INTRODUCCIÓN

La Sociedad de la Información y del Conocimiento en la que nos encontramos inmersos, se caracteriza por la permanente expansión y renovación de la información, así como por el dinamismo y la rápida obsolescencia del conocimiento, lo que está generando importantes cambios en los procesos de aprendizaje profesional (González-Sanmamed et al., 2020; Siemens, 2007). Este fenómeno ha supuesto que surjan nuevos enfoques y teorías para explicar cómo aprendemos actualmente. Es en este marco en el que emerge el concepto de las Ecologías de Aprendizaje (EdA). Esta incipiente perspectiva sitúa al individuo en el centro de su experiencia de aprendizaje, poniendo en valor que cada persona construya su propio itinerario formativo a partir de sus intereses y necesidades (Barron, 2006; Siemens, 2007).

Las EdA están conformadas por diversos elementos, susceptibles de ser agrupados en dos dimensiones diferenciales dada su naturaleza y proyección. Por un lado, la Dimensión Contextual incluye aquellos componentes de índole social, circunstancial y situacional, que contribuyen al proceso de aprendizaje, como son las actividades formativas, los recursos digitales o las interacciones con otros individuos. Por otro lado, la Dimensión Personal posee un carácter esencialmente intrapersonal, y está constituida por varios elementos intersubjetivos, entre los que destacan la motivación, las expectativas, y los valores y creencias sobre el aprendizaje, que definen al individuo como sujeto que aprende (González‐ Sanmamed et al., 2019).

Barron (2006) y Jackson (2013), dos de los grandes expertos en el estudio de la teoría ecológica, precisan que la riqueza de la EdA de un individuo depende, en gran medida, de la existencia de un interés persistente en el aprendizaje. Entendiendo, de este modo, que la motivación es la fuerza que impulsa la maquinaria ecológica. Diversos autores coinciden en definir la motivación como un conjunto de procesos implicados en la activación, dirección y persistencia de la conducta (p.e. Schunk et al., 2008). Así pues, en cualquier proceso de aprendizaje, la motivación juega un papel central, tanto en cuanto, puede activar y mantener el proceso, como también inhibirlo.

A pesar de que la mayor parte de los estudios sobre este tópico se centran en analizar la motivación académica en estudiantes de diferentes niveles educativos, cabe destacar que en los últimos años hemos sido testigos de cómo las tres teorías motivacionales más arraigadas (teoría de la expectativa-valor, teoría de las metas de logro y teoría de la autodeterminación) han sido extrapoladas para estudiar la motivación de los docentes, lo que ha supuesto un ligero incremento en el volumen de investigación en torno a esta población (Han y Yin, 2016; Richardson et al., 2014; Watt y Richardson, 2020). Tal y como afirman Han y Yin (2016), en una revisión sistemática publicada recientemente, los estudios mayoritarios son aquellos que indagan en las razones por las cuales los docentes en formación se decantan por esta opción laboral; siendo pocas las investigaciones que analizan la motivación del profesorado universitario en ejercicio para implicarse en su labor profesional docente.

Otro aspecto a considerar es el relativo a la naturaleza diferencial del desempeño docente en etapas no universitarias y universitarias. Una de las divergencias más destacables se basa en el hecho de que la principal tarea profesional de los docentes de etapas previas a la universidad es la docencia. Sin embargo, los profesores de Educación Superior deben conjugar diferentes actividades profesionales, como son la investigación, la docencia y la gestión (van Lankveld et al., 2017; Watt y Richardson, 2020; Zabalza et al., 2018). Además, si centramos la atención en el profesorado del ámbito científico de Ciencias de la Salud, se observa cómo estos profesionales compatibilizan, en gran medida, el ámbito académico (docencia, investigación y gestión) con el asistencial. El hecho de tener que afrontar esta amalgama de tareas influye determinantemente en la configuración de su identidad profesional, en su grado de motivación para la enseñanza y, en consecuencia, en la calidad de su praxis docente (Visser-Wijnveen et al., 2014).

En esta línea, varios estudios evidencian que el profesorado universitario está más implicado en su labor investigadora que en la docente por motivos esencialmente vinculados con los procesos de acceso, promoción y permanencia dentro de la academia (Esdar et al., 2016; Lechuga y Lechuga, 2012; van Lankveld et al., 2017). En un estudio llevado a cabo por van den Berg et al. (2013), se muestra cómo los docentes de Ciencias de la Salud sienten un mayor compromiso con las tareas asistenciales que con las actividades vinculadas con la investigación y la docencia. Por el contrario, Susacasa (2013) manifiesta que los docentes de este ámbito son profesionales muy implicados en la enseñanza. Esta idea coincide con lo aportado por Castellano-Ramos (2018), quien defiende que este colectivo posee niveles elevados de motivación para el ejercicio de la docencia. Estas inconsistencias en la literatura, además de la patente escasez de bibliografía sobre el desarrollo profesional docente en este ámbito, repleto de características diferenciales y particulares, contribuyó al incremento del interés investigador por una realidad ciertamente inexplorada.

Es evidente que la motivación del profesorado para el desempeño docente es un elemento que explica, en gran medida, su grado de implicación en los itinerarios de aprendizaje y desarrollo profesional y, por ende, en la calidad del proceso de enseñanza-aprendizaje que implementan (Caballero y Bolívar, 2015; Rao, 2016). Esa motivación no solo varía de forma cuantitativa, sino también cualitativa (Schunk et al., 2008). En otras palabras, no solo existen diversos niveles de motivación, sino también diferentes orientaciones motivacionales (Ryan y Deci, 2000, 2020), siendo ambos parámetros significativos a la hora de analizar la motivación del profesorado universitario hacia la docencia. Así, mientras que unos profesores se implican en la actividad docente (por ejemplo, en la preparación de las clases) por el deseo de aprender, de incrementar su autonomía y confianza, o por la preferencia por el reto que ello supone; otros están orientados hacia la consecución de metas extrínsecas, como la obtención de recompensas, los juicios positivos, la aprobación de colegas y alumnos, o la evitación de las valoraciones negativas (Ryan y Deci, 2000, 2020). En este sentido, se estipula que los primeros tienen una motivación intrínseca (u orientada hacia el dominio), lo que comporta que el profesorado sostenga un interés ligado al desarrollo y mejora de su pericia o sus habilidades (Lechuga y Lechuga, 2012). Por el contrario, los segundos poseen una motivación extrínseca (o centrada en el rendimiento), ya que sus conductas reflejan más el deseo de exhibir ante los demás su competencia, que el interés por mejorar o aprender en sí mismo (Ryan y Deci, 2000, 2020).

Son varios los estudios que evidencian que el volumen de investigación sobre la motivación de los docentes de Educación Superior es verdaderamente limitado (Daumiller et al., 2020; Rao, 2016; Visser-Wijnveen et al., 2014; Wosnitza et al., 2014), problemática que se agudiza si se focaliza la atención en el profesorado universitario del ámbito de Ciencias de la Salud (Susacasa, 2013). Además, hasta la fecha, las escasas investigaciones que han abordado el papel de la motivación para el desempeño de la docencia entre el profesorado universitario se han orientado desde un enfoque centrado en la variable, y no en la persona (véase p.e. Visser-Wijnveen et al., 2014). El valor de esta última perspectiva radica en que no se toman las variables motivacionales de forma independiente, sino que se estudia su combinación tratando de perfilar las diferencias entre los individuos. Además, este planteamiento posibilita la detección de la variabilidad motivacional de los sujetos (Monroy et al., 2010), lo que permite generar estrategias diferenciales para la mejora formativa, la asignación de recursos, y/o el diseño de una trayectoria de desarrollo profesional basada en los intereses individuales, entre otros aspectos.

Hasta donde conocemos, en la literatura existe una brecha de conocimiento en torno a esta aproximación, por lo que no se han hallado precedentes empíricos que hayan analizado la conjugación de las dos orientaciones motivacionales para el ejercicio de la docencia en el contexto de la Educación Superior (motivación centrada en el rendimiento y motivación orientada hacia el dominio). Por consiguiente, y teniendo en cuenta que la motivación es un poderoso predictor de la calidad docente, el objetivo de este estudio se concreta en la identificación de los perfiles motivacionales del profesorado universitario del ámbito de Ciencias de la Salud.

METODOLOGÍA

Participantes

En el estudio participaron un total de 416 docentes universitarios del ámbito científico de Ciencias de la Salud, pertenecientes a 37 universidades españolas, públicas y privadas, presenciales, no presenciales y online (véase Tabla 1).

Del total, 175 participantes son hombres (42.1 %) y 241 son mujeres (57.9%). El 7% tiene edades comprendidas entre 20 y 30 años; el 24.3%, entre 31 y 40 años; el 27.2% entre 41 y 50 años; el 29.1% entre 51 y 60 años; y finalmente, el 12.5% tiene más de 60 años. En cuanto a los años de experiencia, variable que está asociada en gran medida a la edad, cabe mencionar que un 25.5 % de los participantes tiene entre 0 y 5 años de experiencia docente; un 19.7%, posee entre 6 y 10 años de experiencia; un 10.1%, acumula entre 11 y 15 años de experiencia; un 12%, tiene entre 16 y 20; y, finalmente, un 32.7% cuenta con más de 20 años de experiencia profesional docente. Por último, en la Figura 1 se muestran los datos relativos a la situación contractual de los participantes. Uno de los datos más llamativos en torno a esta variable se vincula con la elevada presencia de la figura de Asociado (29.8% del total de la muestra). Esta información coincide con los datos ofrecidos por el Sistema Integrado de Información Universitaria (Ministerio de Universidades, 2019) en torno al eminente porcentaje de personal docente asociado en este ámbito científico.

INSTRUMENTO

Este estudio forma parte de un proyecto más amplio en el que se analizan las EdA del profesorado universitario y su incidencia en los procesos de aprendizaje y desarrollo profesional docente. Concretamente, esta investigación se centra en el estudio de uno de los elementos que conforman la Dimensión Personal de las EdA (González‐Sanmamed et al., 2019). Por consiguiente, para la recogida de datos en torno al elemento motivacional se seleccionó la Escala de Motivación Docente (Rodríguez et al., 2009). Esta escala se compone de 15 ítems que describen las diferentes razones que explican la implicación (o no implicación) de los profesores en su actividad docente. Los ítems se dividen en tres dimensiones: motivación orientada hacia el dominio, motivación centrada en el rendimiento y desmotivación; y siguen una escala de respuesta tipo Likert de 1 a 5 (1=Totalmente en desacuerdo, 5=Totalmente de acuerdo).

El análisis factorial llevado a cabo a través del método de extracción de componentes principales, y método de rotación Varimax con normalización Kaiser, sobre las puntuaciones directas de la totalidad de la muestra (N = 416), sugiere la misma estructura que el cuestionario original de tres factores; si bien se ha prescindido de tres ítems por presentar valores factoriales inferiores a .500 o por poseer cargas muy similares en más de un factor. Tanto el valor de la medida de adecuación muestral de Kaiser-Meyer-Olkin (KMO), que es de .78; como la prueba de esfericidad de Bartlett, cuyo nivel de significación es de p < .01; proporcionan respaldo estadístico a la oportunidad de realizar esta factorización. Así pues, la varianza explicada por estos 3 factores extraídos a partir de los 12 ítems que finalmente integraron la escala alcanza el 67.42% del total. Así mismo, atendiendo al criterio de fiabilidad de la escala, tomando los tres factores en conjunto, se obtiene un coeficiente de alpha de Cronbach adecuado (α = .78).

El primer factor, Motivación Centrada en el Rendimiento, está conformado por un total de seis ítems (α = .87), que hacen referencia a las razones para implicarse en el trabajo docente más vinculadas a la imagen como profesor (p.e. “me esfuerzo en preparar las clases o los materiales porque es importante para mí que mis compañeros me consideren un gran profesor/a”). El segundo factor, Motivación orientada hacia el dominio, compuesto por tres ítems (α =.84), presenta aquellos motivos vinculados propiamente al dominio de la materia y al interés por parte del docente de mejorar su capacidad y competencia (p.e. “me esfuerzo en preparar las clases porque cuantos más conocimientos poseo, más competente me siento”). Por último, el tercer factor vinculado con la Desmotivación agrupa tres ítems (α = .70) y alude a tendencias docentes desmotivadoras (p.e. “si pudiera, dejaría la enseñanza”), que pueden entenderse como razones explicativas de la falta de implicación en la actividad docente.

Por último, es necesario señalar que en el presente estudio se manejan los datos obtenidos en dos de los tres factores que componen la Escala de Motivación Docente: La Motivación orientada hacia el dominio y la Motivación centrada en el rendimiento. La razón que precede a la decisión de suprimir el factor de Desmotivación se vincula con el designio de abordar la motivación en el sentido positivo del término. En otras palabras, nuestra intención es conocer los motivos que están detrás de la implicación del profesorado en su actividad docente, y el factor vinculado a la Desmotivación no aborda ningún motivo explicativo de la misma.

PROCEDIMIENTO

Para la aplicación del instrumento se contó con la colaboración de diversos órganos institucionales (rectorados, decanatos, direcciones departamentales vinculadas con el área de Ciencias de la Salud) de diferentes universidades españolas a los que se dirigió la petición de colaboración en la presente investigación. Estos organismos funcionaron como mediadores en el proceso de distribución del instrumento, instando al personal docente de sus universidades, facultades o departamentos a la cumplimentación del mismo, lo que obedece a un muestreo no probabilístico por conveniencia. Así, se remitió de forma telemática a todos los potenciales participantes, un documento en el que se explicaba el objetivo del estudio y los principios del proyecto en el cual se enmarca la investigación, así como las garantías de anonimato y confidencialidad contempladas en el desarrollo de la misma, siguiendo los principios del Comité Ético de la Universidade da Coruña y la Declaración de Helsinki. Por último, se facilitaba el enlace a la plataforma Google Forms que daba acceso al cuestionario online.

ANÁLISIS DE DATOS

Este estudio se sitúa dentro de una perspectiva empírico-analítica de carácter cuantitativo, con un diseño no experimental exploratorio. Primeramente, se realizaron análisis descriptivos de los datos para evaluar su calidad. Una vez analizadas individualmente las variables consideradas en nuestra investigación, se efectuó un análisis de correlación bivariada (a través del coeficiente de correlación de Pearson) para averiguar en qué medida estaban relacionadas. Los análisis descritos hasta el momento fueron realizados con el software estadístico IBM SPSS (Versión 25). Seguidamente, con la finalidad de identificar los perfiles motivacionales de los docentes de Ciencias de la Salud, se llevó a cabo un Análisis de Clases Latentes (LCA) de las variables motivacionales con el software estadístico M-Plus (Versión 8.3).

En los últimos años se ha producido un creciente interés en la comunidad investigadora de diferentes ámbitos científicos por los modelos de LCA, en virtud de que proveen criterios menos arbitrarios y más precisos que, por ejemplo, los tradicionales análisis clúster, para determinar el número de grupos presentes en una muestra. Esta modalidad de análisis funciona a través de la estimación de ciertos parámetros estadísticos (como son el AIC, BIC, SSA-BIC, LMRT, o el valor de entropía) que permiten seleccionar el modelo que más se ajusta a los datos (Monroy et al., 2010). De hecho, Ryan y Deci (2020) en su más reciente publicación sobre el tópico de la motivación y la teoría de la autodeterminación, pusieron de manifiesto la imperante necesidad de llevar a cabo estudios a través de este tipo de técnicas clasificatorias.

El procedimiento de Análisis de Clases Latentes tiene como objetivo producir grupos, con tan poca variación dentro de un grupo y tanta variación entre grupos como sea posible, en función del número de clases propuesto. Se comienza definiendo y estimando los índices para un modelo con una única clase y, posteriormente, se va aumentando el número de clases en el modelo una por una (Collins y Lanza, 2010). Como indicábamos en líneas previas, el modelo final, en el que se definen cuantas clases o perfiles hay, es elegido en base a una combinación de indicadores estadísticos entre los que se encuentran: el criterio de información de Akaike, en adelante AIC (Akaike Information Criterion, Akaike, 1974), el Criterio de Información Bayesiano, en adelante BIC (Bayesian Information Criterion; Schwartz, 1978) y consideraciones teóricas existentes (Nylund et al., 2007). Los valores BIC indican bondad de ajuste, y se considera que un valor más bajo indica un ajuste más apropiado (Gill, 2002). Los valores de entropía que se aproximan a 1 sugieren mayor certeza en la estimación, los valores superiores a 0.6 se consideran aceptables (véase p.e.: McMullen et al., 2018). También se utilizó la prueba de razón de probabilidad Lo-Mendell-Rubin, en adelante LMRT (Lo et al., 2001). En estas pruebas, el valor de p significativo (p < 0.05) sugiere que el modelo probado es más apropiado que el modelo con una clase menos (véase p.e. Bray y Dziak, 2018). Como último criterio para evaluar la idoneidad del modelo, se efectuó un MANOVA, a través del cual se analizaron las diferencias entre clases o perfiles con respecto a las variables que han sido usadas para formarlas (metas de aprendizaje y metas de rendimiento) con el propósito de comprobar la relevancia de cada una de estas variables en la definición de cada perfil. Seguidamente, con el fin de determinar la verdadera magnitud de estas diferencias y, en consecuencia, interpretar de forma más ajustada los datos, se complementó la estimación con el indicador de la d de Cohen, para así calcular la magnitud o tamaño del efecto. Cohen (1988) indica que un efecto es pequeño cuando ηp²= .01 (d = .20), es medio cuando ηp² = .059 (d = .50) y es grande si ηp² =.138 (d = .80).

RESULTADOS

Resultados Preliminares

La Tabla 2 muestra los estadísticos descriptivos y las correlaciones entre cada una de las variables objeto de estudio. Tanto la asimetría como la curtosis para cada una de las variables cumplieron con los criterios de normalidad (p.e. Finney y DiStefano, 2006). En la matriz también se puede observar cómo existe una correlación significativa y positiva entre las dos dimensiones motivacionales (r = .220; p < .01).

Identificación de los Perfiles Motivacionales

Tal y como se observa en la Tabla 3, se ha comenzado la estimación de los índices para un modelo de dos clases y, posteriormente, se ha ido aumentando el número de clases una por una hasta llegar al modelo de cinco clases. Detuvimos el proceso en cinco grupos porque tanto en el modelo de cuatro clases (M4) como en el de cinco (M5) había un grupo integrado por menos del 5% de la muestra total. A pesar de que el valor de p asociado al LMRT, así como los criterios AIC, BIC y SSA-BIC indicaron que las soluciones de cuatro (M4) y cinco clases (M5) proporcionaron un mejor ajuste a los datos que la solución de tres clases, es necesario considerar que el resultado relativo al tamaño de las clases constituye uno de los criterios más significativos a la hora de determinar el número óptimo de perfiles (Hipp y Bauer, 2006), por lo que el modelo de tres clases resultó ser la opción más apropiada.

En definitiva, se ha optado por la solución de tres perfiles (M3) por los siguientes motivos: (a) presenta unos índices de ajuste adecuados; (b) tiene solidez a nivel teórico; (c) no hay ninguna clase que agrupe a menos del 5% de participantes; y (4) es una solución más parsimoniosa que los modelos siguientes (M4 y M5).

La Tabla 4 informa de la precisión de la clasificación del modelo de tres grupos que se examinó utilizando tanto el estadístico de entropía como las probabilidades posteriores promedio de membresía a cada grupo. Así, en primer lugar, podemos determinar que el valor de entropía para el modelo de tres perfiles (.832) es adecuado (McMullen et al., 2018). En segundo lugar, los índices promedio asociados con los grupos a los que fueron asignados los docentes indican una buena clasificación de los individuos en los tres perfiles latentes. Estos resultados se presentan en la diagonal principal de la tabla de clasificación.

Como último criterio para evaluar la idoneidad del modelo seleccionado (M3) se efectuó un MANOVA, a través del cual se analizaron las diferencias entre los perfiles con respecto a las variables que han sido utilizadas para formarlas ( motivación centrada en el rendimiento y motivación orientada hacia el dominio). Todo ello con el propósito de comprobar la relevancia de cada una de estas variables en la definición de cada perfil.

Los resultados indicaron que, a nivel multivariado, los sujetos de los tres perfiles presentan diferencias estadísticamente significativas en cuanto a las metas de aprendizaje y a las metas de rendimiento (Lambda de Wilks = .136; F_(4,824) = 352.91; p < .001; ηp ² = .631). El tamaño del efecto es grande. Aunque las dos metas contribuyen a diferenciar a los sujetos en cada uno de los tres perfiles, las metas de aprendizaje son las más determinantes: motivación orientada hacia el dominio F_(2,413) = 1278.22; p < .001; ηp² = .861 (el tamaño del efecto es grande) y motivación centrada en el rendimiento F_(2,413) = 15.23; p <.001; ηp² = .069 (el tamaño del efecto es medio). A continuación, se recurrió a las pruebas de contrastes post-hoc de Scheffé para saber entre qué grupos exactamente había diferencias estadísticamente significativas. Se comprobó que existían diferencias estadísticamente significativas (a nivel p < .05) en la motivación centrada en el rendimiento entre todas las clases. También existen diferencias estadísticamente significativas (a nivel p < .05) en el grado de motivación orientada hacia el dominio entre todas las clases, a excepción de los Grupos 1 y 2 (véase Tabla 5).

Prueba de Scheffé: No hay diferencias estadísticamente significativas entre las clases 1 y 2 en motivación orientada hacia el dominio. Sí hay diferencias estadísticamente significativas entre las otras clases en cada una de las variables.

Caracterización de los Perfiles Motivacionales Docentes

Valorando las puntuaciones promedio de los sujetos pertenecientes a los tres perfiles latentes en el modelo elegido (véase Tabla 6), se procede a la denominación de los tres perfiles motivacionales de los docentes universitarios de Ciencias de la Salud: a) Perfil Motivado; b) Perfil Moderadamente Motivado; y c) Perfil Desmotivado.

Para describir con mayor claridad las diferencias y semejanzas inter e intra-grupos, estandarizamos (en puntuaciones z) cada una de las variables (M = 0; DT = 1). Conjuntamente, la Figura 2 ofrece una representación gráfica de los perfiles.

Los resultados arrojados en esta línea establecen que el primer grupo de docentes identificado (n = 221; 53.12%) se caracteriza por mostrar niveles altos de motivación orientada hacia el dominio y niveles moderados de motivación centrada en el rendimiento. El segundo grupo (n = 156; 37.5%) presenta niveles de motivación moderadamente altos, aunque, a diferencia del primero, predominan los motivos vinculados al rendimiento. Finalmente, el tercer grupo (n = 39; 9.38%) muestra niveles muy bajos en ambas orientaciones motivacionales.

DISCUSIÓN Y CONCLUSIONES

En el presente estudio se parte de un enfoque basado en la persona para comprender cómo el profesorado universitario del ámbito de Ciencias de la Salud combina motivos de carácter intrínseco (u orientados hacia el dominio) y motivos de índole extrínseca (o centrados en el rendimiento) para implicarse en su tarea docente. Como informaron Visser-Wijnveen et al. (2014), la motivación es un aspecto frecuentemente descuidado en el ámbito de la enseñanza universitaria, aunque, paradójicamente, constituye uno de los factores más significativos a la hora de predecir la excelencia docente ( Han y Yin, 2016). Es por ello que nuestro propósito ha sido arrojar luz sobre esta cuestión, partiendo de la aceptación de que se trata de un terreno poco explorado, con escasos precedentes y muchos puntos ciegos por abordar (Daumiller et al., 2020; Watt y Richardson, 2020).

Los resultados obtenidos en este estudio informan sobre la identificación de tres perfiles motivacionales docentes. Así, nuestros hallazgos sugieren, a nivel global, un panorama halagüeño, tanto en cuanto, el primer perfil identificado, Perfil Docente Motivado (orientado principalmente hacia el dominio), constituye el grupo más numeroso, representando a más de la mitad de los participantes del estudio (53.1%). Los profesores pertenecientes a esta clase se caracterizan por implicarse, en gran medida, en su práctica docente por razones principalmente intrínsecas, vinculadas con su pasión, satisfacción y compromiso con la docencia. Esa implicación y afán por la enseñanza deviene de razones fundamentalmente intrínsecas o autotélicas, como son la adquisición de conocimiento, el desarrollo de habilidades pedagógicas y/o la necesidad de sentirse más competente y autónomo con respecto a la enseñanza; y no tanto por razones extrínsecas vinculadas a su imagen como profesor. Esta idea coincide con lo aportado por Castellano-Ramos (2018), quien defiende que los docentes universitarios de Ciencias de la Salud poseen niveles elevados de motivación para el ejercicio de la docencia. Los profesores con altos niveles de motivación intrínseca también tienden a mostrar una alta percepción de autoeficacia y evidencian niveles más altos de autoestima, lo que provoca que se involucren en mayor medida en los procesos de formación y desarrollo profesional (Rodríguez et al., 2009). En la misma línea Stupnisky et al. (2018), indicaron que los docentes motivados intrínsecamente suelen ser más propensos a implementar mejores y más innovadoras prácticas de enseñanza, por lo que se entiende este perfil como el más adaptativo de todos. Además, desde la perspectiva ecológica, se deduce que estos pudieran ser los docentes que configurasen unas EdA más ricas, diversas, complejas y ventajosas (Barron, 2006; González-Sanmamed et al., 2019; Jackson, 2013).

En segundo lugar, se erige el Perfil Docente Moderadamente Motivado (principalmente hacia el rendimiento), compuesto por el 37.5% del total de la muestra del estudio. Los profesores que se identifican con este perfil poseen un nivel motivacional general moderado o discreto, puntualizando que es un perfil orientado en mayor medida hacia las metas de rendimiento. Precisamente, este perfil se caracteriza por implicarse en las tareas docentes a causa de su afán por proteger o mejorar su imagen como docente, es decir, con el propósito de obtener reconocimiento por sus buenas prácticas, por demostrar ante compañeros y alumnado determinadas habilidades docentes, por mostrarse mejor profesional que otros, por percibirse competente como profesor en base a los juicios de los demás, etc. Desde la teoría ecológica, este es también un perfil positivo, si bien se sitúa por detrás de la clase de profesores motivados.

Por último, se identifica el Perfil Docente Desmotivado, que integra al 9.38 % del total de la muestra. De los resultados obtenidos, podemos deducir que los docentes pertenecientes a este grupo se caracterizan por su limitado entusiasmo hacia la tarea de enseñar, su escasa preocupación por la mejora de su praxis docente, y su bajo interés por la ampliación de sus habilidades pedagógicas. Además, reflejan una clara carencia de preocupación por la imagen de profesor que proyectan hacia los demás (compañeros y/o alumnado), por mostrarse capaces, o por ser considerados buenos profesores. En este sentido, Rodríguez et al. (2009) advierten que la falta de motivación y la desilusión con el trabajo se perciben como factores axiomáticos entre los profesores que no se consideran eficaces para mejorar su propia actividad docente. A este respecto, se presume necesario resaltar que la enseñanza universitaria es el único nivel educativo en el que no se exige formación pedagógica alguna para el ejercicio de la actividad profesional (Zabalza et al., 2018), por lo que el profesorado perteneciente a este grupo podría percibir que carece de las herramientas pedagógicas y didácticas necesarias para hacer frente, de forma eficaz, a la tarea de enseñar. Dentro de este Perfil Desmotivado se ubican los profesores muy poco implicados en la docencia, que sienten desazón y disgusto por la tarea de enseñar. Profesorado insuficientemente interesado, que presenta una gran insatisfacción con la labor docente que desempeña. Incluso podría hipotetizarse que estamos ante un perfil de profesor quemado (Padilla y Thompson, 2016). Además, autores como Suárez y Martín (2019) sugieren que las características inherentes a la labor profesional dentro de la Academia, como son la combinación de múltiples tareas profesionales de muy diversa índole (investigación, docencia, gestión y, en muchos casos, asistencia clínica), podrían contribuir a la existencia de un alto grado de estrés, sentimientos negativos y bajos niveles de bienestar entre los docentes universitarios. Hecho que, sin duda alguna, influiría en la calidad y el grado de compromiso con la actividad docente (Visser-Wijnveen et al., 2014).

En definitiva, parece inexorable que desvelar cómo se conjugan las diferentes orientaciones motivacionales, desde un enfoque basado en la persona (Ryan y Deci, 2020), supone un gran progreso en el campo de estudio de la motivación del profesorado hacia la enseñanza en el contexto de la Educación Superior (Daumiller et al., 2020; Rao, 2016; Visser-Wijnveen et al., 2014; Wosnitza et al., 2014). Desde el enfoque de las EdA, el hecho de que el profesorado sea más consciente y tenga un mayor control sobre la configuración de su Ecología de Aprendizaje personal, ayudaría a brindarle experiencias centradas en sí mismo como aprendiz, y ofrecerle un emplazamiento en el que de forma autorregulada localice, seleccione y acceda a sistemas que permitan responder a sus necesidades singulares de aprendizaje (Barron, 2006; González-Sanmamed et al., 2019, 2020; Siemens, 2007). Por otro lado, a nivel institucional, los resultados de este estudio podrían ser tomados en consideración para generar planes de formación más pertinentes y ajustados a las necesidades y características del profesorado al que se dirigen, lo que suscitaría, en último término, un incremento significativo en las cuotas de calidad de la enseñanza de los futuros profesionales sanitarios (Stupnisky et al., 2018).

No obstante, este estudio cuenta con algunas limitaciones que exhortan hacia la ampliación del tamaño muestral y la reconsideración del tipo de muestreo empleado. También se tendrían que considerar las debilidades asociadas al propio instrumento empleado. Si bien los motivos evaluados para analizar la motivación del profesorado representan, en buena medida, las diferentes orientaciones motivacionales, se entiende que una clasificación más extensa proporcionaría un retrato más holístico de la realidad que subyace al panorama motivacional del profesorado universitario del ámbito de Ciencias de la Salud.

Agradecimientos

Este artículo se ha elaborado en el marco de los proyectos de investigación titulados: «Cómo aprenden los mejores docentes universitarios en la era digital: Impacto de las ecologías de aprendizaje en la calidad de la docencia» (Referencia EDU2015-67907-R) y «Ecologías de aprendizaje en la era digital: nuevas oportunidades para la formación del profesorado de educación secundaria» (Referencia RTI2018-095690-B-I00), parcialmente financiados por el Ministerio de Economía y Competitividad y el Ministerio de Ciencia, Innovación y Universidades de España. También gracias a la financiación recibida por una de las autoras de esta investigación, Iris Estévez, en el programa FPI del Ministerio de Economía y Competitividad (BES-2016-077330).

REFERENCIAS

Akaike, H. (1974). A new look at the statistical model identification. En E. Parzen, K. Tanabe & G. Kitagawa (Eds.), Selected Papers of Hirotugu Akaike. Springer Series in Statistics (pp. 716-723). Springer. https://doi.org/10.1007/978-1-4612-1694-0_16

Barron, B. (2006). Interest and self-sustained learning as catalysts of development: A learning ecology perspective. Human Development, 49(4), 193–224. https://doi.org/10.1159/000094368

Bray, B. C., & Dziak, J. J. (2018). Commentary on latent class, latent profile, and latent transition analysis for characterizing individual differences in learning. Learning and Individual Differences, 66, 105-110. https://doi.org/10.1016/j.lindif.2018.06.001

Caballero, K., & Bolívar, A. (2015). El profesorado universitario como docente: hacia una identidad profesional que integre docencia e investigación. REDU. Revista de Docencia Universitaria, 13(1), 57–77. https://bit.ly/318J5m3

Castellano-Ramos, C. (2018). Los pensamientos de los profesores universitarios de ciencias de la salud. Concepciones sobre enseñanza y aprendizaje. Palobra, 18, 116-133. https://bit.ly/3k6jSiL

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2ª Ed.). Erlbaum.

Collins, L. M., & Lanza, S. T. (2010). Latent class and latent transition analysis: With applications in the social, behavioural, and health sciences. Wiley. https://doi.org/10.1002/9780470567333

Daumiller, M., Stupnisky, R., & Janke, S. (2020). Motivation of higher education faculty: Theoretical approaches, empirical evidence, and future directions. International Journal of Educational Research, 99, 1–6. https://doi.org/10.1016/j.ijer.2019.101502

Esdar, W., Gorges, J., & Wild, E. (2016). The role of basic need satisfaction for junior academics’ goal conflicts and teaching motivation. Higher Education, 72(2), 175–190. https://doi.org/10.1007/s10734-015-9944-0

Finney, S. J., & DiStefano, C. (2006). Nonnormal and categorical data in structural equation modeling. In G. R. Hancock & R. O. Mueller (Eds.), Structural equation modeling: A second course (pp. 269–314). IAP Information Age Publishing.

Gill, J. (2002). Bayesian methods: A social and behavioural sciences approach. CRC Press.

González‐Sanmamed, M., Muñoz‐Carril, P. C., & Santos‐Caamaño, F. (2019). Key components of learning ecologies: A Delphi assessment. British Journal of Educational Technology, 50(4), 1–17. https://doi.org/10.1111/bjet.12805

González-Sanmamed, M., Sangrà, A., Souto-Seijo, A., & Estévez, I. (2020). Learning ecologies in the digital era: challenges for higher education. Publicaciones, 50(1), 83–102. https://doi.org/10.30827/publicaciones.v50i1.15671

Han, J., & Yin, H. (2016). Teacher motivation: Definition, research development and implications for teachers. Cogent Education, 3(1). https://doi.org/10.1080/2331186X.2016.1217819

Hipp, J. R., & Bauer, D. J. (2006). Local solutions in the estimation of growth mixture models. Psychological Methods, 11(1), 36–53. https://doi.org/10.1037/1082-989X.11.1.36

Jackson, N. (2013). The Concept of Learning Ecologies. En N. Jackson & G. B. Cooper (Eds.), Lifewide Learning Education and Personal Development (pp. 1-21). https://bit.ly/2Bujbi1

Lechuga, V. M., & Lechuga, D. C. (2012). Faculty motivation and scholarly work: Self-determination and self-regulation perspectives. Journal of the Professoriate, 6(2), 59-97. https://bit.ly/3djik2o

Lo, Y., Mendell, N. R., & Rubin, D. B. (2001). Testing the number of components in anormal mixture. Biometrika, 88(3), 767-778. https://doi.org/10.1093/biomet/88.3.767

McMullen, J., Van Hoof, J., Degrande, T., Verschaffel, L., & Van Dooren, W. (2018). Profiles of rational number knowledge in Finnish and Flemish students–A multigroup latent class analysis. Learning and Individual Differences, 66, 70-77. https://doi.org/10.1016/j.lindif.2018.02.005

Ministerio de Universidades (2019). Sistema Integrado de Información Universitaria (SIIU). Madrid.

Monroy, L., Vidal, R., & Saade, A. (2010). Análisis de clases latentes. Una técnica para detectar heterogeneidad en poblaciones. Cuaderno técnico, 2. Centro Nacional de Evaluación para la Educación Superior, A.C.

Nylund, K. L., Asparouhov, T., & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation Study. Structural Equation Modeling: A Multidisciplinary Journal, 14(4), 535–569. https://doi.org/10.1080/10705510701575396

Padilla, M.A., & Thompson, J. N. (2016). Burning out faculty at doctoral research universities. Stress and Health, 32(5), 551-558. https://doi.org/10.1002/smi.2661

Rao, M. B. (2016). Motivation of teachers in higher education. Journal of Applied Research in Higher Education, 8(4), 469-488. https://doi.org/10.1108/JARHE-08-2015-0066

Richardson, P. W., Karabenick, S. A., & Watt, H. M. G. (2014). Teacher Motivation: Theory and Practice. Routledge.

Rodríguez, S., Núñez, J. C., Valle, A., Blas, R., & Rosario, P. (2009). Auto-eficacia docente, motivación del profesor y estrategias de enseñanza. Escritos de Psicología, 3(1), 1–7. https://bit.ly/2NjVBqP

Ryan, R. M., & Deci, E. L. (2000). Intrinsic and extrinsic motivations: Classic definitions and new directions. Contemporary Educational Psychology, 25, 54–97.

Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860

Schunk, D. H., Pintrich, P. R., & Meece, J. L. (2008). Motivation in education: Theory, research, and applications. Pearson Education.

Schwartz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2), 461-464. https://doi.org/10.1214/aos/1176344136

Siemens, G. (2007). Connectivism: creating a learning ecology in distributed environments. En T. Hug (Ed.), Didactics of microlearning: Concepts, discourses and examples (pp. 53–68). Waxmann.

Stupnisky, R., BrckaLorenz, A., Yuhas, B., & Guay, F. (2018). Faculty members’ motivation for teaching and best practices: Testing a model based on self-determination theory across institution types. Contemporary Educational Psychology, 53, 15-26. https://doi.org/10.1016/j.cedpsych.2018.01.004

Suárez, M. J., & Martín, J. D. (2019). Influencia del perfil sociodemográfico del profesorado universitario sobre la inteligencia emocional y el burnout. Educación XX1, 22(2), 93-117. https://doi.org/10.5944/educXX1.22514

Susacasa, S. (2013). Pedagogía médica: soporte de la formación docente específica para la enseñanza de las Ciencias de la Salud [Tesis doctoral, Universidad Nacional de la Plata]. https://bit.ly/3lYkc3B

van Lankveld, T., Schoonenboom, J., Volman, M., Croiset, G., & Beishuizen, J. (2017). Developing a teacher identity in the university context: a systematic review of the literature. Higher Education Research & Development, 36(2), 325–342. https://doi.org/10.1080/07294360.2016.1208154

van den Berg, B.A.M., Bakker, A.B., & ten Cate, T.J. (2013). Key factors in work engagement and job motivation of teaching faculty at a university medical centre. Perspectives on Medical Education, 2, 264–275. https://doi.org/10.1007/s40037-013-0080-1

Visser-Wijnveen, G. J., Stes, A., & Van Petegem, P. (2014). Clustering teachers’ motivations for teaching. Teaching in Higher Education, 19(6), 644-656. https://doi.org/10.1080/13562517.2014.901953

Watt, H. M. G., & Richardson, P. W. (2020). Motivation of higher education faculty: (how) it matters! International Journal of Educational Research, 100, 101533. https://doi.org/10.1016/j.ijer.2020.101533

Wosnitza, M., Helker, K., & Lohbeck, L. (2014). Teaching goals of early career university teachers in Germany. International Journal of Educational Research, 65, 90–103. https://doi.org/10.1016/j.ijer.2013.09.009

Zabalza, M. A., Zabalza, M. A., y de Côrte, M. I. (2018). Identidad profesional del profesorado universitario. En I. Cantón & M. Tardiff (Eds.), Identidad profesional docente (pp. 141– 157). Narcea.

Notas de autor