nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
El estrés ha sido una constante en la experiencia humana, enfrentado mediante adaptaciones a situaciones difíciles para sobrevivir. De acuerdo con Cote y García (2016), el estrés forma parte de la vida cotidiana y constituye una reacción normal y adaptativa. Porras et al. (2024) describen el término como una adaptación al español de "stress", introducido por Hans Selye en 1926, quien lo definió como la respuesta general del organismo ante estímulos estresores.
Este fenómeno se manifiesta no solo en circunstancias excepcionales, sino también en aspectos cotidianos como la carga laboral, la presión académica, preocupaciones financieras y demandas tecnológicas. Espinosa et al. (2020) mencionan que los altos niveles de estrés en estudiantes universitarios representan obstáculos para el rendimiento académico. Calatayud et al. (2021) subrayan que el estrés, junto con la soledad y la desconfianza interpersonal, se asocia a la depresión. Por último, Barrón y Armenta (2021) definen el estrés académico como un estado que surge cuando las actividades exceden los recursos o capacidades del estudiante, lo que afecta su pensamiento, aprendizaje y productividad.
Una Exploración a los Referentes Investigativos
Con el tiempo, los efectos acumulativos del estrés pueden provocar problemas de salud, desde resfriados comunes hasta enfermedades graves. Para sustentar esta investigación, se han considerado los siguientes referentes:
Ramírez et al. (2022) integraron técnicas de minería de datos, como el análisis de clúster jerárquico y la regresión logística, para caracterizar estudiantes de la Universidad Autónoma del Estado de Hidalgo. Mediante un sondeo, recopilaron datos sociodemográficos, económicos, técnicos y de salud mental, lo que permitió identificar patrones que influyen en el desempeño académico. Los resultados revelaron la existencia de dos clústeres diferenciados y un listado de factores que impactan positiva y negativamente en el rendimiento escolar.
Por su parte, Peralta et al. (2022) aplicaron un algoritmo K-Means no supervisado para analizar depresión, ansiedad y estrés mediante la Escala DASS-21 en estudiantes universitarios de Apurímac-Perú. Encontraron que el nivel de depresión (60%) era más prevalente que el de ansiedad y estrés, con mayor incidencia en el nivel moderado.
Problemática
La presente investigación se centra en la Universidad Politécnica Metropolitana de Hidalgo, donde se han detectado altos niveles de estrés en estudiantes de diversos programas educativos. Esta situación ha impactado negativamente el rendimiento académico, incrementando los índices de reprobación y deserción. Ante esta problemática, surge la siguiente interrogante:
¿Cuáles son las causas que provocan altos niveles de estrés en los estudiantes de cuatro programas educativos de la Universidad Politécnica Metropolitana de Hidalgo, y cómo pueden identificarse mediante un modelo de regresión logística?
Materiales y Métodos
Tipo de estudio
La investigación adopta un enfoque cuantitativo, definido por Sánchez (2019) como un método que aborda fenómenos mensurables mediante técnicas estadísticas para analizar datos. Este enfoque busca describir, explicar, predecir y controlar causas, así como anticipar su ocurrencia. Según Alan y Cortez (2018), este tipo de análisis permite generar discusiones y publicaciones fundamentadas a partir de resultados estadísticos.
El diseño seleccionado es no experimental descriptivo, que, según Hernández et al. (2017), es valioso para presentar con precisión aspectos o dimensiones de un fenómeno, contexto o comunidad. Este diseño requiere que el investigador defina qué se medirá y sobre quiénes se recopilarán los datos.
Técnica de recolección de información
Según Castellano et al. (2024), la recolección de datos incluye procedimientos que permiten obtener información relevante para responder a la pregunta de investigación. Hernández y Duana (2020) describen este proceso como la medición sistemática para adquirir conocimiento científico.
Instrumento para la recolección de datos
Se utilizó un cuestionario como instrumento principal, siguiendo las recomendaciones de Medina et al. (2023). Este cuestionario incluyó preguntas sobre carga académica, horas de estudio, actividades extracurriculares, empleo para financiar estudios y síntomas de estrés. El objetivo fue identificar las principales causas del estrés entre los estudiantes. Los datos recopilados se analizaron mediante un modelo de regresión logística para determinar las causas subyacentes de los altos niveles de estrés.
Muestra
El estudio abarcó cuatro Programas Educativos: Ingeniería en Tecnologías de la Información, Ingeniería en Animación y Efectos Visuales, Licenciatura en Gestión Empresarial y Licenciatura en Comercio Internacional y Aduanas, con una muestra total de 542 estudiantes. El muestreo fue no probabilístico y por conveniencia, siguiendo el criterio de Arrogante (2021).
Ingeniería en Tecnologías de la Información: 82 estudiantes seleccionados de una matrícula de 118.
Gestión Empresarial: 125 estudiantes seleccionados de 152.
Ingeniería en Animación y Efectos Visuales: 156 estudiantes seleccionados de 183.
Comercio Internacional y Aduanas: 179 estudiantes seleccionados de 206
Análisis y Procesamiento de datos
Los datos se analizaron mediante un Modelo de Regresión Logística, definido por Martínez y Pérez (2024) como una técnica estadística para verificar hipótesis y explorar relaciones causales entre variables dependientes categóricas e independientes.
Desarrollo del Modelo de Regresión Lógistica
Según Ossa y Jaramillo (2021), la regresión logística es un método para problemas de clasificación binaria. En este estudio, se utilizó para categorizar los niveles de estrés en "alto" y "bajo". El modelo se implementó con librerías de machine learning, como scikit-learn, en la herramienta Google Colaboratory.
Pasos seguidos en el desarrollo del modelo:
Definición del marco teórico: Se revisó la literatura sobre estrés académico y variables asociadas.
Selección de variables: Se identificaron factores como carga académica, rendimiento, actividades extracurriculares y síntomas físicos o emocionales.
Diseño del cuestionario: Se elaboró un cuestionario claro y relevante para medir estas variables.
Aplicación del cuestionario: Administrado a 542 estudiantes seleccionados.
Preprocesamiento de datos: Incluyó codificación, manejo de datos faltantes y normalización.
Desarrollo del modelo de clasificación: Implementación del algoritmo con ajustes para optimizar el rendimiento.
Validación y evaluación: Se aplicaron métricas como precisión, sensibilidad y especificidad.
Interpretación de resultados: Identificación de patrones significativos que contribuyen al estrés estudiantil.
Resultados
Los resultados obtenidos mediante el modelo de regresión logística se detallan a continuación. La figura 1 presenta el análisis del modelo, incluyendo la precisión obtenida en el conjunto de datos de entrenamiento y prueba. Estos resultados permitieron identificar el número total de estudiantes que presentan niveles altos y bajos de estrés, considerando las variables asociadas. Dichos hallazgos ofrecen una perspectiva detallada de la relación entre las variables analizadas y los niveles de estrés en los estudiantes.
Los resultados fueron categorizados según el Programa Educativo, con el objetivo de identificar a los alumnos con mayor índice de estrés en función de su área de estudio. En la figura 2, se muestra una clasificación que agrupa a los estudiantes por edades, presión experimentada y nivel de estrés detectado, considerando las variables analizadas.
La figura 3 clasifica a los estudiantes según su programa educativo y el nivel de estrés identificado por el modelo. Las barras azules representan a los estudiantes con un nivel de estrés bajo, mientras que las barras naranjas indican a aquellos con un nivel de estrés alto. Los resultados destacan que los estudiantes del Programa Educativo de Animación y Efectos Visuales presentan los niveles más elevados de estrés.
Entre las principales causas del estrés, la carga académica fue identificada como un factor significativo. La figura 4 muestra la relación entre esta variable y el aumento de los niveles de estrés en los estudiantes.
Finalmente, se analizó la variable de disponibilidad de tiempo para el autocuidado. Los resultados, presentados en la figura 5, indican que los altos niveles de estrés dificultan a los estudiantes dedicar tiempo suficiente al cuidado de su salud física y psicológica.
Síntesis de Resultados
Carga Académica: La carga académica fue identificada como la principal causa del aumento del estrés entre los estudiantes, subrayando la necesidad de redistribuir estratégicamente las tareas y responsabilidades académicas.
Otras Fuentes de Estrés: Las actividades extracurriculares y la necesidad de trabajar también se destacan como factores significativos, ya que limitan el tiempo disponible para las actividades académicas y personales de los estudiantes.
Variación entre Programas Educativos: Se observó una variación significativa en los niveles de estrés según el programa educativo. Los estudiantes del Programa de Animación y Efectos Visuales presentaron los niveles más altos de estrés en comparación con los demás.
La aplicación del modelo de regresión logística resultó efectiva para identificar las causas subyacentes de los altos niveles de estrés entre los estudiantes. Estos resultados enfatizan la importancia de implementar estrategias específicas para mitigar el estrés, como la redistribución de cargas académicas y el diseño de actividades que promuevan el equilibrio entre las responsabilidades académicas, laborales y personales
Discusión
La problemática inicial de esta investigación planteó que los altos niveles de estrés entre los estudiantes conducen a un bajo rendimiento académico. Para responder a esta cuestión, se investigaron las causas del estrés en estudiantes de cuatro programas educativos de la Universidad Politécnica Metropolitana de Hidalgo (UPMH) mediante la aplicación de un modelo de regresión logística.
El análisis de los resultados permite concluir que una carga excesiva de trabajos y responsabilidades académicas es una de las principales causas del estrés en los estudiantes. Esto, a su vez, genera consecuencias negativas como aprendizaje limitado, cansancio extremo y alteraciones en los patrones de sueño, lo que afecta de manera directa su rendimiento académico. Estos hallazgos coinciden con la investigación de Barrón y Armenta (2021), quienes describen que el estrés académico surge cuando las demandas superan los recursos o capacidades del estudiante, resultando en una disminución de la productividad y del aprendizaje.
La integración del modelo de regresión logística en este estudio permitió identificar de manera efectiva las causas principales del estrés académico. Asimismo, el uso de herramientas tecnológicas avanzadas, como la inteligencia artificial, se demostró útil para predecir los efectos fisiológicos relacionados con el estrés. Este enfoque es respaldado por los hallazgos de Mora y Martell (2021), quienes emplearon una red neuronal artificial de perceptrón multicapa para modelar y predecir los efectos fisiológicos asociados al estrés académico.
Conclusiones
En conclusión, la integración de un modelo de regresión logística permitió identificar de manera efectiva las causas que generan altos niveles de estrés en los estudiantes. Los resultados respaldan la hipótesis planteada en esta investigación, ya que se lograron identificar las principales causas del estrés, las cuales se manifiestan en síntomas físicos y emocionales que afectan negativamente el desempeño académico.
El análisis del modelo reveló que, de un total de quinientos cuarenta y dos estudiantes, ciento setenta y siete presentan niveles bajos de estrés, mientras que trescientos sesenta y cinco muestran niveles altos. Un número significativo de estos últimos pertenece al Programa Educativo de Animación y Efectos Visuales. Además, se identificó que la carga académica y las actividades extracurriculares son las principales causas del estrés, especialmente cuando los estudiantes no cuentan con una adecuada organización del tiempo.
Futuras Líneas futuras de investigación
Como parte de las estrategias para mitigar el estrés estudiantil, se está desarrollando un espacio multisensorial diseñado para estimular los cinco sentidos y reducir los niveles de estrés entre los estudiantes. Este proyecto, actualmente en proceso de implementación, busca beneficiar a la comunidad estudiantil de la Universidad Politécnica Metropolitana de Hidalgo.
