Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
FACULTAD DE INGENIERÍA
Carrera de Ingeniería Informática y de Sistemas
MODELAMIENTO PREDICTIVO DE RIESGOS PSICOSOCIALES EN TRABAJADORES DE UNA
EMPRESA DEL SECTOR EDUCATIVO
Tesis para optar el Título Profesional de Ingeniero Informático y de
Sistemas
PAOLA MELISSA JESÚS CALERO
Asesor:
Moisés Egües Martínez
Lima – Perú
2019
2
JURADO DE LA SUSTENTACION ORAL
……………….……………………………………… Presidente
……………….……………………………………… Jurado 1
……………….……………………………………… Jurado 2
______________________________________________________________
Entregado el:
Aprobado por:
…………………………………………...
…………………………………………..
Paola Melissa Jesús Calero
Graduando
Moisés Egües Martínez
Asesor de Tesis
3
Declaración de Autenticidad
Yo, Paola Melissa Jesús Calero identificado con DNI Nº 72555581, Bachiller del
Programa Académico de la Carrera de Ingeniería Informática y de Sistemas de la
Facultad de Ingeniería de la Universidad San Ignacio de Loyola, presento mi tesis
titulada:
“Modelamiento predictivo de riesgos psicosociales en trabajadores de una
empresa del sector educativo” para mejorar el proceso de inducción de personal
nuevo en la Entidad Pública, en Lima – Perú.
Declaro en honor a la verdad, que el trabajo de tesis es de mi autoría; que los
datos, los resultados y su análisis e interpretación, constituyen mi aporte. Todas las
referencias han sido debidamente consultadas y reconocidas en la investigación.
En tal sentido, asumo la responsabilidad que corresponda ante cualquier
falsedad u ocultamiento de la información aportada. Por todas las afirmaciones,
ratifico lo expresado, a través de mi firma correspondiente.
Lima, Diciembre de 2019
……………………………….
Paola Melissa Jesús Calero
DNI N° 72555581
4
EPIGRAFE
No tengas miedo de renunciar a
lo bueno para ir por lo grandioso.
Jhon D. Rockefeller
5
ÍNDICE DE CONTENIDO
EPIGRAFE 4
DEDICATORIA 9
AGRADECIMIENTO 10
RESUMEN 11
ABSTRACT 12
INTRODUCCIÓN 13
CAPÍTULO I. PROBLEMA DE INVESTIGACIÓN 14
Identificación del problema 14
Diagrama de Causa Efecto 19
Análisis de las Causas Principales 20
Formulación del problema 21
Problema General 21
Problemas Específicos 21
CAPÍTULO II. MARCO REFERENCIAL 22
Antecedentes 22
Estado del arte 25
Marco teórico 26
Objetivo de la investigación 30
Objetivo General 30
Objetivo Específicos 30
Justificación 31
Justificación Teórica 31
Justificación Práctica 31
Justificación Social 31
Hipótesis 32
Hipótesis General 32
Hipótesis Específicas 32
CAPÍTULO III. MARCO METODOLÓGICO 34
Metodología 34
Paradigma 34
Enfoque 34
Método 34
6
Variables 34
Población y Muestra 35
Población 35
Muestra 35
Unidad de Análisis 36
Instrumentos y Técnicas 36
Instrumentos 36
Técnicas 36
Procedimientos y Métodos de Análisis 51
Procedimientos de recolección de datos 51
Método de análisis 52
CAPÍTULO IV. RESULTADOS 54
Comprensión del negocio 54
Comprensión de los datos 55
Preparación de los datos 59
Modelado 60
Evaluación 62
CAPÍTULO V. DISCUSIONES 63
CAPÍTULO VI. CONCLUSIONES 65
CAPÍTULO VII. RECOMENDACIONES 66
REFERENCIAS 67
7
ÍNDICE DE TABLAS
Tabla 1. Matriz de Consistencia 33
Tabla 2. Frecuencias por variable de control 35
8
ÍNDICE DE FIGURAS
Figura 1. Diagrama de Ishikawa de riesgos psicosociales 19
Figura 2. Regresión logística binaria 60
Figura 3. Primer modelamiento 61
Figura 4. Segundo modelamiento 61
Figura 5. Predictibilidad del modelo 62
9
DEDICATORIA
A mis padres, a mi hermano y a mis
abuelos por su constante apoyo y guía
en mi crecimiento personal tanto
profesionalmente como de manera
personal.
En especial, a mi abuela materna
fallecida recientemente.
10
AGRADECIMIENTO
A mi asesor por brindarme su tiempo en
la tesis.
Asimismo, agradecer a los docentes
por los conocimientos adquiridos
durante la etapa universitaria.
11
RESUMEN
La presente investigación busca desarrollar un modelo predictivo para la exposición
al riesgo psicosocial en los trabajadores de una empresa del sector educativo.
Utilizando la metodología CRISP – DM, se aplicó una regresión logística binaria en
los datos de una muestra de 487 trabajadores docentes y administrativos. Se
encontró que las variables predictoras del riesgo psicosocial son el turno de trabajo
y el sueldo del trabajador. Además, se encontró que ambas variables se relacionan
positivamente con la aparición de riesgo psicosocial, siendo los turnos más
disparejos y los sueldos más altos los que presentan una mayor exposición al mismo.
Finalmente, se halló que el modelo predictivo desarrollado cuenta con un poder
predictivo del 73.9%. El modelamiento predictivo fue otorgado a la empresa para ser
utilizado por los departamentos de gestión humana y seguridad y salud en el trabajo
para la implementación de planes de intervención focalizados y la actualización de
los perfiles de selección de la organización.
Palabras Clave: CRISP – DM, Regresión logística, Riesgo Psicosocial, Educación,
Idiomas
12
ABSTRACT
This paper seeks to develop a predictive model for exposure to psychosocial risk in
workers of a company in the language education sector. Using the CRISP - DM
methodology, a binary logistic regression was applied in the data of a sample of 487
teaching and administrative workers. It was found that the predictors of psychosocial
risk are the work shift and the worker's salary. In addition, it was found that both
variables are positively related to the occurrence of psychosocial risk, with the most
unequal shifts and the highest salaries those with greater exposure to it. Finally, it was
found that the developed predictive model has a predictive power of 73.9%. Predictive
modeling was granted to the company to be used by the human management and
occupational health and safety departments for the implementation of targeted
intervention plans and the updating of the organization's selection profiles.
Keywords: CRISP – DM, Logistic regression, Psychosocial Risk, Education,
Languages
13
INTRODUCCIÓN
En la actualidad, las empresas han adoptado un paradigma de gestión humana que
coloca al humanismo como base para la toma de decisiones. Empresas de gestión
de clima, así como consultoras de recursos humanos han tenido gran acogida a
medida que las empresas se preocupan en mayor medida del bienestar psicológico
y la satisfacción de los trabajadores con su trabajo y para con la vida en general.
Bajo ese contexto, el Perú sigue teniendo uno de los indicadores de rotación
más altos de américa latina, observándose una tasa del 18% en empresas de más
de 10 trabajadores, comparado al 5% - 10% de la región (Correo, 2014). Esta
condición resulta ser perjudicial para la rentabilidad de las empresas, al verse
afectados indicadores críticos de éxito como los sobrecostos por mano de obra o la
calidad de los entregables al tener personal nuevo con mayor regularidad.
Ante esto, el estudio de los riesgos psicosociales abre una puerta no explorada
en la gestión del bienestar psicológico en las organizaciones, buscando no solo
mitigar al trabajador de su exposición a riesgos físicos, pero también a aquellos que
puedan afectar su estabilidad emocional y cognitiva (Burgos, 2011).
El día de hoy, las tecnologías de la información han apoyado en gran medida
al desarrollo de la ciencia de datos, creando un panorama en el que muchas de las
variables que antes eran tratadas meramente de manera descriptiva por la
complejidad de sus interacciones, hoy pueden ser analizadas a mayor profundidad
gracias a esta tecnología.
El presente trabajo consta sobre el desarrollo de un modelo predictivo que
ayude a las organizaciones a identificar perfiles con un alto potencial de estar siendo
afectados por riesgos psicosociales, apoyándose en la ciencia de datos para una
mejor gestión del talento humano en las organizaciones.
14
CAPÍTULO I. PROBLEMA DE INVESTIGACIÓN
Identificación del problema
En las sociedades, ha resultado imprescindible distribuir de manera adecuada la
carga laboral que implica el cumplimiento de los objetivos comunitarios. La creación
del trabajo como una estructura social lo ha convertido en una de las aristas más
importante de la persona, otorgándole desarrollo personal en diversas áreas
humanas como la profesional, social y económica (Blanch, Sahagún & Cervantes,
2010)
El trabajo, de esta manera, coloca al individuo en una posición demandante
frente a su grupo, al tener que relacionarse con otros en organizaciones dedicadas a
suplir alguna necesidad de su comunidad.
Esta interacción puede darse entre personas de diferente cargo, siendo
superiores, iguales o subordinados.
Bajo este contexto, la pertenencia a una organización estructurada ayuda a las
personas a tener un sentimiento de satisfacción con la vida, aporte y pertenencia a
un grupo (Charria et al., 2011)
Son estas interacciones con terceros las que, en el ciclo de desarrollo personal
o profesional del individuo pueden funcionar como un entre potenciador o de manera
contraria ser un bemol en las personas (Burgos, 2011)
De esta manera, las características del entorno laboral donde un trabajador
cumple sus funciona pueden ser indicadores de su satisfacción con la vida, su
desarrollo y su grupo, influyendo en variables relevantes para las organizaciones
tales como la motivación, la permanencia, las conductas de seguridad y la
productividad (Blanch, Sahagún & Cervantes, 2010).
La constante especialización de los puestos de trabajo ha modificado el
paradigma del éxito laboral, pasando de un modelo donde el esfuerzo físico era
valorado a una era donde la competencia laboral es determinada por los
conocimientos y su uso para la resolución de problemas (Peiró, 2004).
Este cambio de paradigma exige modelos de desempeño que colocan toda la
carga sobre las condiciones cognitivas del individuo, generando una demanda
muchas veces no satisfecha (Peiró, 2004).
15
Es bajo este contexto en que surge el estrés laboral, cuando las capacidades
del colaborador resultan ser inferiores a los requerimientos de su empleador,
generándole un sentimiento de pérdida de control sobre su actuar (Bakker &
Demerouti, 2013).
Todas esas condiciones laborales que pueden generar estrés en el colaborador
y por lo tanto afectar su bienestar psicológico son llamadas riesgos psicosociales.
Almentero, Padilla y Castaño (2003) nos ofrecen una definición más técnica,
indicando que el riesgo psicosocial es el resultado de la interacción de las
condiciones del ambiente laboral con las características personales del trabajador,
generando una experiencia personal que llega a tener un impacto positivo o negativo
en su productividad y su salud en general.
Específicamente en el sector educativo, los trabajadores administrativos y
docentes tienen una fuerte carga de mantener el estándar de trato al cliente,
independientemente del trato que puedan recibir de este. Estos deben mantener una
forma de expresarse moderada y apegada al protocolo para no perjudicar los niveles
de servicio exigidos por la organización.
Para investigadores como Moncada (2014), este tipo de condiciones laborales
resultan ser inevitables, pero a la vez son perjudiciales para la salud y la motivación
del colaborador, afectando indicadores relevantes para la empresa como el
desempeño, el compromiso organizacional, la permanencia laboral y la satisfacción
con la vida en general.
Las enfermedades y lesiones no son ajenas al entorno de trabajo. Según la
Organización Internacional del Trabajo (2003), cada año se registran 0.16 billones de
enfermedades y lesiones relacionadas al trabajo. Además, se han registrado 1 millón
de muertes relacionadas a las condiciones de trabajo inapropiadas.
Por otra parte, la OIT (2003), dice que estas muertes, lesiones y enfermedades
estarían repercutiendo en la economía de los países, teniendo un efecto en
indicadores macroeconómicos como el producto bruto interno. El organismo
internaciones infiere que aproximadamente, esta pérdida de personal especializado
tendría una repercusión de 4% en el PBI de un país.
Nacionalmente, existe un marco legal que defiende los derechos laborales de
los trabajadores, Leyes como la ley general del trabajo y la ley de seguridad y salud
en el trabajo permiten que las empresas se vean obligadas a proveedor a los
16
trabajadores con condiciones de estabilidad contractual y seguridad laboral
suficientes para garantizar un entorno libre de riesgos y la posibilidad de tener
continuidad en sus puestos laborales.
Aun así, por normativa las empresas se ven obligadas a controlar condiciones
como la estabilidad contractual y las condiciones físicas, este nivel de gestión no
contempla la carga psicológica a la que se ven expuestos los trabajadores en su día
a día. La carencia de control de riesgos psicosociales en la legislatura vigente se
debe principalmente a la falta de estudios y la poca operacionalización de esta
variable en los centros laborales.
Teniendo como premisa que el contacto con clientes finales es un fuerte
generador de riesgo psicosocial bajo condiciones como las que se expresan en las
empresas de educación (Moncada, 2014). La legislatura actual, desconoce el riesgo
inevitable al que se ven expuestas estas posiciones, tratándolas como cualquier otro
trabajo y sin tener consideraciones especiales por los departamentos internos de
seguridad y salud ocupacional.
Actualmente, en un estudio realizado por un equipo de psicólogos
organizacionales, se encontró que un 52% de los trabajadores de la organización
educativa se encontrarían en una situación de riesgo psicosocial. En este sentido, la
empresa ve la necesidad de determinar cuáles de las variables relacionadas a la
aparición de este riesgo para poder intervenir en ellas y desarrollar mecanismos de
detección para nuevos colaboradores y traslados internos.
Utilizando la herramienta del FODA, la situación actual de los recursos
humanos de la organización se presenta de la siguiente manera:
Fortalezas:
• Amplia trayectoria y reconocimiento en el mercado laboral.
• Sistemas formales y flexibles de organización y control.
• Respaldo financiero corporativo.
• Procesos formales de reclutamiento y selección.
• Programas de intervención en bienestar laboral.
Oportunidades:
• Aplicación de tecnologías para desarrollo de recursos humanos.
17
• Mejorar falencias de sistemas de selección y desarrollo actuales para
disminuir el costo de mano de obra directa.
Debilidades
• Tasa de rotación anual del 13% para administrativos y 19% para
docentes.
• No existe una metodología para el seguimiento del impacto de las
iniciativas de psicología organizacional.
• Relaciones laborales poco duraderas en el staff docente.
Amenazas
• Captación de personal por parte de otras empresas con mejores
condiciones laborales.
• Renuncias por burnout interrumpen operaciones.
En ese sentido, existiendo la oportunidad de aplicar tecnologías como el
modelamiento predictivo para mitigar amenazas y reducir debilidades, la presente
investigación busca brindar evidencia sobre las variables que afectan las condiciones
psicosociales percibidas por colaboradores del sector de servicios educativos.
Marcando un hito en la evaluación de esta variable en entornos organizacionales
peruanos, se busca construir un modelo predictivo para la detección de riesgos
psicosociales en trabajadores del sector educativo.
La utilización de metodologías predictivas en el área de recursos humanos ha
dotado a las empresas con la capacidad de focalizar sus esfuerzos de intervención
en aras de mejorar el bienestar general de sus trabajadores. Sin embargo, estas
tecnologías todavía no han tenido acogida en la mayoría de empresas nacionales.
A pesar de la negativa de los departamentos de recursos humanos a
implementar metodologías de inteligencia de negocio o ciencia de datos en sus
operaciones, existen antecedentes de utilización de estas tecnologías en esas
mismas industrias. Por ejemplo, las empresas de seguros utilizan calificaciones de
crédito donde evalúan la probabilidad de morosidad de sus prospectos a crédito.
En cuanto a la aplicabilidad de ciencia de datos a los departamentos de
recursos humanos, se debe tomar en cuenta que existen requisitos para la adecuada
implementación de estas herramientas. Toda implementación debe considerar un
18
proceso de adecuación a recogida de datos válidos y confiables para poder
confeccionar futuros motores de predictibilidad.
Con estos requisitos, las empresas pueden desarrollar planes que provean
información valiosa para la toma de decisiones en los diferentes procesos del área
de recursos humanos.
Para la presente investigación, el impacto de la implementación de esta
tecnología radica en la predicción de la aparición de riesgos psicosociales, siendo
este un gran predictivo de la aparición de consecuencias como los descansos
médicos, burnout, renuncia y baja calidad. Se pretende utilizar los resultados de la
presente iniciativa para direccionar el presupuesto de intervención en bienestar
laboral a aquellas personas que realmente lo necesitan.
19
Diagrama de Causa Efecto
Figura 1. Diagrama de Ishikawa de riesgos psicosociales
20
Análisis de las Causas Principales
Con respecto a la causa efecto del fenómeno de aparición de riesgos psicosociales,
el modelo actual propone que su aparición está determinada por seis grandes
dimensiones que a su vez contemplan 20 sub dimensiones.
Las exigencias psicológicas se componen por los requerimientos cuantitativos
de desempeño y los requerimientos de esconder emociones frente a las personales,
así como también al ritmo de trabajo y a las exigencias emocionales del trabajo.
Por otra parte, las compensaciones son todas aquellas recompensas que el
empleador brinda a los trabajadores, no limitándose a aquellas de tipo monetario.
Además, se contemplan la seguridad que pueda ser ofrecida dentro del paquete de
beneficios del trabajador, considerando la estabilidad contractual del mismo y la
posibilidad de mantener las condiciones dadas de trabajo.
En cuanto al capital social, este se refiere a todo aquello que el colaborador
puede utilizar a su favor al momento de conseguir algo que este se disponga, se
consideran las dimensiones de confianza vertical y justicia.
El conflicto trabajo familia, debido a la última reestructuración psicométrica del
constructo, se compone únicamente por una dimensión, la cual se defina como la
necesidad de estar en dos lugares a la vez, descuidando alguna de tus
responsabilidades.
El control sobre el trabajo es el nivel de predictibilidad que tiene el trabajador
sobre su ambiente laboral, considerando su influencia, posibilidades de desarrollo y
sentido del trabajo.
Finalmente, el apoyo social es la interacción positiva o negativa entre los
actores de un centro laboral.
21
Formulación del problema
Problema General
¿Cuál es el modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo?
Problemas Específicos
¿Cuáles son las variables predictoras del riesgo psicosocial?
¿Cómo es un modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo?
¿Cuán valido es el modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo?
22
CAPÍTULO II. MARCO REFERENCIAL
Antecedentes
El instrumento Copenhagen Psychosocial Questionarie fue desarrollado por
Kristensen et al. (2005), teniendo como objetivo la confección de una herramienta
psicométrica para la evaluación de la exposición a riesgo psicosocial en el trabajo.
Como tecnología, el cuestionario buscaba el desarrollo de nuevas investigaciones
que profundicen el estado del arte, así como su aplicación para la resolución de
problemas de corte psicosocial en las empresas. En una muestra de 1858
trabajadores, se aplicaron análisis psicométricos para determinar la validez y
confiabilidad del instrumento, dando como resultado las dimensiones que fueron
utilizadas por otros investigadores en futuras adaptaciones.
La versión en español del instrumento para la evaluación de riesgos
psicosociales fue desarrollada por Moncada et al. (2014). En esta investigación, se
buscó confeccionar una versión del cuestionario que considerase el idioma y la
cultura española, dando indicadores de validez y confiabilidad en la muestra recogida
para dicho fin. Con una base de datos de 5110 colaboradores, se logra encontrar
indicadores de validez y confiabilidad suficientes para su uso en la población
española. Además, se confirma la estructura de dimensiones que fue propuesta por
Kristensen et al. (2005) en su momento.
Con respecto a aplicaciones del instrumento con fines de evaluación, Mollo
(2015), evalúa la retroalimentación y la exposición a riesgos psicosociales en
colaboradores de una empresa aseguradora ubicada en la ciudad de Lima, Perú.
Mediante la evaluación de 283 trabajadores, se encontraron indicios de una
tendencia correlacional negativa entre las variables evaluadas. Se concluye que la
falta de retroalimentación podría ser un desencadenante de la aparición de estos
riesgos.
23
De manera internacional, se ha evaluado el riesgo psicosocial en diversas
poblaciones. Freinmann (2015) desarrolla una investigación para describir la
tendencia correlacional entre problemas mentales y exposición al riesgo psicosocial
en una muestra de 404 estudiantes y licenciadas de enfermería de un hospital de
estado estonio. Mediante un análisis descriptivo, se logró determinar que la muestra
presenta una mayor exposición a exigencias psicológicas. Con respecto a la
prevalencia de problemas mentales, se encontró altos niveles de estrés y burnout
comparados a otros grupos muestrales. Finalmente, en el estudio correlación, se
logró determinar que las exigencias psicológicas se ven relacionadas positivamente
con la aparición de estrés y burnout. Por otra parte, se encontró que la aparición de
una exposición al riesgo psicosocial se veía relacionada de manera negativa con la
aparición de burnout.
Con respecto al uso de modelamiento predictivo aplicado a los recursos
humanos, Malisetty, Archana y Vasanthi (2017) realizaron un compendio de fuentes
secundarias acerca de cómo la analítica predictiva optimizado la labor de los pioneros
en el uso de tecnologías en recursos humanos para resolver problemas frecuentes
en el área de recursos humanos mediante un mejor uso de la información, buscando
resaltar la manera en la que la analítica predictiva puede resolver los problemas de
la gestión de recursos humanos en entornos de grandes cantidades de datos. Se
encuentra que los departamentos de recursos humanos se encontrarán en la
capacidad de brindar pronósticos exactos, teniendo un rol proactivo en la gestión,
dejando atrás el modelo receptivo de la actualidad. Sin embargo, también se
encuentra que actualmente las tecnologías derivadas de la ciencia de datos son poco
conocidas y utilizadas en los departamentos de recursos humanos, existiendo la
oportunidad de implementar mejoras sustanciales en las empresas que estén
abiertas a adoptar estas tecnologías.
En Estados Unidos, Weena y Mishra (2015) buscaron determinar el impacto de
la aplicación de software de analítica de recursos humanos en el rendimiento de una
organización. Haciendo uso de Oracle HR Analytics, OrgPublisher y People soft se
intervino tres empresas de gran envergadura, buscando automatizar los reportes de
necesidades de capacitación, estructura organizacional e información acerca del
capital humano. Se encontró que el uso de software de analítica mejoró el resultado
de los procesos de gestión humana de las organizaciones, teniendo mayor impacto
en los planes de sucesión, necesidades de contratación y planificación de
intervenciones organizacionales.
24
Por su parte, Mishra, Lama y Pal (2016) estudiaron la aplicación de analítica
predictiva en el desempeño, compromiso, patrones de colaboración y rotación de
personal para la toma de decisiones en empresas de la India. Mediante la recolección
de datos de recursos humanos en empresas de la India y la aplicación de
modelamiento predictivo, se encontró que las empresas con un alto compromiso
presentan ratios de rentabilidad 20% mayores a aquellas que no, generando además
un modelo para predecir las variaciones del compromiso organizacional en el tiempo.
Se concluye que la aplicación de analítica predictiva puede ayudar a encontrar
oportunidades ocultas, ayudando a controlar las variables que se esconden detrás
de ellas.
Dulebohn y Johnson (2013) estudian la utilización de las métricas de recursos
humanos en la actualidad. Realizando entrevistas y el análisis de procesos en
departamentos de recursos humanos en estados unidos, se encontró que estos
presentan muchas métricas sin embargo no son utilizadas en la toma de decisiones.
Sánchez (2017) aplica modelos estadísticos para determinar la deserción
estudiantil en escuelas profesionales de Puno. Se aplicó la metodología de la
regresión logística para explorar las variables que influyen en la deserción estudiantil
y poder predecirla para realizar acciones preventivas. Se encontró un modelo de
clasificación correcta del 91.2%, concluyendo que la deserción estudiantil puede ser
predicha haciendo uso de variables socioeconómicas.
25
Pacco (2015), elabora un análisis predictivo basado en redes neuronales no
supervisadas mediante la aplicación de un algoritmo de k-means y la metodología
crisp-dm para pronosticar la morosidad de un grupo de alumnos en la Universidad
Peruana Unión. Haciendo uso de la herramienta Power BI se diseñaron los modelos
de clúster para la toma de decisiones haciendo uso de ETL para centralizar los datos.
Se lograron obtener análisis descriptivos hasta reportes de modelos de clasificación
para determinar el riesgo de morosidad de diferentes facultades de la universidad.
Estado del arte
Con el paso del tiempo, el avance de las tecnologías ha repercutido en diversos
sectores de la industria, modificando la manera en la que se toman decisiones y se
organizan las operaciones. El sector de la predicción y control de la conducta está
empezando a ser optimizado por disciplinas emergentes como las ciencias
informáticas o la ciencia de datos, eso se evidencia en la aparición de investigaciones
relacionadas al uso de ciencia de datos en variables conductuales (León, 2013).
Esta paulatina intervención de nuevas ciencias que brindan formalidad y
rigurosidad a un campo tan abstracto como la conducta ha llamado la atención de
investigadores en todo el mundo. Según Malisetty, Archana y Vasanthi (2017), existe
la oportunidad de implementar estas nuevas tecnologías en las organizaciones,
brindando la posibilidad de optimizar la gestión de los departamentos de recursos
humanos y por lo tanto mejorar el valor ofrecido al accionista. Si bien la aplicación de
ciencia de datos es un campo poco explorado en América Latina e
internacionalmente, el estado del arte presenta ya sus primeros referentes.
El análisis de datos ha visto una evolución paulatina a lo largo del tiempo, el
procesamiento de data tradicional está siendo dejado de lado para dar pie al
procesamiento de grandes volúmenes de datos no estructurados en tiempo real. Ante
esto, las gigantes de tecnologías de la información han apostado por el desarrollo de
productos que permitan gestionar datos no estructurados en tiempo real.
Con respecto a las metodologías actuales para el desarrollo de modelamiento
predictivo, el mercado ofrece tecnologías como IBM SPSS Modeler, Oracle Data
Mining ODM, R, Lionoso y Advancedminer.
Según Grández (2017), IBM SPSS sería la herramienta con la mayor facilidad
de uso para datos estructurados que no son analizados en tiempo real.
26
Marco teórico
El primer modelo para explicar el estrés laboral fue propuesto por Karasek, Baker,
Marxer, Ahlbom y Theorell (1981), entendiendo este fenómeno como el resultado de
la interacción entre las demandas del trabajo y el control que el individuo puede
ejercer sobre ellas. El modelo, denominado “Demanda – Control” hacía referencia a
la autonomía y posibilidades de desarrollo en la empresa, así como a la cantidad de
trabajo en relación con el tiempo disponible para su consecución (Karasek et
al.,1981).
El modelo fue ampliado por Johnson y Hall (1988), los cuales incluyeron la
dimensión de “Apoyo Social”, funcionando como un factor de protección frente a las
características desfavorables del modelo de Karasek et al. (1981).
Finalmente, Siegrist (1996) trata de presentar el estrés laboral como la
posibilidad de perder las facultades básicas del individuo, tales como la salud o la
estabilidad económica. El modelo de Siegrist (1996) fue denominado de “Esfuerzo –
Recompensa” y consideraba que el estrés aparece por la falta de control que se le
otorga al individuo sobre el resultado de su accionar.
Estas tres teorías del estrés laboral son utilizadas para construir el instrumento
CoPsoQ – Istas 21, el cual evalúa 6 grandes dimensiones divididas en 20 sub
dimensiones.
Las dimensiones que se desprenden de los modelos utilizados para la
construcción del instrumento son: Exigencias psicológicas, Conflicto trabajo - familia,
Control sobre el Trabajo, Apoyo Social y Calidad del Liderazgo, Compensaciones del
Trabajo y Capital Social.
Se entiende por exigencias psicológicas cuantitativas a todas aquellas
derivadas de la cantidad de trabajo asignado al trabajador. Se considera que son
altas cuando se tiene más trabajo del que podemos realizar en el tiempo asignado.
Existe una relación estrecha con el ritmo de trabajo, la distribución de trabajo entre
el personal disponible y la pobre planificación. Las empresas que presentan una alta
exigencia percibida en esta dimensión tienden a tener falta de personal, incorrecta
medición de tiempos, inadecuación tecnológica, falta de materiales o reprocesos
(Moncada, 2014).
27
El ritmo de trabajo se asocia con la intensidad de la jornada laboral, altamente
correlacionada con la cantidad exigida y el tiempo para ello. Se comparte una cercana
relación con exigencias cuantitativas, comúnmente encontrando su origen en el
mismo fenómeno, aunque el ritmo de trabajo puede verse afectado por coyunturas
pasajeras (cambios en la planilla, presión por parte de los clientes o averías en los
equipos de trabajo) (Moncada et al., 2014).
La exigencia emocional implica no involucrarse sentimentalmente en la
situación de otros, por lo que deriva directamente de la interacción interpersonal
implicada en el trabajo. Se encuentra especialmente en ocupaciones de servicio a
personas en necesidad o que necesitan integrar un cambio en la vida de otros (Ej.
Médicos, enfermeras, psicólogos, abogados.). Sin embargo, las exigencias
emocionales se encuentran profundamente ligadas a tareas que no pueden ser
obviadas o eliminadas, por lo que el trabajador expuesto debe adquirir habilidades
para sobrellevar la situación o reducir la frecuencia y la intensidad de exposición a la
tarea (Moncada et al., 2014).
Exigencia de esconder emociones está definida como aparentar neutralidad sin
importar el comportamiento de la persona con la que interactúas. Se observa en
mayor medida en ocupaciones cuya principal tarea se encuentra ligada a la
prestación de servicios. Además, la exigencia de esconder emociones puede
presentarse con los superiores, compañeros de trabajo o proveedores de la empresa
o de empresas ajenas a la misma. Como en la exigencia emocional, las tareas
relacionadas a la necesidad de esconder emociones no pueden ser eliminadas, por
lo que el trabajador afectado debe desarrollar habilidades de afrontamiento, disminuir
la exposición o gestionar cambios en las políticas deficientes que provoquen
malentendidos con clientes, proveedores o trabajadores (Moncada et al., 2014).
La dimensión Conflicto Trabajo – Familia explica la necesidad de atender
actividades de igual importancia en el entorno laboral como familiar al mismo tiempo,
exponiendo al individuo a decidir descuidar uno de los dos (Moncada et al., 2014).
Se encuentra compuesto por una sub - dimensión: Doble Presencia (Moncada et al.,
2014).
Se define a la doble presencia como exigencias que aparecen al mismo tiempo
y son de la misma importancia en el ámbito laboral y en el ámbito doméstico-familiar.
Se considera que alcanzan niveles elevados cuando los requerimientos del trabajo
terminan por interferir con los requerimientos familiares (Moncada et al., 2014).
28
La dimensión Control Sobre el Trabajo se relaciona con las condiciones de
trabajo que posibilitan la gestión y toma de decisiones del trabajador sobre variables
como cronogramas, procedimientos u organización (Pérez & Nogareda, 2012). Se
encuentra compuesto por las dimensiones: Influencia, posibilidades de desarrollo y
sentido de trabajo.
Se explica a la influencia como el margen de facultades que tiene el trabajador
sobre su trabajo en general, específicamente en las tareas que lleva a cabo o en la
manera en que las realiza. Se refiere a la participación del trabajador en las
decisiones referentes a la manera en la que realiza sus actividades cotidianas, en las
políticas que fomentan su autonomía y en la apertura que se le ofrece para expresar
sus opiniones (Moncada et al., 2014).
Las posibilidades de desarrollo son las oportunidades que se encuentran en la
realización del trabajo para incrementar los conocimientos, habilidades y experiencia
del trabajador en aras de desarrollar nuevas competencias y alcanzar logros. Se
relaciona con la complejidad y diversidad de la ocupación, considerándose al trabajo
monótono y repetitivo como el desencadenante de este riesgo (Moncada et al., 2014).
El sentido del trabajo se orienta a evaluar el vínculo del trabajo con otros valores
fuera del económico, ya sea por su utilidad, e aprendizaje que produce o el impacto
social del mismo. Este vínculo ayudaría a superar de manera positiva las exigencias
del mismo (Moncada et al., 2014).
La dimensión de Apoyo Social y Calidad de Liderazgo permite determinar la
calidad de las relaciones establecidas con superiores y pares en el ambiente de
trabajo (Pérez & Nogareda, 2012). Se encuentra compuesto por las dimensiones:
Apoyo social de compañeros, Calidad del Liderazgo, Sentimiento de Grupo,
previsibilidad, claridad de rol y conflicto de rol (Moncada et al., 2014).
El apoyo social de los compañeros está conceptualizado como la
predisposición a la cooperación por parte de las personas con las que se realiza la
tarea. Se observa en ambientes de competitividad frente a una misma tarea (Ej.
Vendedores de autos o salarios basados en ventas dentro de un mismo local). Por
otra parte, el apoyo social de los superiores se refiere a las políticas y procedimientos
que fomentan al superior como una figura de desarrollo al grupo que gestiona
(Moncada et al., 2014).
29
Calidad del liderazgo hace alusión a la gestión de equipos realizada por los
jefes inmediatos. Se le relaciona a las políticas y procedimientos de gestión del
talento, capacitación y empoderamiento (Moncada et al., 2014).
En cuanto al sentimiento de grupo, se entiende como el sentimiento de
pertenencia al colectivo humano de la organización, se utiliza como indicador de
calidad de relaciones laborales y se le relaciona con el apoyo social percibido
(Moncada et al., 2014).
Se entiende como previsibilidad a la disposición de información suficiente para
adecuarse a los cambios laborales con anticipación, minimizando el impacto del
mismo. La falta de previsibilidad indica fallas en la difusión de información relevante,
comunicación poco relevante al empleo o falta de formación (Moncada et al., 2014).
Se conoce a la claridad del rol como el conocimiento específico de las tareas,
así como en recursos, autonomía, responsabilidades y objetivos relacionados, se le
relaciona con una buena definición y difusión de puestos de trabajo (Moncada et al.,
2014).
El conflicto de rol es aquel dónde exigencias causan conflictos profesionales o
éticos, exponiendo al trabajador a tareas con las que puede no estar de acuerdo o
cuando estas van en contra de sus principios (Moncada et al., 2014).
La dimensión de Compensaciones del trabajo evalúa la retribución monetaria y
emocional obtenida de manera suficiente o insuficiente a cambio del trabajo
realizado. Se encuentra compuesta por las dimensiones: Reconocimiento e
inseguridad sobre el empleo (Moncada et al., 2014).
El reconocimiento se conceptualiza como el trato ofrecido por la dirección en
retribución al trabajo del individuo, dándole valor, respeto y un trato justo. Se
relaciona con políticas de participación, con la arbitrariedad, las promociones,
horarios, pagos y tareas (Moncada et al., 2014).
La inseguridad sobre el empleo es la preocupación por la continuidad laboral
del trabajador, estando relacionada a la estabilidad del empleo y a las características
del mercado laboral. Se percibe de diferente manera según el perfil y las
responsabilidades del trabajador. Por otra parte, la inseguridad sobre las condiciones
de trabajo se define como la preocupación en relación a cambios en las condiciones
laborales, como los horarios, las tareas o el ambiente (Moncada et al., 2014).
30
La dimensión de Capital Social determina la buena fe depositada en las
relaciones del trabajador con las empresas, sus superiores y sus pares. Se encuentra
compuesto por las dimensiones de: Confianza y Justicia (Moncada et al., 2014).
La confianza es la certeza de la competencia y el buen actuar de los
trabajadores y directivos de la organización. En situaciones donde el poder se
distribuye de manera desigual, la confianza implicaría que la persona con mayor
poder no lo usará para fines faltos a la ética. Se relaciona con la opinión favorable
con respecto a los directivos, la información confiable y la libre expresión (Moncada
et al., 2014).
Finalmente, la justicia se entiende como la equidad con la que los trabajadores
son tratados, tiene que ver con la posibilidad de cuestionamiento, la razonabilidad y
la ética, evitando la arbitrariedad (Moncada et al., 2014).
Objetivo de la investigación
Objetivo General
Construir un modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo.
Objetivo Específicos
Identificar las variables predictoras del riesgo psicosocial.
Diseñar un modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo.
Validar el modelo predictivo para la detección de riesgos psicosociales en
trabajadores del sector educativo.
31
Justificación
Justificación Teórica
Desde un punto de vista teórico, el presente estudio aporta a la evaluación y
reconocimiento de la influencia entre las variables que giran en torno al constructo
del riesgo psicosocial. Gracias a la presente investigación se podrá reconocer cuales
son las variables que tienen una mayor influencia en la posibilidad de aparición de
este fenómeno, generando nuevas preguntas de investigación que terminen por
profundizar en el estado del arte de la materia.
Justificación Práctica
Finalmente, desde un punto de vista práctico, la presente investigación sirve para
que las empresas puedan tener mejores herramientas de diagnóstico para
determinar los perfiles más propensos a la aparición de riesgos psicosociales en las
empresas. De esta manera, se pueden implementar mecanismos de reclutamiento y
selección evaluación de clima y diversas aristas de la evaluación humana para
mejorar las organizaciones como un conjunto y evitar que se propague el riesgo.
Justificación Social
Desde un punto de vista social, la investigación en riesgos psicosociales aporta a la
concientización de los colectivos pertinentes en aras de generar reconocimiento y
legislación pululante al tema. De esta manera, los resultados del presente estudio
pueden ser utilizados como un antecedente para el desarrollo de proyectos de ley
que permitan la inclusión del constructo de riesgos psicosociales en las obligaciones
que tienen las empresas para con sus trabajadores.
32
Hipótesis
Hipótesis General
El modelo predictivo si permite detectar los riesgos psicosociales en trabajadores del
sector educativo
Hipótesis Específicas
Si se puede determinar un grupo de variables como predictoras de riesgos
psicosociales en trabajadores del sector educativo.
Si se puede diseñar un modelo predictivo que permita detectar los riesgos
psicosociales en trabajadores del sector educativo.
Si se puede obtener un modelo predictivo con un nivel de precisión aceptable
para detectar los riesgos psicosociales en trabajadores del sector educativo.
33
Tabla 1. Matriz de Consistencia
34
CAPÍTULO III. MARCO METODOLÓGICO
Metodología
El presente estudio es de tipo cuantitativo, recogiendo información numérica de los
fenómenos de la naturaleza para su posterior estudio. Además, es básico, generando
información teórica para el estado del arte de la materia (Hernández, Fernández y
Baptista, 2006)
Paradigma
Se considera el paradigma positivista, el cual promueve que, desde un punto de vista
epistemológico, la ciencia consiste en entender el mundo mediante un enfoque
numérico. Este enfoque promueve el entendimiento y control de los fenómenos
naturales.
Enfoque
El enfoque del presente estudio es cuantitativo al otorgar valores numéricos a los
fenómenos de la naturaleza, utilizando estos datos en procesos estadísticos para la
generación de información y nuevo conocimiento.
Método
En cuanto al diseño del estudio, se considera de tipo no experimental al no haber
manipulación arbitraria de alguna variable independiente para analizar sus efectos
en las variables dependientes.
Variables
Debido a la naturaleza no experimental del presente estudio, este no considera
variables dependientes o independientes. La variable a ser predicha en el presente
estudio es la de aparición de riesgo psicosocial. Las demás variables a ser sometidas
35
a prueba de modelamiento predictivo son un grupo de demográficos y condiciones
laborales.
Población y Muestra
Población
La población del estudio considera a trabajadores del sector educativo de la ciudad
de Lima, Perú. En la organización evaluada laboran sujetos mayores de 18 años con
cargos docentes o administrativos, de ambos sexos, tiempos de servicio y
modalidades contractuales.
Muestra
El muestreo fue de tipo censal (Sánchez & Reyes, 2008), por lo que se utiliza a toda
la población, se incluyó a todos los trabajadores sin ningún tipo de criterio de
exclusión. Se logró evaluar a 487 trabajadores, distribuidos según las variables
sociodemográficas de la tabla 1.
Tabla 2. Distribución de participantes
Variable demográfica f f%
Sexo
Hombre 207 42.5%
Mujer 280 57.5%
Edad
Menos de 31 años 162 33.3%
31 a 45 años 225 46.2%
Más de 45 años 100 20.5%
Tipo de trabajador
Administrativo 305 62.6%
Docente 182 37.4%
Tipo de jornada
Jornada partida 251 51.5%
Turno tarde 120 24.6%
36
Turno mañana 116 23.8%
Nota: n = 487
Unidad de Análisis
Se consideró como observación a cada uno de los trabajadores de la entidad
educativa evaluada.
Instrumentos y Técnicas
Instrumentos
Se hizo uso del CoPsoQ II – Istas 21 en su versión media, validado por Moncada
(2014). El instrumento se compone por 69 ítems politómicos con cuatro posibilidades
de respuesta de frecuencia o intensidad según el tipo de pregunta. El instrumento
además cuenta con una ficha sociodemográfica donde se indaga acerca del sexo,
edad, tipo de trabajo, tiempo de servicio y modalidad contractual del evaluado.
Como se mencionó en la revisión teórica, el modelo de riesgos psicosociales
propuesto por la metodología CoPsoQ – Istas 21 se encuentra compuesto por seis
dimensiones conformadas por veinte sub-dimensiones de tres o cuatro ítems cada
una.
Técnicas
Se hará uso de la técnica de la encuesta, mediante el uso de un cuestionario
estandarizado.
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
Procedimientos y Métodos de Análisis
Procedimientos de recolección de datos
Se hizo uso de datos resultantes de una consultoría en materia de seguridad y salud
ocupacional realizada en el 2015. Los cuestionarios fueron aplicados en jornadas de
evaluación, verificando que los trabajadores pudieran responder los ítems dentro de
su horario laboral, sin presiones y comprendiendo a cabalidad el contenido de los
reactivos.
52
Método de análisis
Para poder explotar los datos recolectados, se hará uso de la metodología CRISP-
DM. De acuerdo a Goicochea (2009), los pasos de la metodología CRISP-DM
implican la comprensión del negocio, comprensión de los datos, preparación de los
datos, modelado, evaluación y despliegue.
Con respecto a la comprensión del negocio, la metodología propone el
establecimiento de los objetivos del negocio, la evaluación de la situación, la
determinación de objetivos para la minería de datos y la generación de un plan para
el proyecto (Herramientas, equipos y técnicas).
Luego, en la comprensión de los datos, se realiza la recopilación de datos, la
descripción de los mismos, un análisis exploratorio y se realizan hipótesis sobre las
relaciones más evidentes.
Posteriormente, en la etapa de preparación de datos, se seleccionan los datos
que participarán en el análisis, se limpian, se construyen, integran y formatean. El
objetivo de este paso es el de obtener un dataset listo para aplicar el proceso de
minería.
En el modelado, se seleccionan la o las técnicas a ser utilizadas para la
elaboración del modelo predictivo, se diseña la evaluación, se construye un modelo
y se realiza la evaluación del mismo.
Para la etapa de evaluación, se verifica la pertinencia de los resultados con las
necesidades del negocio, se revisa el proceso y se establecen las acciones a ser
tomadas con respecto a los resultados.
Finalmente, en la etapa de despliegue, se hace uso de los modelos para
integrarlos a la organización y explotar sus resultados. Para esto, se planifica la
estrategia de despliegue, monitorización, se genera un informe de implementación y
se revisa el cumplimiento de los supuestos del proyecto.
53
Para la técnica de modelamiento predictivo se usará la regresión logística, el cual es
un tipo de análisis de regresión utilizado para predecir el resultado de una variable
categórica en función de las variables independientes o predictoras. Es útil para
modelar la probabilidad de un evento ocurriendo como función de otros factores.
Se cuenta con 2 principales tipos de regresión logística:
Regresión logística binaria se usa cuando la variable dependiente es una
variable binaria.
Regresión logística multinomial se usa cuando la variable dependiente es una
variable nominal de más de 2 categorías.
La regresión logística binaria es la más adecuada para el uso del programa IBM
SPP por los siguientes requisitos: IBM SPSS es uno de los programas estadísticos
más conocidos teniendo en cuenta su capacidad para trabajar con grandes bases de
datos y una sencilla interfaz para la mayoría de los análisis. Para construir un modelo
de regresión logística binaria se necesita un conjunto de variables independientes o
predictoras, una variable respuesta dicotómica. Dado los valores de las variables
independientes, estima la probabilidad de que se presente el evento de interés.
Podemos evaluar la influencia que cada variable independiente tiene sobre la
respuesta.
Por lo tanto, las variables del presente estudio cumplen para ser utilizadas en
un modelo de regresión logística binaria.
54
CAPÍTULO IV. RESULTADOS
Comprensión del negocio
En el presente apartado se discutirá los objetivos del negocio y los requisitos del
proyecto para poder traducirlos a objetivos técnicos y elaborar un plan que satisfaga
el logro de las metas planteadas.
Determinar los objetivos del negocio:
El objetivo para la minería de datos es proveer al negocio con un mecanismo
confiable para la predicción de riesgos psicosociales para la pronta intervención
organizacional; evitando así la aparición de síndromes como el burnout, la baja
satisfacción, el bajo nivel de compromiso organizacional, la baja productividad o la
alta rotación de puestos clave.
• Determinar el nivel de riesgo psicosocial de los trabajadores actuales
de la organización.
• Predecir el riesgo de aparición de riesgos psicosocial de los
trabajadores actuales de la empresa.
• Predecir el riesgo de aparición de riesgo psicosocial de los nuevos
postulantes a la empresa.
Criterios de éxito del negocio
El negocio espera poder tener la posibilidad de realizar predicciones lo
suficientemente confiables como para poder ofrecer consejo al departamento de
recursos humanos para su pronta acción en estos perfiles de riesgo.
Evaluación de la situación
La empresa no cuenta con ningún proceso o tecnología de minería de datos
establecida para el tratamiento de la información que se genera en la organización.
De esta manera, la implementación del modelamiento predictivo deberá tener
la menor injerencia posible en los procesos actuales de la organización, buscando
evitar la resistencia al cambio por parte de los directivos o los ejecutivos de recursos
humanos.
55
Inventario de recursos:
La empresa ha puesto a disposición del equipo un computador con el software IBM
SPSS para el tratamiento de los datos y el desarrollo del modelo de predicción.
Requisitos, supuestos y restricciones:
Para proteger la identidad de los trabajadores, la empresa únicamente permitió
utilizar datos de manera anónima, restringiendo la cantidad de datos de control a ser
a utilizados en el modelo.
Determinar los objetivos de la minería de datos
• Describir el riesgo psicosocial de los trabajadores actuales de la
organización.
• Desarrollar un modelo predictivo para la aparición de riesgos
psicosociales en los trabajadores de la empresa
Criterios de éxito de la minería de datos.
La necesidad de fiabilidad por parte de la empresa será traducida en un 70% de
casos correctamente predichos, al considerar que, al ser variables susceptibles a la
subjetividad de los sujetos, estas pueden no presentar indicadores superiores de
predictibilidad.
Realizar el plan del proyecto
• Etapa 1. Análisis de la estructura base de datos recibida por el
departamento de RRHH.
• Etapa 2. Preparación de los datos para facilitar la minería de datos.
• Etapa 3. Elección de técnica de modelamiento predictivo.
• Etapa 4. Análisis de resultados.
• Etapa 5. Presentación de resultados finales
Comprensión de los datos
En este apartado se analizan los datos recogidas, averiguando sobre sus
descripciones principales y elaborando hipótesis sobre las relaciones más evidentes
entre sus datos.
56
Recolección de los datos
La base de datos obtenida por parte del departamento de recursos humanos contenía
los siguientes datos:
• Sexo
• Edad
• Sede
• Tipo
• Tiempo de servicio
• Turno
• Sueldo
• Riesgo Psicosocial
Descripción de los datos
• Sexo
Variable dicotómica que indica la sexualidad biológica del trabajador.
• Edad
Variable de tipo intervalo que indica la edad del trabajador.
• Sede
Variable de tipo nominal que indica la ubicación del centro de trabajo
del colaborador.
• Tipo
Pertenencia del trabajador al equipo administrativo o de docencia de
la entidad.
• Tiempo de servicio
Variable de tipo intervalo que indica el tiempo de permanencia del
trabajador en la planilla de la empresa.
57
• Turno
Variable categórica que indica el turno en el que trabaja el colaborador,
se ordena de manera ascendente en término del riesgo psicosocial
que provoca en el trabajador.
• Sueldo
Variable de tipo intervalo que indica el monto correspondiente a la
remuneración básica mensual de cada trabajador.
• Riesgo Psicosocial
Variable dicotómica que indica la presencia de riesgo psicosocial en el
trabajador.
58
Exploración de los resultados
En la tabla 3 se observa la distribución de la aparición de riesgos psicosociales por
cada una de las variables de control a ser utilizadas en el modelamiento predictivo.
Es una tabla resumen de los resultados de la evaluación realizada por el equipo de
psicólogos organizacionales de la institución.
Tabla 3. Frecuencias por variable de control
Categoría No Riesgo Riesgo % Riesgo
Sexo Hombre 132 75 36%
Mujer 188 92 33%
Edad
Menos de 31 106 56 35%
31 - 45 Años 150 75 33%
45 a más años 64 36 36%
Sede
Oficina Central 48 28 37%
Oficina La Molina 50 29 37%
Oficina Lima Cercado 54 17 24%
Oficina Lima Norte 64 25 28%
Oficina Miraflores 59 28 32%
Oficina San Miguel 42 40 49%
Oficina Surco 3 0 0%
Tipo Administrativo 199 106 35%
Docente 121 61 34%
Tiempo de Servicio
Menos de 1 año 40 8 17%
1 - 2 años 56 32 36%
2 - 5 años 86 39 31%
5 - 10 años 54 38 41%
Más de 10 años 84 50 37%
Turno
Fijo Mañana 79 37 32%
Fijo tarde 85 35 29%
Jornada Partida 156 95 38%
Sueldo
950 - 1199 67 5 7%
1200 - 1799 138 26 16%
1800 - 3499 82 63 43%
3500 - 5499 27 49 64%
5500 - 10000 6 24 80%
n = 487
De manera especulativa, analizando los datos encontrados se pueden realizar
hipótesis. En cuando a las variables de sexo, edad, sede, tipo y tiempo de servicio,
estas parecerían no estar relacionadas con la aparición de riesgo psicosocial.
59
Sin embargo, las variables de turno y sueldo muestran una tendencia creciente
en la aparición del riesgo.
Preparación de los datos
En este paso, las variables se preparan para poder ser parte del análisis posterior.
Se asigna un número a cada una de las opciones de respuesta de cada variable,
respetando el tipo de cada una, sean cuantitativas o cualitativas.
• Variable 1: Sexo
o 1: Hombre
o 2: Mujer
• Variable 2: Edad
o 1: Menos de 31
o 2: Entre 31 y 45
o 3: 45 a más
• Variable 3: Tipo (Ordenado en grado de exposición al cliente externo)
o 1: Administrativo
o 2: Docente
• Variable 4: Tiempo de servicio
o 1: Menos de 1 año
o 2: De 1 a 2 años
o 3: De 2 a 5 años
o 4: De 5 a 10 años
o 5: Más de 10 años
• Variable 5: Sueldo
o 1:1200 – 1799
o 2: 1800 – 3499
o 3: 3500 – 5499
o 4: 5500 - 10000
• Variable 6: Turno
o 1: Fijo Mañana
o 2: Fijo Tarde
o 3: Jornada Partida.
• Variable 7: Riesgo psicosocial
o 0: No
60
o 1: Si
Se decidió no utilizar la variable sede al no encontrar información histórica
acerca de los posibles niveles de exposición al riesgo en cada una de ellas, siendo
excluidas del modelo.
Al terminar este paso, se cuenta con un dataset listo para el proceso de
modelamiento predictivo.
Modelado
Se decidió utilizar la regresión logística binaria como técnica de modelamiento
predictivo, el modelo CoPsoQ - Istas fue validado con técnicas psicométricas, las
cuales dan resultados sobre su validez y confiabilidad como constructo, evaluando
los datos para crear una ecuación que nos permita obtener una probabilidad de
ocurrencia de un evento.
De esta manera, como se observa en la figura 2, se utilizó el programa IBM
SPSS para ingresar los datos y analizarlos.
Figura 2. Regresión logística binaria
Luego del análisis, como se observa en la figura 3, solamente dos de las
variables son explicativas a un nivel de significación suficiente para ser consideradas
dentro del modelo.
61
Figura 3. Primer modelamiento
Se vuelve a realizar el análisis quitando las variables que no entraron en el
modelo. Como se observa en la figura 4, los valores B de cada variable cambiaron
levemente.
Figura 4. Segundo modelamiento
Analizando los resultados finales, se encuentra que la variable sueldo y la
variable turno explican la aparición de riesgos psicosociales en el trabajo. Además,
se encuentra que a mayor sueldo o en turnos más disparejos hay mayor probabilidad
de la aparición de riesgo psicosocial.
Por otra parte, se encuentra que el sueldo es la variable más relacionada al riesgo
psicosocial.
De esta manera, la ecuación de probabilidad para la aparición de riesgos
psicosociales estaría configurada de la siguiente manera:
1
1 + exp(−4,439 − 1,101 ∗ 𝑆𝑢𝑒𝑙𝑑𝑜 − 0,305 ∗ 𝑇𝑢𝑟𝑛𝑜)
En cuanto a la evaluación del modelo, en la figura 5 se encuentra que se ha
logrado predecir un 73.9% de la aparición de riesgo psicosociales.
62
Figura 5. Predictibilidad del modelo
Evaluación
Con el desarrollo de este modelo, invocamos los objetivos del negocio para verificar
su cumplimiento.
• Determinar el nivel de riesgo psicosocial de los trabajadores actuales
de la organización.
• Predecir el riesgo de aparición de riesgos psicosocial de los
trabajadores actuales de la empresa.
• Predecir el riesgo de aparición de riesgo psicosocial de los nuevos
postulantes a la empresa.
En cuanto al primer objetivo, este fue logrado mediante el análisis de
descriptivos, otorgando medidas de riesgo por cada variable de control utilizada en
el instrumento.
Con respecto al segundo objetivo, este fue logrado mediante la utilización de la
ecuación obtenida para la obtención de una probabilidad de aparición de riesgo
psicosocial en los trabajadores que no participaron del diagnóstico inicial.
Finalmente, el equipo de recursos humanos puede hacer uso de la ecuación
para predecir.
De esta manera, habiendo cumplido los objetivos, la información deberá ser
enviada a los actores pertinentes para los descubrimientos se alineen a las practicas
actuales de gestión del talento humano y seguridad y salud en el trabajo de la
organización.
63
CAPÍTULO V. DISCUSIONES
El campo del modelamiento predictivo aplicado a variables de la psicología
organizacional es un campo relativamente nuevo en américa latina y el mundo en
general. El objetivo del presente estudio fue utilizar una metodología difundida en el
mercado para el desarrollo de un modelo que nos permite predecir a la aparición de
condiciones de riesgo psicosocial en el trabajo y se adapte a las necesidades de una
empresa de educación de idiomas.
Primero que todo, los resultados fueron congruentes con mucha de la literatura
encontrada acerca del tema. Con respecto a la aparición del turno de trabajo y al
sueldo como los principales predictores de la aparición de riesgo psicosocial, estos
resultados son congruentes con Freinmann (2015), donde se explica que las
exigencias psicológicas se ven ligadas a la aparición de síndromes como estrés o
burnout. Se puede inferir que las posiciones con sueldos más altos tienen funciones
más orientadas a la resolución de problemas y otorgamiento de resultados
demostrables al corto y mediano plazo, mostrando niveles de exigencias psicológicas
superiores a los sueldos de una menor responsabilidad.
Como explicaban Malisetty, Archana y Vasanthi (2017), la utilización de
modelamiento predictivo aplicado a procesos de recursos humanos puede ser muy
útil para solucionar problemas de gestión diaria. En cuanto a la empresa intervenida,
los resultados fueron útiles para poder implementar iniciativas dirigidas de prevención
de riesgos psicosociales y además para identificar aquellas posiciones con una
mayor propensión al riesgo en aras de tener mejores filtros de selección de personal.
Finalmente, con respecto a la congruencia del presente estudio con los
resultados obtenidos por Weena y Mishra (2015), la empresa consultada no contaba
ni pensaba implementar sistemas para la gestión de base de datos y menos aún para
la analítica de los mismos. El presente estudio tuvo que utilizar herramientas no
integradas para poder desarrollar el modelamiento, una realidad nacional que
medianas y pequeñas empresas presentan.
Por otra parte, al obtener una mayor cantidad de datos de diferentes variables,
se hubiese podido implementar modelamientos relacionados a otras variables de
negocio que un impacto más inmediato, tales como ventas o rentabilidad. Esto es
congruente con lo encontrado con Mishra, Lama y Pal (2016), donde las empresas
buscan desarrollar modelos predictivos para variables como el desempeño y la
64
rotación de personal, teniendo un impacto más inmediato en las variables del
negocio.
En cuanto al análisis de las condiciones actuales del negocio, se encontró
información muy similar a la propuesta por Dulebohn y Johnson (2013), donde se
explicaba que los departamentos de recursos humanos tienden a recoger datos, pero
estos no son utilizados en la toma de decisiones. Además, se encontró resistencia al
cambio al momento de implementar estas nuevas tecnologías a sus procesos de
gestión humana y seguridad y salud en el trabajo actuales.
En cuanto al porcentaje de predictibilidad, estudios como el de Sánchez (2017)
tuvieron un éxito de 91.2% en la predicción de sus variables, esto puede deberse a
la limitada cantidad de datos con la que contaba la organización. Por otra parte, el
concepto de exposición al riesgo psicosocial fue evaluado mediante la suma de varias
dimensiones compuestas a su vez por otras subdimensiones, lo que podría afectar
la confiabilidad del instrumento.
Finalmente, el aporte de la ingeniería de sistemas es la aplicación de las
ciencias matemáticas y físicas para desarrollar sistemas que utilicen
económicamente los materiales y fuerzas de la naturaleza para el beneficio de la
humanidad. Tiene como propósito implementar sistemas que pueda desempeñarse
eficientemente en la generación de soluciones informáticas.
65
CAPÍTULO VI. CONCLUSIONES
Con respecto al desarrollo de un modelo predictivo para la exposición al riesgo
psicosocial en una empresa del sector educativo de idiomas, se encuentra que:
• Se encontró que las variables “Turno de trabajo” y “Sueldo” son
predictoras del riesgo psicosocial en trabajadores del sector educativo.
• Se diseñó un modelo predictivo que permite detectar los riesgos
psicosociales en trabajadores del sector educativo haciendo uso de
variables predictoras.
• Finalmente, se encontró que el modelo predictivo desarrollado tiene una
predictibilidad del 73.9%, siendo aceptable para los requerimientos del
negocio del sector educativo.
• Habiendo encontrado y validado una ecuación para determinar los riesgos
psicosociales de los actuales y nuevos trabajadores de la institución, el
departamento de recursos humanos puede implementar un sistema de
seguimiento del bienestar percibido de los grupos de riesgo identificados.
66
CAPÍTULO VII. RECOMENDACIONES
Luego de haber desarrollado el presente proceso de investigación, los autores se han
puesto en contacto con la poca integración de tecnologías a procesos relacionados
a las personas.
De esta manera, a los departamentos de recursos humanos, se recomienda
considerar las diversas tecnologías relacionadas a la ciencia de datos que han
aparecido en el mercado. Un control estadístico de las variables psicológicas y
humanas en las empresas puede elevar los niveles de gestión y permitir ofrecer
resultados predecibles y objetivos, reduciendo así la subjetividad con la que se
manejan sus operaciones el día de hoy.
Por otra parte, con respecto a las empresas, se recomienda invertir en sistemas
de gestión de datos, buscando organizar y permitir a los departamentos que
conforman la organización explotar sus datos. De esta manera, a largo plazo se podrá
crear una cultura cuantitativa en los negocios, disminuyendo las decisiones basadas
en la intuición y así disminuyendo el riesgo en el accionar de la empresa.
A futuros investigadores, se recomienda diseñar evaluaciones para las
empresas o auditar las que ya tienen antes de proceder con la aplicación de técnicas
de minería de datos. De esta manera, se podrán cerciorar de la calidad de los datos
y se podrá tener un mayor abanico de variables de una mejor calidad. Además, se
recomienda realizar mayores investigaciones relacionas a la aparición del riesgo
psicosocial en empresas donde los trabajadores tengan contacto directo y constante
con el cliente final, en aras de determinar una manera más profunda y precisa las
condiciones que los rodean y crear tecnologías que mejoren su calidad de vida.
Finalmente, se recomienda recopilar una mayor cantidad de variables, dotando
al modelo de predicción de riesgos con nuevos posibles predictivos, de esta manera,
la empresa irá recopilando los mejores predictivos y evolucionando su modelo con el
tiempo en la búsqueda de un mejor control de su personal.
67
REFERENCIAS
Almentero, H., Padilla, L. & Castaño, M. (2003), Factores de riesgo psicosociales
que generan estrés en el personal de enfermería que labora en las salas
de quirófano de la E.S.E. Hospital San Jerónimo de Montería- Córdoba
2002. Tesis de Grado.
Bakker, A., & Demerouti, E., (2013). La teoría de las demandas y los recursos
laborales. Revista de Psicología del Trabajo y de las
Organizaciones, 29(3), 107-115.
Blanch, M., Sahagún, M., & Cervantes, G., (2010). Estructura Factorial del
Cuestionario de Condiciones de Trabajo. Revista de Psicología del
Trabajo y de las Organizaciones, 26(3), 175-189
Burgos, J. (2011). Validación de Constructo del Cuestionario CopSoQ (ISTAS
21): Una aplicación del Análisis Factorial Confirmatorio usando Modelos
de Ecuaciones Estructurales. Universidad de Chile.
Charria, V., Sarsosa, K., & Arenas, F., (2011). Factores de riesgo psicosocial
laboral: métodos e instrumentos de evaluación. Revista Facultad Nacional
de Salud Pública, 29 (4), 380-391
Dulebohn, J. , & Johnson, R. (2013). Human resource metrics and decision
support: A classification framework. Human Resource Management
Review, 23(1), 71-83. DOI: 10.1016/j.hrmr.2012.06.005
Flores, C. (5 de septiembre de 2019). Perú tiene alta tasa de rotación de personal.
Diario Correo. Recuperado de https://diariocorreo.pe/economia/peru-
tiene-alta-tasa-de-rotacion-de-personal-9770/
Karasek R, Baker D, Marxer F, Ahlbom A, & Theorell T., (1981). Job decision
latitude, job demands, and cardiovascular disease: a prospective study of
Swedish men. American Journal of Public Health. 694-705.
Kristensen, TS., Hannerz, H., Hogh, A., & Borg, V. (2005). The Copenhagen
psychosocial questionnaire—A tool for the assessment and improvement
68
of the psychosocial work environment. Scandinavian Journal of Work and
Enviromental Health 31(6), 438–449.
Malisetty, S., Archana, R. & Kumari, V.. (2017). Predictive Analytics in HR
Management. Indian Journal of Public Health Research & Development.
8. DOI: 115. 10.5958/0976-5506.2017.00171.1.
Mishra, S. N., Lama, D. R., & Pal, Y. (2016). Human resource predictive
analytics (hrpa) for hr management in organizations. International Journal
of Scientific & Technology Research,5 (5).
Mollo, F., (2015) Relación entre los factores psicosociales y la retroalimentación
laboral en asesores de riesgos del área comercial de lima de una
compañía de seguros del Perú. UNMSM
Moncada, S., Utzet, M., Molinero, E., Llorens, C., Moreno, N., Galtés, A., &
Navarro, A. (2014). The Copenhagen psychosocial questionnaire II
(COPSOQ II) in Spain-A tool for psychosocial risk assessment at the
workplace. American Journal of Industrial Medicine 57, 97-107
Peiró, M. (2004). El Sistema de Trabajo y sus Implicaciones para la Prevención
de los Riesgos Psicosociales en el Trabajo. Universitas Psychologica,
3(2), 179-186
Pérez, J., & Nogareda, C., (2012). Factores Psicosociales: metodologia de
investigacion. Instituto Nacional de Seguridad y Salud en el Trabajo.
Siegrist, J., (1996). Adverse Health Effects of High-Effort / Low-Reward
Conditions. Journal of Occupational Health Psychology, 1(1), 27-41.
Weena, Y. & Mishra, K. (2015) HR analytics as strategic workforce planning.
International journal of applied research. 1(4) 258-26
69