El factor humano y la resistencia a la transformación digital en la construcción: un estudio de caso analítico mediante simulación teórica

Autores/as

  • Tania Elizabeth Tamayo Mosquera Universidad Europea Miguel de Cervantes image/svg+xml Author

DOI:

https://doi.org/10.66465/hispasci.1.2026.3

Palabras clave:

transformación digital, resistencia al cambio, factor humano, construcción 4.0, simulación teórica

Resumen

La transformación digital en el sector de la construcción enfrenta elevados niveles de resistencia asociados a factores humanos y organizacionales, particularmente en entornos operativos de alta exigencia física. El objetivo de este estudio es analizar los determinantes psicológicos de la resistencia al cambio tecnológico mediante un modelo analítico que integra el Modelo de Aceptación Tecnológica, la teoría del cambio organizacional y variables psicosociales clave. Se empleó un diseño analítico basado en simulación teórica controlada, utilizando parámetros extraídos de la literatura científica para generar un conjunto de datos sintéticos de 54 participantes distribuidos en cuatro niveles jerárquicos. El análisis incluyó estadística descriptiva, análisis de confiabilidad, correlaciones, regresión múltiple, mediación y análisis de sensibilidad. Los resultados muestran una fuerte asociación negativa entre la facilidad de uso percibida y la resistencia al cambio (r = −0.731, p < 0.001), así como un efecto mediador sustantivo de la autoeficacia digital, que explica el 47.3% de la relación entre utilidad percibida y resistencia. Asimismo, se identificó una brecha jerárquica marcada de 3.00 puntos en resistencia entre personal operativo y directivo, evidenciando fallos estructurales en la fase de preparación del cambio. Se concluye que la resistencia a la transformación digital en la construcción no responde principalmente a la falta de beneficios percibidos, sino a déficits de usabilidad situada y autoeficacia psicológica. El estudio aporta un marco analítico predictivo para la gestión humana de la digitalización y sienta bases para futuras validaciones empíricas en el sector.

Referencias

Austin, P. C. (2012). Generating survival times to simulate Cox proportional hazards models with time-varying covariates. Statistics in Medicine, 31(29), 3946–3958. https://doi.org/10.1002/sim.5452

AlBalkhy, W., Karmaoui, D., Ducoulombier, L., Lafhaj, Z., & Linner, T. (2024). Digital twins in the built environment: Definition, applications, and challenges. Automation in Construction, 162, 105368. https://doi.org/10.1016/j.autcon.2024.105368

Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS Quarterly, *19*(2), 189–211. https://doi.org/10.2307/249688

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, *13*(3), 319–340. https://doi.org/10.2307/249008

Forcael, E., Ferrari, I., Opazo-Vega, A., & Pulido-Arcas, J. A. (2020). Construction 4.0: A literature review. Sustainability, *12*(22), 9755. https://doi.org/10.3390/su12229755

Hosseini, M. R., Martek, I., Zavadskas, E. K., Aibinu, A. A., Arashpour, M., & Chileshe, N. (2018). Critical evaluation of off-site construction research: A Scientometric analysis. Automation in Construction, *87*, 235–247. https://doi.org/10.1016/j.autcon.2017.12.002

Li, X., Shen, G. Q., Wu, P., & Yue, T. (2019). Integrating building information modeling and prefabrication housing production. Automation in Construction, *100*, 46–60. https://doi.org/10.1016/j.autcon.2018.12.024

Maiti, S., & Choi, J. ho. (2021). Investigation and implementation of conflict management strategies to minimize conflicts in the construction industry. International Journal of Construction Management, 21(4), 337–352. https://doi.org/10.1080/15623599.2018.1536964

Morales Torres, I. F. (2025). Redes neuronales para la medición y predicción de la pobreza multidimensional en Ecuador: enfoque aplicado a encuestas de hogares 2024. Nexus Research Journal, 4(2), 297–318. https://doi.org/10.62943/nrj.v4n2.2025.414

Morales Torres, I. F., & Pow Chon Long Vásquez, D. F. (2012). Optimización del proceso de despacho en una empresa productora de químicos (sulfato de aluminio) mediante simulación estocástica. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/36369

Oreg, S. (2003). Resistance to change: Developing an individual differences measure. Journal of Applied Psychology, *88*(4), 680–693. https://doi.org/10.1037/0021-9010.88.4.680

Rafferty, A. E., Jimmieson, N. L., & Armenakis, A. A. (2013). Change readiness: A multilevel review. Journal of Management, *39*(1), 110–135. https://doi.org/10.1177/0149206312457417

Sacks, R., Eastman, C., Lee, G., & Teicholz, P. (2018). BIM Handbook: A Guide to Building Information Modeling for Owners, Designers, Engineers, Contractors, and Facility Managers (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119287568

Taherdoost, H. (2018). A review of technology acceptance and adoption models and theories. Procedia Manufacturing, *22*, 960–967. https://doi.org/10.1016/j.promfg.2018.03.137

Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a research agenda on interventions. Decision Sciences, *39*(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x

Descargas

Publicado

2026-01-15

Número

Sección

Artículos de Investigación