Método

La búsqueda sistemática se realizó durante el mes de noviembre de 2022, se exploraron bases de datos interdisciplinarias Scopus, Web of Science y la base de datos especializada en educación ERIC - en inglés Educational Resources Information Center (ERIC). El campo de investigación de la revisión bibliográfica se limitó al TS en estudiantes universitarios, se consideró para la búsqueda inicial palabras claves como technostress, student, academic, upgrade, posgrade, university, institute. Luego de diferentes búsquedas en título con las palabras claves propuestas, technostress student fue la construcción que mostró mejores resultados relacionados al ambiente educativo de estudiantes. Para la búsqueda exploratoria inicial se utilizaron filtros de las 3 bases de datos arrojando en total 40 documentos (Tabla 1).

Se definieron criterios que incluyen o excluyen artícuse excluyeron investigaciones poco claras en su diseño, los para obtener hallazgos específicos de la literatura (Tabla experimentales o cuasi experimentales. No se consideraron 2). Para trabajos incluidos se requirió población estudiantil población de docentes o administrativos, documentos o que llevara TEL, matriculados en cualquier semestre de resúmenes de congresos o conferencias, libros o informes educación superior. Así mismo, se incluyeron investigainéditos. Además, se excluyeron investigaciones que no ciones disponibles en inglés o español; estudios con diseño plantean un modelo teórico de abordaje para el proceso del cuantitativo transversal o longitudinal. Consecuentemente, tecnoestrés estudiantil que investigan.

De un total de 40 documentos seleccionados se realizó una lectura de los títulos encontrándose 13 duplicados y 2 sin acceso abierto, quedando 25 artículos. Para agotar la posibilidad de encontrar algún documento relacionado al tema de revisión se consultó en Google Académico encontrando 5 artículos de acceso abierto sobre TS en estudiantes no encontradas en bases de datos trabajadas. Por ello, para la lectura del resumen ingresaron 30 documentos.

El cribado se realizó teniendo en cuenta los criterios establecidos y se leyó el texto completo para hallar artículos relevantes (Figura 1). De esta forma se eliminaron 8 documentos, principalmente porque no plantearon un modelo teórico (n = 4), no tenían población estudiantil (n = 2) y por su cuasi experimental (n = 2). Finalmente, se discriminaron 22 documentos para realizar la revisión sistemática ya que cumplían con los criterios de inclusión. Todos los documentos incluían algún modelo teórico con el objetivo de observar el desarrollo del TS en estudiantes.

Fuente. elaborado por la autora

Figura 1 Diagrama de flujo PRISMA de selección de artículos para la revisión sistemática 

Resultados

La tabla 3 contiene una descripción organizada de los artículos seleccionados para la revisión sistemática. Los modelos de estrés abordado en las investigaciones sobre TS en estudiantes, así como aspectos metodológicos se presentaron secuencialmente en base a artículos recientes ya que se determinó más útil. El modelo SSO ha sido planteado en investigaciones para identificar tecnoestresores, observar el efecto en el estudiante y relacionar sus consecuencias académicas. ^{Wang et al., (2021)}, en 795 estudiantes chinos entre 18 y 21 años con aprendizaje TEL, identificó como tecnoestresores la tecnosobrecarga, tecnoinvasión, tecnocomplejidad, tecnoinseguridad y tecnoincertidumbre. ^{Alvarez-Risco et al., (2021)} halló algunos de estos estresores en la sobrecarga de información y la sobrecarga social en 2.286 estudiantes peruanos de medicina. ^{Yao y Wang (2023)} identificaron en 540 universitarios chinos de diferentes carreras, que los principales estresores son uso compulsivo de teléfonos inteligentes y sobrecarga de información. Asi mismo, ^{Li y Liu (2022)} encontraron en 604 universitarios chinos que TS en el estudiante puede devenir del agotamiento y pérdida de tiempo revisando material no académico “cyberslacking”.

El modelo P-T utilizado por ^{Al-Abdullatif et al., (2020)} permitió encontrar que el uso inadecuado del dispositivo inteligente implica también el excesivo texteo o envío de mensajes desde aplicaciones móviles que provoca TS móvil. El tecnoestrés móvil surge cuando hay un grado de tecnocomplejidad por las habilidades inadecuadas para operar tecnología, hay tecnosobrecarga por la abrumadora cantidad de información y múltiples tareas, y tecnoinvasión al utilizar tiempo personal para textear. Se encontró como consecuencia del TS móvil que las habilidades académicas de escritura (nivel de precisión, claridad, cohesión y vocabulario) de 235 estudiantes universitarios árabes disminuyeron.

De igual forma, ^{Qi (2019)} utilizó el modelo P-T para explorar la relación entre el uso académico de dispositivos móviles, los creadores de TS de ^{Tarafdar et al., (2007)} (tecnosobrecarga, tecnoinvasión y tecnocomplejidad) y el rendimiento académico en estudiantes universitarios.

Si bien se concluyó que el uso académico de dispositivos móviles no condujo al TS, la percepción del estudiante sobre la complejidad de las tecnologías sí lo provoca. Por ello, se observó que la autoeficacia informática influyó en el TS que provocó la percepción de un bajo rendimiento académico.

^{Kader et al., (2022)}, analizaron factores que predisponen el uso de plataformas de aprendizaje online en 212 universitarios que cursan carreras tecnológicas. Para ello tomaron de base el modelo UTAUT que analiza los factores que predisponen el uso del aprendizaje online, e incluyeron el tecnoestrés. Según el modelo propuesto los predictores de la intención del uso de aprendizaje online como la influencia social, las condiciones facilitadoras, el precio valor y otros aspectos relacionados con la enseñanza causan directamente tecnoestrés en el estudiante. Como consecuencia el TS afectará la intención de compromiso de los estudiantes con el aprendizaje online.

Para ahondar sobre estresores en el uso del aprendizaje online se contó con el modelo P-E. Este modelo permitió a ^{Schauffel et al., (2022)} encontrar en 250 estudiantes alemanes que los obstáculos se encuentran en las características individuales del estudiante, en la interacción estudiante-maestro y en la demanda académica. La satisfacción estudiantil es un indicador también del uso del aprendizaje online. ^{Aziz et al., (2021)} basándose en el mismo modelo encontró en 458 estudiantes de pre y posgrado de diplomado online que la tecnocomplejidad y la tecnoincertidumbre influyen en la satisfacción estudiantil y desempeño académico. En la misma línea, ^{Erdogan et al., (2022)} investigó predictores del TS en 259 estudiantes de medicina turcos con aprendizaje a distancia. Se encontró que si: 1. se carece de un ambiente de aprendizaje adecuado, 2. se percibe negativa la educación a distancia, 3. se necesita apoyo psicológico, y 4. se requiere asistencia, entonces hay falta de herramientas del estudiante y consecuentemente baja productividad académica.

Las escalas de los instrumentos que permiten medir el TS, así como sus causas y consecuencias se basan en un modelo teórico del estrés. El modelo ajuste P-E es uno de los principales adoptados en las investigaciones sobre tecnoestres. Bajo este modelo teórico, ^{Wang et al., (2020b)} diseñaron una escala de 8 ítems en estudiantes para medir el fenómeno del tecnoestrés. Este cuestionario se adaptó y comprobaron exitosamente sus propiedades psicométricas en estudiantes italianos (^{Schettino et al., 2022}), españoles (^{Penado-Abilleira et al., 2020}) y chilenos (^{Vega-Muñoz et al., 2022}) en el contexto académico con aprendizaje mediado por tecnologías. ^{Penado-Abilleira et al., (2020)} determinó que el enfoque ajuste P-E permite explicar la existencia del tecnoestrés en estudiantes.

El modelo multidimensional P-E permitió relacionar causas y efectos del TS durante el aprendizaje TEL en 118 estudiantes universitarios chilenos (SalazarConcha et al., 2022), 740 universitarios chinos (^{Wang et al., 2020b}) y en aprendizaje online 369 estudiantes pakistanís (^{Mushtaque et al., 2022}). Observaron que el tecnoestrés a nivel de P-O es originado por carencia de recursos cognitivos y emocionales del estudiante frente a exigencias académicas de la universidad (^{Wang et al., 2020a}), insuficiente apoyo institucional (^{Salazar-Concha et al., 2022}) o restricciones técnicas institucionales (^{Mushtaque et al., 2022}). A nivel P-TEL, por la falta de habilidades tecnológicas (^{Salazar-Concha et al., 2022}; ^{Mushtaque et al., 2022}; ^{Wang et al., 2020a}) y a nivel P-P, por falta de apoyo del grupo social (^{Wang et al., 2020a}). El efecto en común encontrado es disminución en el desempeño o productividad académica (^{Salazar-Concha et al., 2022}; ^{Wang et al., 2020a}) y baja intención de uso de aprendizaje online (^{Mushtaque et al., 2022}).

^{Whelan et al. (2022)} combinaron el marco teórico del TS de ^{Tarafdar et al., (2007)} que permite ver tecnoestresores y el modelo de fuerza autocontrol para construir un modelo de investigación en un entorno de uso de aplicaciones de redes sociales (SNS). Se observó que el bienestar y el éxito académico de estudiantes universitarios irlandeses se ven afectados cuando tienen mal control en el uso de SNS provocado por el TS. Como principales tecnoestresores se reconocieron la sobrecarga social, el disclosure (demasiada información expuesta que impide usar efectivamente la tecnología), el patrón (uso regular de tecnología para interacción social), la complejidad, la incertidumbre y la invasión. Como consecuencias, el TS afecta la vitalidad del estudiante, la satisfacción con su vida académica y sus logros académicos. Utilizando las dimensiones del TS de ^{Tarafdar et al., (2007)}, ^{Upadhyaya y Vrinda (2021)} con un modelo teórico propio encontraron resultados similares en 673 universitarios hindúes de 18 a 28 años que llevaron aprendizaje TEL. Se encontró que la tecnoinvasión y tecnosobrecarga fueron principales tecnoestresores que tuvieron impacto en la productividad o rendimiento académico.

^{Sethi et al., (2022)} identificaron la asociación entre el TS y la productividad académica en estudiantes de posgrado que usaron tecnología en su desempeño, observaron TS en estudiantes que utilizaron Zoom, Smartphone, WhatsApp o cualquiera otra tecnología relacionada con los estudios. En base a un modelo causa efecto elaborado por los investigadores demostraron que la productividad académica se ve afectada negativamente por el tecnoestrés. Además, encontraron que género (varones presentan menor TS) y experiencia en tecnologías (usuarios de más 5 años presentan menor TS) hacen variar los niveles de TS.

Desde un modelo RED tomando la dimensión experiencias del TS, ^{González-López et al., (2021)} correlacionó la ansiedad, ineficacia, cansancio y escepticismo con los efectos en diferentes dimensiones del estudiante (individual, grupal y académico-profesional). Se observó que el tecnoestrés tiene alto impacto en diferentes aspectos del estudiante. A nivel individual en problemas emocionales y alimenticios; a nivel grupal en problemas sociales y familiares; y a nivel académico relacionado con el ausentismo e incumplimiento y bajo rendimiento en el estudio. Asimismo, ^{Estrada-Araoz et al., (2021)} describieron el TS en 232 estudiantes universitarios de primer ciclo utilizando las dimensiones del TS de ^{Salanova et al. (2006)}: tecnoansiedad, tecnoadicción y tecnofatiga. Se halló en mayor proporción un nivel moderado de tecnoestrés en las dimensiones tecnofatiga y tecnoadicción.

Los modelos teóricos analizados orientaron la investigación y ayudaron a recoger información del TS, sus causas y consecuencias en estudiantes en un entorno donde la tecnología a irrumpido en la educación.

Discusión

Abordando el objetivo de la investigación sistemática se encontraron diferentes modelos teóricos del estrés que a pesar de haber surgido en el campo laboral pudieron adaptarse al TS del ámbito académico de estudiantes. Esta diferencia se pudo observar en los 22 artículos analizados donde: 6 el modelo ajuste o desajuste P-E, 4 adoptaron el modelo SSO, 4 el modelo multidimensional P-E, 3 diseñaron un modelo propio, 2 el modelo ajuste o desajuste P-T, 2 el modelo RED, 1 el modelo UTAUT. De la misma forma en una revisión sistemática se encontraron variedad de enfoques teóricos desde tradicionales como el modelo transaccional de Lazarus o el modelo demanda control de Karasek (Bondanini et al., 2021), hasta enfoques propios del contexto de investigación.

El modelo SSO predominó en algunas investigaciones seleccionadas, esto se entiende en la observación de ^{Wang et al., (2021)} que señala proporciona un marco simple para explicar el proceso del TS de estudiantes y sus consecuencias o impacto en la vida académica. Además, debido a que la mayoría de investigaciones según ^{Cuervo-Carabel et al., (2018)} se orientan a descubrir creadores e inhibidores del tecnoestrés y sus consecuencias es posible observar mayormente la orientación por el modelo SSO en la elección del investigador. El modelo SSO permitió en diferentes artículos identificar principales predictores del TS en el entorno de aprendizaje TEL: como la sobrecarga de información (tecnosobrecarga) y sobrecarga social (tecnoinvasión). Otras causas serian la tecnocomplejidad, tecnoinseguridad y tecnoincertidumbre. Relacionado al aprendizaje móvil: el uso compulsivo de teléfonos inteligentes.

Otro modelo que sobresalió entre las elegidas en las investigaciones fue la de enfoque interaccionista. El modelo P-E adoptado en 6 artículos permitió identificar predictores del TS en el aprendizaje a distancia y su influencia académica. El modelo P-E buscó exponer las demandas del entorno y habilidades específicas del estudiante para dar una respuesta exitosa. Estos hallazgos coinciden con ^{Cuervo-Carabel et al., (2018)} quienes encontraron que las demandas externas y las capacidades del individuo son factores frecuentemente utilizados en las investigaciones porque pueden predecir el TS. Por otro lado, el desajuste P-E permitió medir en investigaciones el grado de afectación por la falta de armonía en la relación del estudiante y su entorno causado sobre todo por la percepción distorsionada de su realidad.

El modelo multidimensional P-E tomado en cuatro investigaciones no abordaron un aspecto específico del individuo. A diferencia del modelo P-E, este modelo permitió predecir el TS a partir de un diagnóstico de diferentes aspectos del individuo (^{Salazar-Concha et al., 2022}). Se analiza la relación de la persona con las organizaciones donde pertenece, la cultura organizacional, las necesidades de tareas y el grupo social. Por ello, ^{Wang et al., (2020a)} señalaron que este modelo ofrece una mejor comprensión del TS.

El modelo P-T resultó importante para exponer la relación entre características particulares de la tecnología que generan TS móvil y sus consecuencias académicas. Este modelo fue adoptado en 2 investigaciones que relacionaron el TS en el aprendizaje móvil donde el estudiante hace uso del smartphone (^{Al-Abdullatif et al., 2020}; ^{Qi, 2019}). Los hallazgos permiten a los investigadores proponer capacitaciones en el manejo adecuado de tecnologías a las instituciones educativas, y sugerir limitaciones específicas en la configuración de aplicaciones móviles a los diseñadores de tecnología (^{Al-Abdullatif et al., 2020}). Cabe mencionar, que los trabajos sobre TS móvil en estudiantes son escasos debido a que el constructo está en desarrollo por la actual revolución tecnológica móvil.

El modelo RED del equipo de ^{Salanova et al., (2006)} es usado sobre todo por investigadores hispanos. Este modelo comprende en su diseño los recursos personales, la experiencia del estrés y las demandas laborales del individuo para el análisis del TS (^{Salanova et al., 2006}). A partir de este modelo 2 artículos extrajeron los aspectos de experiencia del estrés para construir un modelo que permita correlacionar y explorar el TS en estudiantes universitarios. Estos aspectos recogidos del modelo RED son: tecnoansiedad, tecnoadicción y tecnofatiga (EstradaAraoz et al., 2021); asimismo, sus dimensiones: ansiedad, ineficacia, cansancio y escepticismo (^{González-López et al., 2021}).

El modelo UTAUT se planteó sólo en uno de los artículos de la revisión. Este modelo contempló reconocer predictores del TS que provocaron disminución de la aceptación de tecnología. El modelo describió la intención conductual de uso de tecnología en base a predictores del TS como la expectativa de rendimiento, el esfuerzo esperado, desempeño esperado, influencia social y condiciones facilitadoras (^{Kader et al., 2022}). Por último, 3 investigaciones mostraron modelos propios que construyeron en base a las dimensiones del TS que planteó ^{Tarafdar et al., (2007)}. Sobre este investigador, ^{Bondanini et al., (2020)} encontraron que es un autor prolífico del TS ya que domina la investigación con enfoque tecnológico. Asimismo, ^{Borle et al., (2021)} encontró que es un referente en el campo del tecnoestrés. Por ello, las investigaciones toman como referencia las dimensiones del TS de ^{Tarafdar et al., (2007)}: tecnocomplejidad, tecnosobrecarga, tecnoincertidumbre, tecnoinvasión y tecnoinseguridad.

Este estudio permitió exponer diferentes modelos teóricos para orientar futuras investigaciones en un contexto de aprendizaje con tecnologías en estudiantes. Sin embargo, se comprobó empíricamente que similar a la investigación en campo laboral también se presentan las múltiples corrientes de pensamiento. ^{Bondanini et al., (2020)} señalaron que esto no permite una clara visión del tecnoestrés. Por otro lado, el TS es un tema de actualidad y un campo de oportunidad de investigación. Dado que las tecnologías móviles actualmente son diversas y tienen la capacidad de ubicuidad del individuo, el TS móvil es un campo que puede ser explorado por investigadores.

Conclusiones

A partir de los artículos seleccionados se realizó una revisión sistemática descriptiva cualitativa. Se encontró que los modelos teóricos utilizados en investigaciones sobre TS en estudiantes son el modelo SSO, el modelo P-E, el modelo P-T, el modelo RED, el modelo multidimensional P-E, el modelo UTAUT y modelos de diseño propio que tomaron dimensiones del TS de ^{Tarafdar et al., (2007)} en su elaboración. En la elección del modelo teórico los investigadores optan mayormente por el modelo SSO porque resulta ideal para identificar creadores e inhibidores del TS y sus consecuencias en la vida académica de estudiantes. De la misma forma es relevante la inclinación del investigador hacia el modelo ajuste o desajuste P-E, identificado en artículos que investigaban la interrelación entre demandas del entorno académico y habilidades del estudiante. Para análisis más profundos del TS el modelo multidimensional P-E ayudó a identificar otros aspectos alrededor del estudiante que pueden ser potenciales tecnoestresores.

El modelo ajuste P-T fue considerado en entornos de aprendizaje móvil donde es necesario analizar las características particulares de la tecnología que puedan generar TS móvil. El modelo UTAUT permitió encontrar predictores de TS que afecten la satisfacción del estudiante y por ende afecten la intención de uso de tecnologías propuestas por su centro educativo. El modelo RED y el modelo de estrés de Tarafdar poseen dimensiones como tecnoansiedad, tecnofatiga, tecnoadicción o tecnocomplejidad, tecnosobrecarga, tecnoincertidumbre, tecnoinvasión y tecnoinseguridad. Las dimensiones TS fueron utilizadas por investigadores para construir modelos teóricos propios.

Los hallazgos de esta investigación están sujetos a limitaciones: en primer lugar, cabe la posibilidad que el término technostress utilizado en la búsqueda pueda variar a otra denominación en otros estudios y por ello no hayan sido identificados; en segundo lugar) esta revisión se centró en modelos teóricos adoptados en investigaciones del TS, no se examinó estudios sin modelo a pesar que hubieran sido relevantes para comprender el avance de la investigación del TS en estudiantes; en tercer lugar) los artículos incluidos son de acceso libre, por ello hay posibilidad de algún grupo de artículos con acceso por suscripción hayan sido adecuados para incluirlos en la revisión pero no se incluyeron, en cuarto lugar) al no haber revisiones sistemáticas sobre TS en estudiantes la discusión se realizó con artículos en trabajadores, en quinto lugar) el constructo TS móvil encontrado en un artículo está en desarrollo por lo cual no se dispuso de mucha información en la discusión.

Debido al confinamiento social por la pandemia COVID los trabajos sobre TS en estudiantes han ido en aumento a partir del 2020. Por ello, es preciso que futuras investigaciones sistemáticas puedan proporcionar revisiones críticas sobre otros aspectos de la investigación del TS. Por otro lado, a futuro los investigadores se deben proyectar en indagar el TS móvil en entornos de aprendizaje móvil ya que si bien muchos estudiantes por motivos económicos no cuentan con computadoras (^{Cuervo-Carabel et al., 2018}), tienen a su disposición un Smartphone. Es necesario investigar las implicaciones del uso de tecnologías móviles en la salud y vida académica del estudiante.