SciELO - Scientific Electronic Library Online

 
vol.23 número1Construcción de un instrumento para la medición de la conducta sexual en adolescentes femeninas: El CCSRelaciones entre aprendizajes implícto y explícito e inteligencia general en alumnos de Enseñanza General Básica (EGB) índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Interdisciplinaria

versión On-line ISSN 1668-7027

Interdisciplinaria v.23 n.1 Buenos Aires ene./jul. 2006

 

Metas de elección de carrera: Contribución de los intereses vocacionales, la autoeficacia y los rasgos de personalidad

Marcos Cupani* y Edgardo R. Pérez**

* Licenciado en Psicología. Profesor Adscripto de la Cátedra Técnicas Psicométricas de la Facultad de Psicología de la Universidad Nacional de Córdoba (UNC). E-Mail: marcoscup@gmail.com
** Doctor en Psicología. Profesor Adjunto de la Cátedra Técnicas Psicométricas de la Facultad de Psicología de la Universidad Nacional de Córdoba (UNC).

Resumen

En todo proceso de asesoramiento vocacional, incrementar el autoconocimiento en variables psicológicas relevantes en este dominio (intereses, habilidades, rasgos de personalidad) ayuda a los orientados a realizar elecciones satisfactorias. En Argentina se han construido varios instrumentos tales como el Cuestionario de Intereses Profesionales (CIP) de Fogliatto (1991), el Inventario de Autoeficacia para Inteligencias Múltiples (IAMI) de Pérez (2001) y el Sistema de Orientación Vocacional Informatizado (SOVI) de Fogliatto y Pérez (2003). Recientemente, Pérez, Cupani y Beltramino (2004) adaptaron un cuestionario de evaluación de los rasgos de personalidad, el 16PF-IPIP, ya que se ha demostrado que este tipo de medidas mejora la predicción de variables con implicancia vocacional. Los estudios realizados con los instrumentos disponibles en Argentina han empleado diseños bivariados para predecir la elección de carrera. Sin embargo, actualmente es usual incluir procedimientos multivariados en los diseños de validez predictiva. Por consiguiente, el objetivo de este trabajo fue verificar la contribución explicativa de cada una de las variables predictoras (intereses, rasgos personales, autoeficacia) con respecto a la variable intenciones o metas de elección de carrera. Con esa finalidad se administraron los instrumentos CIP-4 (Pérez & Cupani, en prensa), IAMI (Pérez, 2001), 16PF-IPIP (Pérez, Cupani& Beltramino, 2004) y CIEC (Pérez, 2001) a una muestra de estudiantes del último año de la escuela media (nivel polimodal) de la ciudad de Córdoba (Argentina) y se realizó un análisis de regresión por pasos. Puede observarse que las variables psicológicas incluidas en el modelo explicaron en conjunto, un 46% del comportamiento de intenciones o metas de elección de carrera.

Palabras clave: Autoeficacia; Intereses; Rasgos de personalidad; Metas de elección de carrera; Teoría Social Cognitiva de la Carrera.

Abstract

Career goals: Contribution of vocational interests, self-efficacy, and personality traits. The improvement of self-knowledge about certain psychological variables (such as interests, abilities, personality traits, etc.) as a part of the vocational counseling processes helps clients make successful choices. Several instruments related to career counseling had been previously developed in Argentina: Professional Interests Questionnaire -CIP- (Fogliatto, 1991), Multiple Intelligence Self-efficacy Inventory (IAMI) (Pérez, 2001), and the Computer-Based Career System (SOVI) (Fogliatto, & Pérez, 2003). Recently, Pérez, Cupani, and Beltramino (2004) adapted an inventory that evaluates personality traits (16PF-IPIP); indexes that are well known to give great contributions to the prediction of some career key variables. A common denominator that unifies the traditional criterion- validity studies of some instruments realized in Córdoba (Argentina) is the use of bivariate designs. Nevertheless, there is a growing trend to include multivariate procedures in psychometrical studies. Therefore, the aim of the present study was to verify the explanatory contribution of each of the above mentioned independent variables (that is, interests, personality traits and self-efficacy) to the expression of career choice goals by means of a multivariate design. The fourth version of CIP(Pérez & Cupani, 2006), IAMI (Pérez, 2001), 16PF-IPIP (Pérez, Cupani, & Beltramino, 2004) and the Career Choice Intentions Inventory -CIEC- (Pérez, 2001) were tested in a sample of high-school students of Córdoba (Argentina). A step wise regression analysis was employed in order to scrutinize the results. Independent variables were entered in the explanatory model following the order suggested by the Social Cognitive Career Theory: personality traits were included first, self-efficacy variables were entered in the second step, and vocational interest indexes were included in the last step. The dependent variables considered under analysis were each of the factors evaluated by the CIEC. After the explanatory capability of the theoretical model as a whole was analyzed, it could be concluded that: (a) explanatory strength of the psychological model including that includes vocational interests, personality traits and multiple intelligence self-efficacy as effective predictors is considerable (46% of the career choice goal variance is explained by the independent variables), (b) the interests variable by itself explained 18% of the career choice goals variance approximately. Additionally, it appeared evident that: Technology, Education and Orientation, Companies, Laws, Health, Nature, and Art CIP-4 scales make independent contribution to the explanation of the dependent variable, (c) explanatory contribution of self-efficacy is also important given that this attribute explains by itself approximately 19% of the career choice goals variance. Prediction effectiveness of Bodily-Kinesthetic, Naturalist and Spatial IAMI scales is here outlined, and (d) personality traits explained approximately 9% of the career choice goals. Only three scales make a significant specific contribution at this point: Stability, Calmness and Confidence (facets of Neuroticism factor). When personality traits are entered in the model in absence of self-efficacy and interests scales, independent contributions of the following scales were evident: Sensitivity and Warmth (facets of Agreeableness factor), Friendliness and Assertiveness (facets of Extraversion factor), and Intellect (facet of Openness factor). However, straight explanatory contribution of personality traits was significantly inferior when compared with the explanatory contribution of vocational interests and self-efficacy. The present results give substantial support to expert postulations (Lowman, 1991) thatpropose the inclusion of vocational interests, intelligence and personality measures in order to improve career counseling effectiveness.

Key words: Self-efficacy; Personality traits; Vocational interests; Career choice goals; Social Cognitive Career Theory.

Introducción

La orientación para la elección de carrera (career counseling) es una de las áreas de mayor desarrollo de la Psicología Educacional, teniendo como objetivo fundamental el asesoramiento profesional a personas que deben realizar una elección académica o laboral. La Teoría Social Cognitiva de las Carreras (Lent, Brown & Hackett, 1994) representa un notable esfuerzo de integración de diferentes modelos y constructos, con la finalidad de comprender los mecanismos que regulan la elección de carrera y el rendimiento académico.
Como puede observarse en la Figura 1, la autoeficacia o creencias de las personas acerca de sus capacidades para alcanzar niveles determinados de rendimiento (Bandura, 1987, 1997), y las expectativas de resultados, creencias personales acerca de los resultados posibles como consecuencias de los esfuerzos comportamentales, actúan como codeterminantes de los intereses vocacionales. Los intereses, a su vez, promueven metas de elección vocacional (intenciones o aspiraciones a comprometerse en una dirección vocacional particular), las cuales aumentan la probabilidad de una acción de elección determinada. Estas acciones de elección conducen al individuo a dominios de rendimiento particulares y experiencias de logro que pueden alimentar o debilitar la autoeficacia y las expectativas de resultados, al servir como experiencias de aprendizaje, afectando así, la persistencia en la elección realizada.

Figura 1
Modelo de desarrollo de carrera
Representación de los factores personales, contextuales y experienciales que afectan al comportamiento de selección de carrera (Lent, Brown & Hackett, 1994)

Las expectativas de resultados afectan a las metas y a las acciones de elección tanto indirectamente a través de los intereses, como directamente. El modelo incorpora a su vez otras variables personales (tales como aptitudes, género, etnicidad y rasgos de personalidad) así como variables contextuales. Los efectos de estas variables sobre los intereses, las elecciones y el rendimiento serán parcialmente mediados por experiencias diferenciales de aprendizaje, las cuales afectarán directamente a las creencias de autoeficacia y a las expectativas de resultados. Estos diferentes elementos se interrelacionan y afectan a los intereses vocacionales, la elección de carrera y el rendimiento académico.
Entre las variables personales, los rasgos de personalidad no reciben mayor atención en este enfoque teórico, a pesar de una larga tradición de investigación en Psicología de las Carreras (Holland, 1997). Sin embargo, un extenso volumen de evidencias empíricas señala que los rasgos de personalidad son significativamente predictivos de variables relacionadas con las carreras (tales como intereses y valores) y variables relacionadas con la adaptación a las carreras, por ejemplo satisfacción ocupacional (Gottfreson, Jones & Holland, 1993).
Un reducido grupo de investigadores de la ciudad de Córdoba (Argentina) ha desarrollado una serie de recursos técnicos, tales como tests y sistemas, necesarios para la evaluación científica del comportamiento de carrera. La construcción y adaptación de instrumentos de medición fue creciendo paulatinamente desde que se diseñó el primer Cuestionario de Intereses Profesionales (Fogliatto, 1991) hasta la presentación de un Sistema de Orientación Vocacional Informatizado que contempla información sobre carreras y evaluación de autoeficacia para inteligencias múltiples e intereses vocacionales (Fogliatto & Pérez, 1997, 2004). Actualmente, se está adaptando un inventario de evaluación de los rasgos de personalidad, el Sixteen Personality Factor Inventory (16PF), versión propuesta por Goldberg (1999) en su Pool Internacional de Items de Personalidad. Pérez, Cupani y Beltramino (2004) realizaron estudios de traducción inversa del instrumento, consistencia interna, validez predictiva con relación a la elección de carrera y rendimiento académico (Pérez, Cupani & Ayllón, en prensa), todos con resultados satisfactorios.
Sin embargo, en los estudios realizados con cada uno de los instrumentos disponibles (intereses, autoeficacia, personalidad) se emplearon diseños bivariados para predecir variables relacionadas con las carreras. En la actualidad predomina un enfoque multivariado para explicar el comportamiento humano (Tabachnik & Fidell, 2002) y se recomiendan estos métodos en los estudios desarrollados para obtener evidencia predictiva, porque permiten esclarecer con mayor precisión la red de interrelaciones entre las variables predictoras y criterio (Thompson & Borrello, 1985).
Por consiguiente, en este trabajo la propuesta fue verificar la contribución explicativa de los intereses, la autoeficacia y los rasgos de personalidad, con respecto a la variable metas de elección de carrera, utilizando como método el análisis de regresión por pasos, donde las variables independientes se incorporaron al modelo explicativo siguiendo el orden establecido por la Teoría Social Cognitiva de las Carreras.

Metodología
Participantes y procedimiento

La muestra estuvo integrada por 268 estudiantes del último año de la escuela media (nivel polimodal) de la ciudad de Córdoba (Argentina), ellos eran adolescentes que tenían entre 17 y 20 años (media de edad: 17.48; 43.4% mujeres; 54.8% varones) y eran alumnos de escuelas públicas (de nivel socioeconómico medio-bajo) y privadas (nivel socioeconómico medioalto).
Se intentó que la muestra incluyera un número adecuado de estudiantes de cada una de las especialidades del nivel polimodal: el 23.9% de Producción de Bienes y Servicios, el 15.1% de Arte, Diseño y Comunicación, 12.5% de Ciencias Sociales, 12.5% de Ciencias Naturales y 34.6% de Economía y Gestión de las Organizaciones.
Se administraron grupalmente los instrumentos CIP-4 (Pérez & Cupani, en prensa), IAMI (Pérez, 2001) y 16PF-IPIP (Pérez, Cupani & Beltramino, 2004).
Dos meses después, antes de finalizar el año lectivo, los sujetos fueron evaluados con el Cuestionario de Intenciones de Elección de Carrera (CIEC) de Pérez (2001). Se realizó una devolución de los resultados a cada participante de la investigación, sugiriendo carreras a explorar de acuerdo a los puntajes obtenidos; esto permitió asegurar un nivel de motivación adecuado para realizar la experiencia.

Instrumentos

a.- El Inventario de Personalidad 16PF-IPIP de Pérez, Cupani y Beltramino (2004)

Este inventario comprende 163 ítem construidos para medir 16 escalas primarias (Calidez, Intelecto, Estabilidad, Asertividad, Gregarismo, Obediencia, Amigabilidad, Sensibilidad, Confianza, Imaginación, Apertura, Autoestima, Complejidad, Sociabilidad, Perfeccionismo y Calma) y los cinco grandes factores de personalidad (Extraversión, Amabilidad, Responsabilidad, Estabilidad Emocional y Apertura a la Experiencia) de un adolescente o adulto sin trastornos psicológicos severos. Cada ítem está redactado en forma de frase y describe comportamientos típicos de las personas (por ejemplo, sé como alentar a los demás) y se solicita al sujeto que evalúe el grado de precisión con que cada oración lo describe, utilizando una escala de cinco opciones de respuestas (desde Muy en desacuerdo con esta descripción de mí mismo, hasta Muy de acuerdo). El instrumento posee estudios de consistencia interna, tanto en su versión original como en la adaptada, con valores aceptables en ambos casos (coeficiente alpha promedio de .78 para la versión empleada).

b.- El Cuestionario de Intereses Profesionales 4 (CIP-4) de Pérez y Cupani (en prensa)

Este cuestionario incluye 93 ítem que mencionan actividades académicas y ocupacionales relacionadas con carreras superiores (por ejemplo: construir puentes). Los ítem presentan aseveraciones a las cuales las personas evaluadas deben responder indicando su agrado, indiferencia o desagrado. El CIP-4 permite obtener puntuaciones normativas en 13 escalas (Ciencias, Tecnología, Empresas, Cálculo, Arte, Enseñanza y Orientación, Música, Comunicación, Humanidades, Idiomas, Naturaleza, Salud y Leyes y Política) obtenidas por análisis factorial y relacionar cada perfil de intereses con opciones educativas. El instrumento posee estudios de confiabilidad en sus dos dimensiones fundamentales: consistencia interna mediante alpha de Cronbach, con coeficientes entre .79 y .92 y estabilidad mediante el procedimiento test-retest, con valores que van de .79 a .90.

c.- El Inventario de Autoeficacia para Inteligencias Múltiples (IAMI) de Pérez (2001)

Este inventario incluye 72 ítem que representan actividades relacionadas con las ocho inteligencias propuestas por Gardner (1999) por ejemplo, analizar obras literarias, conformando ocho escalas: Lingüística, Lógico- Matemática, Espacial, Musical, Interpersonal, Cinestésico-Corporal, Intrapersonal y Naturalista. En cada ítem se solicita a la persona que evalúe en una escala de 1 a 10 la confianza o seguridad que posee en su habilidad para desempeñarse en las tareas descriptas en cada uno de ellos. El instrumento posee estudios de confiabilidad en sus dos dimensiones: consistencia interna mediante alpha de Cronbach (entre .84 y .94) y estabilidad mediante el procedimiento test-retest (entre .70 y .82).

d.- El Cuestionario de Intenciones de Elección de Carreras (CIEC)

Para evaluar la variable criterio de este estudio, intenciones o metas de elección de carrera, se utilizó el CIEC que es un instrumento diseñado adhoc para validar el Inventario de Autoeficacia para Inteligencias Múltiples (Pérez, 2001). El CIEC posee 40 ítem que mencionan carreras de nivel superior (Psicología, por ejemplo), incluidos en cinco escalas obtenidas por análisis factorial: Carreras Sociales, Tecnológicas, Médicas, Artísticas y Humanistas. Las personas usuarias del CIEC deben responder a cada ítem con una escala de respuesta tipo Likert, desde 1 (muy improbable que me inscriba en esta carrera) a 10 (muy probable que me inscriba). Los coeficientes alpha de Cronbach de las escalas varían entre .80 y .90.

Resultados

En primera instancia se obtuvieron las medias, desviaciones estándar y coeficiente alpha de Cronbach de las variables predictoras (ver Tablas 1, 2 y 3). Posteriormente, se exploraron las relaciones entre las variables independientes y las dependientes con la realización de un análisis de regresión por pasos. Se incorporaron las variables independientes al modelo explicativo siguiendo el orden establecido por la Teoría Social Cognitiva de las Carreras: primero los rasgos de personalidad, luego las escalas de autoeficacia y por último, las escalas de intereses. Las variables dependientes fueron cada factor del CIEC, por lo que se obtuvieron en este estudio cinco modelos independientes. Se presenta un resumen de los principales resultados obtenidos para cada modelo, indicando el porcentaje de variancia explicada y la contribución independiente de cada variable predictora.

Tabla 1
Alpha de Cronbach, medias y desviaciones estándar del 16PF-IPIP

Tabla 2
Alpha de Cronbach, medias y desviaciones estándar del IAMI

Tabla 3
Alpha de Cronbach, medias y desviaciones estándar del CIP-4

En el primer modelo la variable dependiente (intenciones de elección de carreras) fue el factor de Carreras Tecnológicas. En el primer paso del análisis, los rasgos de personalidad explicaron el 26% de la variancia del comportamiento intención de elección de carrera [F Hotelling (16,191) = 3,860; p < .000]. En el segundo paso, la autoeficacia incrementó un 15.5% la variancia explicada [F Hotelling (8,191) = 5,495; p < .000] y en el tercer paso, los intereses aportaron un 13.8% [F Hotelling (13,191) = 3,626; p < .000], explicando en conjunto el 55.6% de la variancia de las metas de elección de carreras tecnológicas. Examinando los coeficientes de regresión estandarizados (b) se observó la contribución independiente de cada una de las variables predictoras. En el primer paso, la faceta Sensibilidad (b = -.273, t = -3.365, p < .001), contribuye a predecir de forma negativa la cantidad de cambio que se producirá en la variable dependiente, donde a menor puntaje en la escala Sensibilidad, mayor probabilidad de elegir una carrera tecnológica. En el segundo paso, las principales contribuciones las realizaron la faceta Calidez (b = -.166, t = -1.984, p < .049) y Musical (b = -.148, t = -2.081, p < .039) con una contribución predictiva de forma negativa, y las escalas Lógico-Matemática (b = .219, t = 2.859, p < .005) y Cinestésico-Corporal (b = .261, t = 3.320, p < .001) con una contribución predictiva positiva. Finalmente, en el último paso, solamente seis escalas fueron significativamente predictivas: Calma, Confianza, Intrapersonal, Cinestésico-Corporal, Tecnología y Cálculo (ver Tabla 4).

Tabla 4
Resumen del análisis de regresión por pasos para variables que predicen la intención de elección de Carreras Tecnológicas

En el segundo modelo la variable dependiente fue el factor de Carreras Médicas. En el primer paso los rasgos de personalidad explicaron un 10% de la variancia [F Hotelling (16,191) = 3,860, p < .248] que no fue significativo. En el segundo paso, las escalas de autoeficacia explicaron un 26.9% [F Hotelling (8,205) = 9,028, p < .000] de la variancia del comportamiento intención de elección de carrera y en el tercer paso los intereses aportaron un 20% [F Hotelling (13,205) = 5,320, p < .000]. Conjuntamente, la autoeficacia y los intereses explican un 47% la variancia del comportamiento intención de elección de carreras médicas. Examinando los coeficientes de regresión estandarizados, en el segundo paso, la escala Intrapersonal (b = -.187, t = -2.446, p < .015) realiza una contribución negativa y la escala Naturalista (b = .519, t = 7.989, p < .000) una contribución explicativa positiva. Finalmente, el modelo quedó establecido por la escala Naturalista, más la contribución de las escalas de intereses: Salud, Ciencias y Humanidades (ver Tabla 5).

Tabla 5
Resumen de análisis de regresión por pasos para variables que predicen la intención de elección de Carreras Médicas

En el tercer modelo la variable dependiente fue el factor de Carreras Humanistas. Los rasgos de personalidad explicaron el 20.9% de la variancia del comportamiento intención de elección de carrera [F Hotelling (16,191) = 2,855, p < .000]. En el segundo paso, la autoeficacia incrementó un 9% la variancia explicada [F Hotelling (8,191) = 2,626, p < .010] y finalmente los intereses aportaron un 14.5% [F Hotelling (13,191) = 3,043, p < .001]. Conjuntamente, los rasgos de personalidad, la autoeficacia y los intereses explicaron un 44.3% de la variancia del comportamiento intención de elección de carreras humanistas. Analizando la contribución independiente de las variables predictoras, en el primer paso, se destaca la contribución de las escalas Estabilidad (b = -.226, t = 7.989, p < .000) e Intelecto (b = -.198, t = -2.137, p < .034) de forma negativa y Asertividad (b = .192, t = 2.890, p < .046) de forma positiva. En el segundo paso, se incorporan
la faceta Amigabilidad (b = -.232, t = -2.239, p < .027) y la escala Interpersonal (b= .280, t = 2.890, p < .004). Finalmente, se mantiene la faceta Estabilidad y se incorporan las escalas de intereses: Enseñanza y Orientación, Comunicación, Idiomas y Naturaleza (ver Tabla 6).

Tabla 6
Resumen de análisis de regresión por pasos para variables que predicen la intención de elección de Carreras Humanistas

En el cuarto modelo la variable dependiente fue el factor de Carreras Sociales. En el primer paso, los rasgos de personalidad explicaron un 6% de la variancia [F Hotelling (16,191) = 0,743, p < .747] que no fue significativo. En el segundo paso, las escalas de autoeficacia explicaron un 12.6% [F Hotelling (8,205) = 3,542, p < .001] de la variancia del comportamiento intención de elección de carreras y al incorporase los intereses en el tercer paso su contribución incremental fue del 27.3% [F Hotelling (13,205) = 6,397, p < .000]. Conjuntamente, la autoeficacia y los intereses explicaron el 40% de la variancia de las intenciones de elección de carreras sociales. Analizando los coeficientes de regresión estandarizados, en el segundo paso se destaca la contribución independiente y positiva de la escala Interpersonal (b = .345, t = 3.907, p < .000) y en el tercer paso, la contribución de las escalas Empresas, Enseñanza y Orientación, Comunicación, Humanidades y Leyes (ver Tabla 7).

Tabla 7
Resumen de análisis de regresión por pasos para variables que predicen la intención de elección de Carreras Sociales

Por último, en el quinto modelo la variable dependiente fue el factor de Carreras Artísticas. Se observó en el primer paso que los rasgos de personalidad explicaron un 12% de la variancia [F Hotelling (16,191) = 1,487, p < .101] y ese aporte no fue significativo. En el segundo paso, la autoeficacia explicó un 31.8% [F Hotelling (8,205) = 11,414, p < .000] de la variancia del comportamiento intención de elección de carreras, y al incorporarse los intereses en el tercer paso, los mismos incrementaron un 12.4% [F Hotelling (13,191) = 3,112, p < .000] la capacidad explicativa del modelo. La autoeficacia y los intereses explicaron el 44% de la variancia del constructo metas de elección de carreras artísticas. Analizando los coeficientes de regresión estandarizados, en el segundo paso, la principal contribución de forma positiva la aporta la escala de autoeficacia Espacial (b = .577, t = 3.907, p < .000) y, en el último paso del análisis, son significativos los aportes explicativos de las escalas de intereses Tecnología, Arte y Enseñanza y Orientación (ver Tabla 8).

Tabla 8
Resumen de análisis de regresión por pasos para variables que predicen la intención de elección de Carreras Artísticas

Discusión

La trama de factores que intervienen en el proceso de toma de decisiones en la elección de carrera es compleja y multidisciplinaria. Brown y Ryan Krane (2003) mencionan varios factores influyentes en el desarrollo de carrera: genéticos, género, diferencias físicas individuales, orientación sexual, habilidades, intereses, rasgos de personalidad, valores, estatus so-cioeconómico de la familia, duración de las carreras, demanda ocupacional de los graduados y prestigio de las ocupaciones, entre otros. Sin embargo, en todo proceso de asesoramiento vocacional, incrementar el autoconocimiento del orientado en variables psicológicas relevantes en este dominio ayuda a las personas a relacionar sus potencialidades con las carreras u ocupaciones de modo de realizar una elección ajustada.
Los intereses vocacionales han sido exhaustivamente examinados por los investigadores del comportamiento vocacional (Holland, 1997). Se estima que un conocimiento adecuado de esta dimensión de la motivación humana, contribuye esencialmente a predecir la elección de carrera y la satisfacción en el ejercicio de una carrera. Por su parte, la autoeficacia percibida demostró su utilidad predictiva para variables como rendimiento académico y elección de carrera (Multon, Brown & Lent, 1991). Por otro lado, resurgió el interés por la medición de la personalidad, demostrándose su utilidad predictiva con relación a variables relacionadas con la adaptación a las carreras (Gottfreson, Jones & Holland, 1993).
Analizando en conjunto la capacidad explicativa del modelo de intereses, autoeficacia y personalidad para las metas de elección de carrera puede observarse que:

a.- El poder explicativo del modelo psicológico que utiliza como predictores a los intereses vocacionales, los rasgos de personalidad y la autoeficacia para inteligencias múltiples es considerable (un 46% de la variancia de las metas de elección de carrera).
b.- Se ha corroborado el peso relativo de la variable intereses con relación a otras variables psicológicas (autoeficacia y rasgos de personalidad) para las metas de elección de carrera. Los resultados concuerdan con la literatura en el sentido de que los intereses reciben una gran consideración de las personas en situaciones de elección de carreras (Holland, 1997). Los intereses permitieron explicar en promedio un 18% de la variancia de intenciones de elección de carrera. Las escalas Tecnología, Enseñanza y Orientación, Empresas, Leyes, Salud, Naturaleza y Arte realizan una contribución independiente significativa a las metas de elección de carrera.
c.- También es importante la contribución explicativa de la autoeficacia, en promedio un 19% de variancia de las intenciones de elección de carrera, destacándose la utilidad predictiva de las escalas Cinestésico-Corporal, Naturalista y Espacial del IAMI.
d.- Los rasgos de personalidad explican en promedio un 9% de la variancia de las metas de elección de carrera. Las únicas escalasque realizan una contribución independiente cuando se controla la influencia de autoeficacia e intereses son: Estabilidad, Calma y Confianza (facetas del factor Neuroticismo). Cuando los rasgos de personalidad ingresan en el modelo sin controlar los efectos de las escalas de autoeficacia e intereses, se destaca la contribución independiente de las escalas Sensibilidad y Calidez (facetas del factor Amabilidad), Amigabilidad y Asertividad (facetas del factor Extraversión) e Intelecto (faceta del factor Apertura). No obstante, la contribución de los rasgos de personalidad a la explicación de las metas de elección es mucho menos importante que la realizada por los intereses vocacionales y la autoeficacia.
e.- Estos resultados suministran apoyo a argumentaciones autorizadas (Lowman, 1991) en el sentido de que la orientación es más eficaz cuando se utilizan en conjunto medidas de intereses, habilidades y personalidad.

Imbroscia y Siniuk (2001) sostienen que la orientación para la carrera, tal como se practica en Argentina, enfrenta severos obstáculos. Una de las principales dificultades es la limitada apertura de los orientadores a modelos relevantes del desarrollo de carrera tales como la Teoría de Interacción Persona-Ambiente de Holland (1997), o la más reciente Teoría Social Cognitiva de las Carreras (Lent, Brown & Hackett, 1994).
Los resultados de esta investigación sugieren que la Teoría Social Cognitiva posee valor heurístico y sus hipótesis deberían contrastarse también en nuestro medio. Una limitación de este trabajo es que no se pudieron incorporar otras variables relevantes del Modelo Social Cognitivo, por no contar con versiones adaptadas de instrumentos que permitan evaluar esos constructos. Así por ejemplo, en esta teoría es importante para el desarrollo de carrera, el rol de las expectativas de resultados y experiencias de aprendizaje, tales como variables no contempladas en nuestro modelo explicativo.
No obstante, la capacidad explicativa del modelo aquí propuesto es considerable con respecto a las metas de elección de carrera (aproximadamente un 45% de la variancia de esta variable), permitiendo incrementar notablemente la predicción que podría realizarse con cualquiera de los instrumentos aislados. El 55% de la variancia de intenciones de elección que resta sin explicación debería ser atribuida en su mayor parte a factores contextuales (demanda ocupacional de las profesiones, apoyos y obstáculos ambientales a las elecciones consideradas, por ejemplo), factores genéticos (Plomin, DeFries, McClearn & McGuffin, 2001) y cognitivos (expectativas de resultados, por ejemplo) que no fueron contemplados en este trabajo.

Referencias bibliográficas

1 Bandura, A. (1987). Pensamiento y acción [Thinking and action]. Barcelona: Martínez Roca.        [ Links ]

2 Bandura, A. (1997). Self-efficacy: The exercise of control. NY: Freeman.        [ Links ]

3 Brown, D.S. & Ryan Krane, N.E. (2003). Critical ingredients of career choice interventions: More analysis and new hypotheses. Journal of Vocational Behavior, 62, 411-428.        [ Links ]

4 Fogliatto, H. (1991). Cuestionario de Intereses Profesionales. Manual [Vocational Interests Questionnaire. Manual]. Buenos Aires: Guadalupe.        [ Links ]

5 Fogliatto, H. & Pérez, E. (1997). Sistema de orientación vocacional informatizado (SOVI). Manual y diskette [Computer-assisted career system (SOVI). Manual and diskette]. Buenos Aires: Guadalupe.         [ Links ]

6 Fogliatto, H. & Pérez, E. (2004). Sistema de orientación vocacional informatizado (SOVI 3). Manual y CD-ROM [Computer-assisted career system. Manual and CD-ROM]. Buenos Aires: Paidós.        [ Links ]

7 Imbroscia, F. & Siniuk, E. (2001). La orientación vocacional en Argentina [Career counseling in Argentina]. Extraído el 22 de febrero de 2002 de la World Wide Web: http://www.edu.ar/la_orvoc.htm        [ Links ]

8 Gardner, H. (1999). Intelligence reframed: Multiple intelligences for the 21st century. NY: Basic Books.        [ Links ]

9 Goldberg, L. (1999). A broad-bandwidth, public domain, personality inventory measuring the lower-level facets of several five-factor models. En I. Mervielde, I. Deary, F. De Fruyt & F. Ostendorf (Eds.), Personality psychology in Europe, Vol. 7. Tilburg, The Neatherlands: Tilburg University Press.        [ Links ]

10 Gottfreson, G., Jones, E. & Holland, J. (1993). Personality and vocational interest: The relation of Holland's six interest dimensions to five robust dimensions of personality. Journal of Counseling Psychology, 40, 518-524.        [ Links ]

11 Holland, J. (1994). Self-directed search. Technical manual. Odessa: Psychological Assessment Resources.        [ Links ]

12 Holland, J. (1997). Making vocational choices: A theory of vocational personalities and work environments (3a. ed.). Odessa, Fl: Psychological Assessment Resources.        [ Links ]

13 Lent, R., Brown, S. & Hackett, G. (1994). Toward a unifying social cognitive theory of career and academic interest, choice and performance. Journal of Vocational Behavior, 45, 79-122.        [ Links ]

14 Lent, R.W. & Maddux, J.E. (1997). Self-efficacy: Building a sociocognitive bridge between social and counseling psychology. Counseling Psychologist, 25, 240-255.        [ Links ]

15 Lowman, R. (1991). The clinical practice of career assessment: Interest, abilities and personality. Washington: American Psychological Association.        [ Links ]

16 Multon, R., Brown, S. & Lent, R. (1991). Relation of self-efficacy beliefs to academic outcomes: A meta-analytic investigation. Journal of Counseling Psychology, 38, 30-38.        [ Links ]

17 Pérez, E. (2001). Desarrollo de un inventario para evaluar autoeficacia para inteligencias múltiples [Development of an inventory to assess self-efficacy for multiple intelligences]. Tesis doctoral no publicada. Facultad de Psicología. Universidad Nacional de Córdoba. Córdoba. Argentina.        [ Links ]

18 Pérez, E. & Cupani, M. (en prensa). Características psicométricas de una forma revisada del cuestionario de intereses profesionales: El CIP-4 [Psychometric characteristics of a vocational interests questionnaire revised: The CIP 4]. Psicothema.         [ Links ]

19 Pérez, E., Cupani, M. & Ayllón, S. (en prensa). Predictores de rendimiento académico en la escuela media: Habilidades, autoeficacia y rasgos de personalidad [Academic performance in high school: The contribution of abilities, self-efficacy and personality]. Avaliação Psicológica.        [ Links ]

20 Pérez, E., Cupani, M. & Beltramino, C. (2004). Adaptación del Inventario de Personalidad 16PF-IPIP a un contexto de orientación [The 16PFIPIP Inventory: Adaptation to a career counseling use]. Evaluar, 4, 23-49.        [ Links ]

21 Plomin, R., DeFries, J.C., McClearn, G.E. & McGuffin, P. (2001). Genética de la conducta [Behavioral genetics]. Barcelona: Ariel Ciencia.        [ Links ]

22 Tabachnik, B. & Fidell, L. (2002). Using multivariate statistics (4a ed.). Boston: Allyn and Bacon.        [ Links ]

23 Thompson, B. & Borrello, G. (1985). The importance of structure coefficients in regression research. Educational and Psychological Measurement, 41, 203-209.        [ Links ]

24 Tokar, D.M., Fischer, A.R. & Subich, L.M. (1998). Personality and vocational behavior: A selective review of the literature, 1999-1997. Journal of Vocational Behavior, 53, 115-153.        [ Links ]

Facultad de Psicología. Universidad Nacional de Córdoba (UNC). Córdoba – República Argentina

Fecha de recepción: 1 de septiembre de 2005
Fecha de aceptación: 1 de diciembre de 2005

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons