influye también en
la emigración de profesionales hacia los Estados Unidos
según apunta el demógrafo Raúl Figueroa en un artículo de
un rotativo del País. Otra situación seria que trae la
recesión es la complicación de la situación fiscal del
gobierno. Al desaparecer gran parte del capital del ahorro
e inversión de los que se van de Puerto Rico, baja la
calidad de servicio de las oficinas gubernamentales y
94
aumenta la carga contributiva que recae en los que se
quedan, impactando el bolsillo mayormente en la clase media
lo que agrava más la desigualdad económica del País, indicó
el doctor Sobrino (Velázquez, 2014).
De acuerdo a los resultados, el modelo revisado se
ilustra en la siguiente figura:
Figura 8. Modelo revisado
Como se puede apreciar en la figura número 8, la
actitud de los estudiantes puertorriqueños de haber
seleccionado una carrera en Sistemas de Información
proviene de tener un interés genuino en la carrera
seleccionada y la creencia en que obtendrán un buen trabajo
al finalizar sus estudios. Por eso vemos que las variables
independientes de creencia personal y creencia de trabajo
están conectadas a la variable dependiente de actitud que a
su vez lleva a la intención de haber seleccionado la
95
carrera de Sistemas de Información. También vemos la
variable moderadora sobre la situación actual del país en
que el mismo puede influir en la intención de terminar la
carrera.
Resumen
La presente disertación se realizó utilizando el
análisis estadístico con la metodología de PLS-SEM para
realizar la prueba del framework de la Teoría de Acción
Razonada. Se encontró cuáles son las variables que
influyen en la intención de los estudiantes para
seleccionar una carrera en Sistemas de Información. Se
consideró la situación actual del País enfocada como factor
importante para que los estudiantes decidieran interrumpir
dicha intención.
De acuerdo a la literatura existente de la Teoría de
acción razonada, se creó la estructura con sus respectivas
hipótesis, sólo tres hipótesis, la creencia personal (H01),
la creencia relacionada al trabajo (H03) y la actitud (H06)
son los únicas que influyen en la intención de procurar una
carrera en Sistemas de Información. Estos resultados
indican que la intención de escoger Sistemas de Información
como carrera es por interés propio y no por influencia de
padres, profesor o amigos (H05). Tampoco se encontró que
haya una imagen negativa hacia el profesional de la
96
Tecnología de Información (H04). De igual manera y de
acuerdo a los resultados de la investigación no se encontró
que el currículo de Sistemas de Información más allá de lo
razonable fuera una carga pesada (HO2).
Con respecto a la nueva variable, sobre la situación
actual del País (H07), y los movimientos migratorios de los
profesionales (fuga de cerebro) hacia los Estados Unidos la
misma fue sustentada en la revisión de literatura del
capítulo II. El resultado en esta investigación muestra
que los estudiantes aunque tienen la intención de terminar
una carrera en Sistemas de Información, pueda ser
interrumpida debido la crisis económica y la ausencia de
empleos en la Isla. Tienen la intención de finalizar su
carrera considerando la alternativa de emigrar de no
encontrar una buena oportunidad de empleo en puerto Rico.
Limitaciones
Esta investigación contiene dos limitaciones. La
primera limitación se encuentra en la matrícula de los
participantes. Sólo los estudiantes a nivel subgraduado de
un sistema universitario en Puerto Rico "Aunque este tipo
de muestreo es común en este tipo de investigación. Butler,
2000" como se cita en Joshi et al. 2011. La segunda
limitación es que sólo abarca un tipo de programa bajo la
categoría STEM.
97
Recomendaciones
Se recomienda ampliar este estudio; incluyendo
estudiantes que seleccionaron otras áreas que no sean
tecnológicas y de mayor demanda, como la de salud, y
compararla con este estudio o realizar otro paralelo que
incluya más de un sistema universitario. Una segunda
recomendación es realizar otro estudio que abarque otros
programas bajo el STEM, Como las diversas especialidades en
ingeniería y carreras aliadas a la salud, debido a que
también muchos profesionales de estas áreas están emigrando
fuera de Puerto Rico.
Futuras investigaciones pueden añadir constructos
sobre limitaciones o comprensión tecnológica. Comparando
cuan adaptado están los estudiantes a los diversos tipos de
tecnologías con la intención en completar una carrera en el
área de la Informática o bien en el área de Sistemas de
Información.
Tecnología como política pública en el gobierno de
Puerto Rico. Política tecnológica es definida por
Branscomb (1995) como "medios público para fomentar esas
capacidades y optimizar sus aplicaciones al servicio de
objetivos e intereses nacionales."
"Cuando se trata de política tecnológica... la
interacción entre las instituciones y la tecnología juega
98
un papel central." Las agencias de gobierno deberán de
tener la mayor información, competencia y comportamiento
oportunista, para su eficiencia y adaptabilidad (Schildre,
A., 2000).
Recomiendo que el gobierno tome iniciativa para
estrategias en el desarrollo y educación continua para los
prospectos y profesionales actuales en el área de Sistemas
de Información. Incluyendo la creación de incubamiento
para el mejoramiento de los sistemas actuales en las
agencias del gobierno.
Una área relacionada a Sistemas de Información es la
Ciencias de Computadoras, en algunas escuelas de los
Estados Unidos tienen programas de clases que incluyen
clases de Ciencias de Computadoras, como desarrollo de
aplicaciones, robótica y arquitectura de computadoras.
Existe la Fundación Nacional de la Ciencia (NCF, por sus
siglas en inglés) una organización gubernamental que aporta
dinero a las escuelas, maestros e investigadores para el
desarrollo curricular de computadoras en las escuelas.
Como aportación de esta investigación y para concientizar
de las oportunidades en el área de la computación y
Sistemas de Información se deberá hacer esfuerzo para traer
a Puerto Rico este programa que es una agencia del gobierno
federal de los Estados Unidos. Su esfuerzo del proyecto
99
“CS 10 K" es la implementación del currículo de Ciencias de
Computadora desde el jardín de niño hasta el cuarto año de
escuela secundaria (K-3).
100
REFERENCIAS
Aiken, M., Garner, B., Ghosh, K. & Vanjani, M. (2008).
Dot.com Boom and Bust Effects on MIS College
Enrollments: 1995 - 2006. Communications of the IIMA,
AITP, (2012), Hard to fill IT jobs. Association for
Information Technology Professionals, May 2012.
http://www.aitp.org/news/9027
Ajzen, I. & Cliffs. (1980). Understanding attitudes and
predicting social behavior. Englewood: Prentice-Hall.
Akbulut, A. Y., Looney, C. A. & Motwani, J. (2008).
Combating the Decline in Information Systems Majors:
The Role of Instrumental Assistance. The Journal of
Computer Information Systems, 48(3), 84-93.
Akbulut-Bailey, A. (2012). Improving IS Enrollment Choices:
The Role of Social Support. Journal of Information
Systems Education. 23(3), 259-270.
Aleassa, H. (2009). Investigating Consumers’ Software
Piracy Using an Extended Theory of Reasoned Action.
Southern Illinois University, Carbondale, Illinois.
Ali, A. & Shubra, C. (2010). Efforts to Reverse the Trend
of Enrollment Decline in Computer Science Programs.
Issues in Informing Science and Information
Technology, (7) 209 - 224.
101
Albano, V., Contenti, M. & Runchella, V. (2008). Surveying
Curricula in Information Systems in the Italian
Faculties of Economics. Interdisciplinary Aspects of
Information Systems Studies, 253-259.
Babin, G. & Sawal (2010). Identifying Influencers in High
School Student ICT Career Choice. Information Systems
Education Journal, 8(26), 1–14.
Bang, H.-K., Ellinger, A. E., Hadjimarcou, J., & Traichal,
P. A. (2000). Consumer Concern, Knowledge, Belief, and
Attitude Toward Renewable Energy. Psychology &
Marketing, 17(6), 449-468.
Beggs, J. M., Bantham, J. H. & Taylor, S. (2008).
Distinguishing the Factors Influencing College
Students’ Choice of Major. College Student Journal,
42(2), 1-11.
Bissell, C. (2011). The Information Revolution: Taking a
Long View In: Ramage, Magnus and Chapman, David eds.
Perspectives on Information. Routledge Studies in
Library and Information Science, 21–35. New York, NY,
U.S. and Abingdon, U.K.: Routledge.
Chabrow, E. (2004). By the Book: Declining computer-science
enrollments should worry anyone interested in the
future of the U.S. IT industry. InformationWeek,
102
August, 2004, retrieved from Information Week website
on December 5, 2005
Collazo, G. Ryan, C. & Bauman, K. (2010). Profile of the
Puerto Rican Population in United States and Puerto
Rico: 2008. U. S. Census Bureau.
Consejo de Educación de Puerto Rico. (2013). Informe
Estadístico de las Instituciones de Educación Superior
de Puerto Rico. Recuperado de Internet de
http://www2.pr.gov/agencias/cepr/inicio/estadisticas,
Diciembre de 2013.
Croasdell, D., McLeod, A. & Simkin, M. G. (2011). Why don’t
more women major in information systems? Information
Technology & People, 24(2), 158-183.
Dodgson, M., & Bessant, J. (1997). Effective Innovation
Policy: A New Approach. Long Range Planning, 30(1),
143.
Downey, J. (2011). An Empirical Examination of the
Composition of Vocational Interest in Business
Colleges: MIS vs. Other Majors. Journal of Information
Systems Education, 22(2), 147-158.
Esposito, V., Trinchera, L. & Amato, S. (2010) Handbook of
Partial Least Squares. Berlin, Springer Handbooks of
Computational Statistics.
103
Eccles, Jacquelynne S. (2005) Studying Gender and Ethnic
Differences in Participation in Math, Physical
Science, and Information Technology. New Directions
For Child And Adolescent Development, 110, 7 – 14.
Enchautegui, M. (2008) La Fuga de Cerebros en Puerto Rico:
Su Magnitud y sus Causas. Departamento de Economía,
Universidad de Puerto Rico.
Ferratt T., Hall, S., Prasad, J. & Wynn, D. (2010).
Choosing Management Information Systems as a Major:
Understanding the smiFactors for MIS. Communications
of the Association for Information Systems, 27, 265 –
284.
Ferratt, T., Hall, S., Prasad, J. & Wynn, D. (2009). Why
Students Choose MIS: What Makes a Major-Job-Career in
Management Information Systems Interesting?
Proceedings of the Special Interest Group on
Management Information System's 47th annual Conference
on Computer Personnel Research, 57 – 62.
Ferrer E., Rivera, I. & Sánchez A. (2012). Assessing
Curricula of Information Systems Master Programs in
Business Schools of Puerto Rico. Proceedings of XLVII
Annual Conference of the Latin-American Council of
School of Business, CLADEA , Lima, Peru, 2012.
104
Firth, D., & King, J. (2011). Addressing the Credibility
Crisis in IS. Communications of Association for
Information Systems, 28, 199-212.
Freeman, L. A., Jarvenpaa, S. L., & Wheeler, B. C. (2000).
The supply and demand of information systems
doctorates: Past, Present, and Future. MIS Quarterly,
24(3), 355-380.
George, D., & Mallery, P. (2009). SPSS for Windows step by
step: A simple guide and reference 16.0 update (9na
ed.). Boston: Pearson Education, Inc.
Gilbert-Cronen, V. S. (May de 2000). Application of the
Theory of Reasoned Action to Female Adolescent Sexual
Behavior. University of North Texas, Health Science
Center at Fort Worth.
Gorgone, J. T., Gray, P., Stohr, E. A., Valacich, J. S. &
Wigand, R. T. (2006). MSIS 2006: Model Curriculum and
Guidelines for Graduate Degree Programs in Information
Systems. Communications of the Association for
Information Systems, 17(1).
Gorgone, J., Gray, P., Stohr, E., Valacich, J. & Wigand, R.
(2006). MSIS 2006: Model curriculum and guidelines for
graduate degree programs in information systems. ACM
SIGCSE Bulletin Archive, 38(2) 121-196.
105
Granger, M. J., Dick, G., Jiang son, C. M. & Slyke, C. V.
(2007). Information Systems Enrollments: Challenges
and Strategies. Journal of Information Systems
Education, 18(3), 303-311.
Hair, J., Ringle, C. & Sarstedt, M. (2013). Partial Least
Squares Structural Equation Modeling: Rigorous
Applications, Better Results and Higher Acceptance.
Long Range Planning, 46 (2013) 1-12
Hair, J., Sarstedt, M., Hopkins, L. & Kuppelwieser, V.
(2014). Partial least squares structural equation
modeling (PLS-SEM) An emerging tool in Business
Research. European Business Review, Vol. 26 No. 2, pp.
106-121
Hair, J., Hult, T., Ringle C. & Sarstedt, M. (2014). A
Pimer on Partial Least Squares Structural Equation
Modeling (PLS-SEM). California: SAGE Publication Inc.
Henseler, J., Ringle, C. & Sinkovics, R., (2009) The Use Of
Partial Least Squares Path Modelingin International
Marketing. Advances in International Marketing, Volume
20, 277–319
Hecker, D. E. (2005). Occupational Employment Projections
to 2014. Monthly Labor Review, 70-101.
106
Hernández, R., Fernández, C. & Baptista, P. (2006).
Metodología de la Investigación (4ed.). México: McGraw
Hill Interamericana.
Hogan, P., & Li, L. (2010). The Perceptions of Business
Students Regarding Management Information Systems
(MIS) Programs. Journal of Technology Research, 2. 1-
8.
Jacobs, C., & Sewry, D. (2010). Earner Inclinations to
Study Computer Science or Information Systems at
Tertiary Level. South Africa Computer Journal, 45, 3-
10.
Jacobs, J. E., & Simpkins, S. D. (2005). Mapping Leaks in
the Math, Science and Technology Pipeline. New
Directions for Child and Adolescent Development,
110(Winter 2005), 3-6.
Jiang, J. J. & Klein, G. (2002). A Discrepancy Model of
Information System Personnel Turnover. Journal of
Management Information Systems, 19(2), 249-272.
Joshi, K. & Kuhn, K. (2011). What Determines Interest in an
IS Career? An Application of the Theory of Reasoned
Action. Communications of the Association for
Information Systems, 29, 133-158.
107
Kim, S. (2003). Application of Theory of Reasoned Action:
Viewership of the 2003 Women’s World Cup. The Florida
State University, College of Education.
Koch, H. & Kayworth, T. (2009). Partnering with the majors:
A process approach to increasing IS enrollment.
Journal of Information Systems Education. Winter 2009,
20 (4), 439-449.
Koch, H., Slykey, G., Watson, R., Wells, J. & Wilson, R.
(2010). Best Practices for Increasing IS Enrollment: A
Program Perspective. Communications of the Association
for Information Systems, 26(22), 477-492.
Koch, H. & Trower, J. (2011). How I Became IS:
Understanding the Major Decision. AMCIS 2011
Proceedings - All Submissions. Paper 50
Koohang, A., Riley, L., Smith, T. & Floyd, K. (2010).
Design of an information technology undergraduate
program to produce IT versatilists. Journal of
Information Technology Education. 2010, 9, 99-113.
Kuechler, W., McLeod, A. & Mark, S. (2009). Filling the
Pipeline for IS Professionals: What can IS faculty do?
Journal of Information Systems Education, 20(4), 407 –
418.
108
Lacey, T. A., & Wright, B. (2012). Occupational Employment
Projections to 2018. Monthly Labor Review, November
2009, 82-123. Retrieved from
http://www.bls.gov/opub/mlr/2009/11/art5full.pdf
Lawshe, C. H. (1975). A Quantitative Approach to Content
Validity. Personnel Psychology, 28(4), 563-575.
Li, L. & Thomson, N. (2011). Why Business Students Select
MIS as their Major–An Empirical Examination. In
Proceedings of the Southern Association for
Information Systems Conference, Atlanta, GA, USA March
25th-26th, 2011, 109 – 112.
Lifer, J. D., Parsons, K. & Miller, R. E. (2009). A
Comparison of Information Systems Programs at AACSB
and ACBSP Schools in Relation to IS 2002 Model
Curricula. Journal of Information Systems Education,
20(4), 469–476.
Lomerson, W. L. & Pollacia, L., (2006). CIS Enrollment
Decline: Examining Pre-College Factors. Proceedings of
the 2006 Southern Association for Information Systems
Conference (93-103). aisnet.org.
Marcoulides, G., Chin, W. & Saunders, C., (2009). Critical
Look At Partial Least Squares Modeling. MIS Quarterly,
Vol. 33 No. 1, pp. 171-175
109
Marshall, B., Cardon, P. & Godin, J. (2014). A Study Of
Project-Based Learning In An Introductory MIS Course.
Issues in Information Systems, 15(2), 24-30.
Monge, C., Cruz, J. & Fabian, J., (2014). Manufacturing And
Continuous Improvement Areas Using Partial Least
Square Modeling With Multiple Regression Comparison.
International Conference on Innovation, Technology
Transfer and Education. February 3-5, 2014, Prague,
Czech Republic
Mykytyn, P. P. & Harrison, D., (1993). The Application of
the Theory of Reasoned Action to Senior Management and
Strategic Information Systems. Information Resources
Management Journal, 6(2), 12.
National Association of Colleges and Employers (NACE).
(2012). Salary survey: Starting salaries for new
college graduates. April 2012 Executive Summary.
Retrieved on from
Http://www.naceweb.org/uploadedFiles/NACEWeb/Research/
Salary_Survey/Reports/SS_April_exsummary_4web.pdf
National Center for Education Statistics. (2008). Digest of
Education Statistics: 2008 (Report No. NCES 2009020).
Washington, DC: U.S. Department of Education.
110
National Center for Education Statistics. (2010).
Classification of Institutional Program Codes.
Recuperado de Internet de
http://nces.ed.gov/ipeds/cipcode/browse.aspx?y=55
Peslak, A., Ceccucci, W. & Sendall., P. (2010). An
Empirical Study of Instant Messaging (IM) Behavior
Using Theory of Reasoned Action. Institute of
Behavioral and Applied Management, 11(3), 263-278.
Pollacia, L. (2007). Declining Cis majors And Students’
Perceptions of the IT Profession. Proceedings of the
2007 Southern Association for Information Systems
Conference, 46-51.
Pollacia, L., & Lomerson, W. L. (2006). Analysis of Factors
Affecting Declining CIS Enrollment. Issues in
Information Systems, 7(1), 220-225.
Reid, M. F., Allen, M. W., Armstrong, D. J. &
Riemenschneider, C. K. (2010). Perspectives on
challenges facing women in IS: the cognitive gender
gap. European Journal of Information Systems, 19, 526-
539.
Saunders, G. & Lockridge, T. M. (2011). Declining MIS
Enrollment: The Death of the MIS Degree? Contemporary
Issues in Education Research, 4(1); 15-26. ABI/INFORM
Complete.
111
Sagheb-Tehrani, M. (2011). Information Systems Curriculum:
Some Concerns. International Journal of Education
Economics and Development, 2(4), 347-362.
Schildre, A. (2000), Government Failures and Institutions
in Public Policy Evaluation: The Case of Dutch
Technology Policy. Van Gorcum. 76
Snir, M. (2011, March). Computer and information science
and engineering: One discipline, many specialties.
Communications of the ACM 54(3), 38-43.
Stefanidis, A., & Fitzgerald G. (2010). Mapping the
Information Systems Curricula in UK Universities.
Journal of Information Systems Education, 21(4). 391 –
409.
Street, C., Wade, M., Bjørn-Andersen, N., Ives, B.,
Venable, J., and Zack, M. (2008). Reversing the
Downward Trend: Innovative Approaches to IS/IT Course
Development and Delivery. Communications of the AIS,
22(28), pp. 515-524
Surendra, N. & Denton, J. (2009). Designing IS Curricula
for Practical Relevance: Applying baseball’s
“moneyball” theory”. Journal of Information Systems
Education, 20(1), 77-86.
112
Tabatabaei, Manouchehr & Tehrani, Mehdi S. (2010). Factors
Impacting En Rollment In Information Systems Programs.
Issues in Information Systems, 10(1), 319-321.
Tatnall, A. (2010). Using Actor-Network Theory to
Understand the Process of Information Systems
Curriculum Innovation. Education and Information
Technologies, 15(4), 239-254.
Trower, J., Willis, GW. & Dorsett, D. (1995). An Evaluation
of Factors Influencing Intentions to Major in
Information Systems. Journal of Information Systems
Education, 6(4), 206-211.
Velázquez, B. (20 de enero del 2013) Pierde el País $3 Mil
Millones con el Éxodo. El Nuevo Día. P. 4 – 5.
Veltri, N., & Webb, H. (2011). Curriculum Mapping as a Tool
for Continuous Improvement of IS Curriculum. Journal
of Information Systems Education, 22(1). 31 – 42.
Walstrom, K. A., Schambach, T. P., Jones, K. T. & Crampton,
W. J. (2008). Why are Students not Majoring in
Information Systems? Journal of Information Systems
Education, 19(1), 43–54.
Wong, K. (2013). Partial Least Squares Structural Equation
Modeling (PLS-SEM) Techniques Using SmartPLS.
Marketing Bulletin, 2013, 24, Technical Note 1
113
Yen-Tsang, C., Csillag, J. M. & Siegler., J. (2012). Theory
of Reasoned Action for Continuous Improvement
Capabilities: A Behavioral Approach. Revista de
Administração de Empresas, 52(5), 546-564.
Zarrett, N. R. & Malanchuk, O. (2005). Who’s Computing?
Gender and Race Differences in Young Adults’ Decisions
to Pursue an Information Technology Career. New
Directions for Child and Adolescent Development, 110,
54-84.
Zhang (2007). Why IS: Understanding Undergraduate
Students’ Intentions to Choose an Information Systems
Major. Journal of Information Systems Education,
18(4), 447-458.
Zweben, S. (2005). Record Ph.D. Production on the Horizon;
Undergraduate Enrollments Continue in Decline.
Computing Research News, 17(3), 7-16.
114
Apéndice A
Preguntas en Cuestionario
Código en
Tablas
estadísticos
Constructos Indicadores
I1 Intención Intención
f2 Actitud Actitud
f3 Actitud Actitud
e4 Referente Social Familia
e5 Referente Social Amigos
e6 Referente Social Compañeros
de estudios
e7 Referente Social Consejero
e8 Referente Social Profesores
115
c9 Creencias
Relacionadas al
Trabajo
Disponibili
dad de
Empleo
c10 Creencias
Relacionadas al
Trabajo
Disponibili
dad de
Empleo
c11 Creencias
Relacionadas al
Trabajo
Disponibili
dad de
Empleo
c12 Creencias
Relacionadas al
Trabajo
Estabilidad
Laboral
c13 Creencias
Relacionadas al
Trabajo
Compensació
n laboral
d14 Creencias
Relacionadas a
la Imagen
Imagen
Personal
d15 Creencias
Relacionadas a
la Imagen
Imagen
Personal
116
d16 Creencias
Relacionadas a
la Imagen
Imagen
Social
d17 Creencias
Relacionadas a
la Imagen
Imagen
Social
d18 Creencias
Relacionadas a
la Imagen
Imagen
Social
d19 Creencias
Relacionadas al
Esfuerzo
Dificultad
del
Currículo
b20 Creencias
Relacionadas al
Esfuerzo
Dificultad
del
Currículo
b21 Creencias
Relacionadas al
Esfuerzo
Dificultad
del
Currículo
b22 Creencias
Relacionadas al
Esfuerzo
Dificultad
de
117
Especialida
d
b23 Creencias
Relacionadas al
Esfuerzo
Dificultad
de
Especialida
d
b24 Creencias
Relacionadas al
Esfuerzo
Carga
Académica
b25 Creencias
Relacionadas al
Esfuerzo
Carga
Académica
b26 Creencias
Relacionadas al
Esfuerzo
Aptitud
b27 Creencias
Relacionadas al
Esfuerzo
Aptitud
a28 Creencia
Personal
Interés
Genuino
118
a29 Creencia
Personal
Interés
Genuino
a30 Creencia
Personal
Interés
Genuino
z31 Situación
económica del
país
Situación
económica
del país
z32 Situación
económica del
país
Situación
económica
del país
119
Apéndice B
Hoja Informativa
120
Apéndice C
Instrumento de Investigación
121
122
123
124
125
126
Apéndice D
Formulario validación del instrumento
127
128
129
130
131
Apéndice E
Tabla Adaptada de Estadística del CES de PR
132
Apéndice F
Resume Evaluación de Jueces
133
134
Apéndice G
Certificación Junta de Investigación Institucional
135