INTRODUCCIÓN

La acreditación universitaria se ha consolidado globalmente como un mecanismo esencial para el aseguramiento de la calidad en la educación superior, adquiriendo una relevancia crítica en el sistema peruano, donde sus implicaciones para la competitividad institucional y la confianza pública son innegables (^{Kumar et al., 2020}). En este escenario, la creciente presión sobre las Instituciones de Educación Superior (IES) para demostrar calidad y rendición de cuentas ha intensificado la búsqueda de herramientas eficaces para optimizar los complejos Procesos de Acreditación (PAC). Dentro de este marco, el Sistema Nacional de Evaluación, Acreditación y Certificación de la Calidad Educativa (SINEACE) en Perú, según el análisis de ^{Tamayo y Malpartida (2022}), ha impulsado una dinámica de mejora continua, aunque los desafíos inherentes al PAC -su complejidad intrínseca, la considerable demanda de recursos y la necesidad imperante de una autoevaluación sistemática- persisten como obstáculos significativos para muchas instituciones. Esta situación subraya la importancia de investigar instrumentos que faciliten la gestión de calidad, especialmente en universidades públicas que operan en contextos de economías emergentes.

Frente a esta necesidad, el Diagrama Causa-Efecto (DCE), también conocido como Diagrama de Ishikawa o Espina de Pescado, emerge como una herramienta de gestión de calidad con una trayectoria consolidada en diversos sectores para la identificación de causas raíz de problemas (^{Burgasí et al., 2021}). Su potencial aplicabilidad en el ámbito universitario para analizar deficiencias, optimizar procesos y facilitar la toma de decisiones informadas conducentes a la mejora continua, esencial para la acreditación, ha sido destacada por autores como ^{Merlino (2023}), quien explora su uso en la gestión de proyectos educativos. No obstante, a pesar de su reconocida utilidad, la aplicación sistemática del DCE y, fundamentalmente, la cuantificación de sus efectos en las múltiples dimensiones del PAC universitario, particularmente en instituciones públicas peruanas, no ha sido suficientemente explorada mediante investigaciones empíricas robustas. Esta carencia se hace patente al considerar la complejidad de alinear los procesos de acreditación con resultados de aprendizaje efectivos, una brecha identificada por ^{Kumar et al. (2020}).

En esta línea de argumentación, la presente pesquisa busca cerrar esta brecha en la literatura, yendo más allá de análisis descriptivos o correlacionales básicos para evaluar cuantitativamente la influencia de la implementación percibida del DCE en la optimización del PAC. La justificación de este enfoque radica en que comprender esta relación es crucial tanto para que las IES peruanas, como la Universidad Nacional Santiago Antúnez de Mayolo (UNASAM), optimicen sus estrategias de gestión de calidad, como para que los organismos acreditadores promuevan herramientas de probada efectividad. Estudios previos, como el de ^{Arrieta y Avolio (2020}) en una universidad privada peruana, han identificado factores clave que influyen en la calidad del servicio educativo, destacando la relevancia de los profesores y la planificación curricular, elementos directamente abordables mediante un análisis causal riguroso.

La originalidad de este estudio reside en su propuesta de un análisis multidimensional del PAC y el empleo de técnicas estadísticas avanzadas para evaluar la influencia predictiva del DCE, una aproximación que, hasta donde se conoce, no ha sido extensamente aplicada en el contexto de la acreditación de universidades públicas en Perú. La literatura, si bien reconoce la utilidad del DCE en educación (^{Burgasí et al., 2021}; ^{Merlino, 2023}), carece de una cuantificación detallada de su impacto específico en las diversas facetas del proceso de acreditación mediante modelos predictivos que consideren la percepción de su implementación.

Por consiguiente, este análisis metódico se plantea con el objetivo general de analizar la influencia de la implementación percibida del Diagrama Causa-Efecto en la optimización de las dimensiones clave del Proceso de Acreditación en los programas de estudio de la Universidad Nacional Santiago Antúnez de Mayolo (UNASAM). De este objetivo general se desprenden las siguientes preguntas de investigación específicas que guiarán el desarrollo empírico: 1. ¿En qué medida la percepción sobre la utilidad y aplicación del DCE predice una mejor evaluación de la dimensión "Plan de Estudios" en el contexto del PAC? 2. ¿Existe una relación significativa entre la implementación del DCE y la fortaleza percibida del "Cuerpo Académico" según los estándares de acreditación? 3. ¿Cómo influye el uso del DCE en la percepción de la adecuación de la "Infraestructura y Equipamiento" para el PAC? 4. ¿Se asocia la aplicación del DCE con una mejora en los indicadores de "Investigación" relevantes para la acreditación? 5.

¿De qué manera la utilización del DCE impacta la "Gestión General del Proceso de Acreditación", considerando aspectos como el seguimiento, los planes de mejora y la participación de los involucrados? La investigación busca ofrecer evidencia empírica robusta sobre el valor del DCE, proporcionando un modelo analítico que pueda ser replicado o adaptado por otras IES, esperando que los hallazgos informen políticas y prácticas de gestión de calidad, tal como sugieren las necesidades identificadas por ^{Biaggi (2024}) respecto a las herramientas de aseguramiento de la calidad. El presente documento se estructura en secciones que detallan la metodología empleada, los resultados obtenidos, la discusión de dichos resultados en el marco teórico y contextual, y las conclusiones derivadas del análisis.

MÉTODOS

La presente indagación se articuló mediante un diseño cuantitativo, de carácter no experimental, con un corte transversal y una finalidad explicativo-correlacional, buscando explicar la varianza en las dimensiones del Proceso de Acreditación (PAC) en función de la implementación percibida del Diagrama Causa-Efecto (DCE), sin manipulación de variables y en un momento específico del año 2023. La población objeto de este análisis metódico comprendió la totalidad de los miembros de los Comités de Calidad de los Programas de Estudios (CCPE) de los 22 programas de la Universidad Nacional Santiago Antúnez de Mayolo (UNASAM) involucrados en procesos de autoevaluación y acreditación durante dicho periodo, estimada en 108 individuos.

Dada la magnitud de la población, se optó por un muestreo probabilístico estratificado por facultad, calculando un tamaño muestral de 84 participantes para asegurar un nivel de confianza del 95% y un margen de error del 5%, lográndose una tasa de respuesta del 77.78%. Los criterios de inclusión estipularon la participación activa en un CCPE de la UNASAM durante 2023 y la experiencia en la aplicación o análisis del DCE en el contexto del PAC, excluyéndose a quienes no cumplieran estos requisitos o no completaran adecuadamente el instrumento.

Para la recolección de datos, se administró un cuestionario estructurado compuesto por tres secciones principales: datos sociodemográficos y del programa (antigüedad en el comité, rol, facultad, antigüedad del programa, utilizados como variables de control); una Escala de Implementación Percibida del Diagrama Causa-Efecto (IP-DCE) con 15 ítems tipo Likert de 7 puntos, evaluando las dimensiones de Utilidad Percibida, Calidad de Aplicación e Impacto en la Toma de Decisiones; y una Escala de Evaluación del Proceso de Acreditación (E-PAC) con 25 ítems tipo Likert de 7 puntos, midiendo la percepción sobre el Plan de Estudios, Cuerpo Académico, Infraestructura y Equipamiento, Investigación, y Gestión del Proceso de Acreditación.

La validación de contenido de los instrumentos se efectuó mediante juicio de cinco expertos en gestión de calidad universitaria, obteniéndose un coeficiente V de Aiken superior a 0.80 para todos los ítems, y se realizó una prueba piloto con 25 miembros de CCPE de una institución similar para verificar claridad y comprensión. El proceso de recolección se extendió durante el último trimestre de 2023, previa obtención de los permisos institucionales y el consentimiento informado de cada participante, garantizando anonimato.

El procesamiento y análisis de la información se llevó a cabo utilizando el software SPSS versión 28 y AMOS versión 26. Inicialmente, se realizaron análisis descriptivos (frecuencias, medias, desviaciones estándar). Seguidamente, se procedió a la validación de constructo y fiabilidad de las escalas mediante Análisis Factorial Confirmatorio (CFA), cuyos resultados se detallan en la sección correspondiente, evaluándose la fiabilidad con Alfa de Cronbach, Omega de McDonald, y la validez convergente (AVE) y discriminante (HTMT), siguiendo procedimientos robustos como los descritos por ^{Fernández et al. (2020}) y ^{Latif et al. (2020}). Esta aproximación, que incluye la confirmación de estructuras factoriales, es una práctica estándar en la validación de instrumentos en contextos educativos (^{Haddadian et al., 2024}). Para el análisis correlacional, se empleó la matriz de correlaciones de Pearson. Finalmente, la prueba de hipótesis se realizó mediante Modelos de Regresión Lineal Múltiple Jerárquica, con un nivel de significancia de α = 0.05, verificando los supuestos de linealidad, normalidad de residuos, homocedasticidad y no multicolinealidad (VIF).

RESULTADOS Y DISCUSION

Características Descriptivas de la Muestra y Variables del Estudio

La muestra final del estudio estuvo compuesta por 84 miembros pertenecientes a los Comités de Calidad de los Programas de Estudios (CCPE) de la Universidad Nacional Santiago Antúnez de Mayolo, involucrados en procesos de autoevaluación y acreditación durante 2023. La Tabla 2 detalla las características sociodemográficas de estos participantes y de los 22 programas de estudio analizados. Se observa que la mayoría de los miembros de los CCPE son docentes, con una antigüedad promedio en el comité de 3.4 años. En cuanto a los programas, existe una representación diversa de facultades, siendo Ingeniería la más frecuente, con una antigüedad promedio de los programas de 16.2 años.

Respecto a las variables principales del estudio, la Tabla 3 presenta los estadísticos descriptivos para las dimensiones de la Implementación Percibida del Diagrama Causa-Efecto (IP-DCE) y la Evaluación del Proceso de Acreditación (E-PAC). En general, las puntuaciones medias para las dimensiones de IP-DCE se sitúan por encima del punto medio de la escala de 7 puntos, sugiriendo una percepción favorable sobre su utilidad, calidad de aplicación e impacto. De manera similar, las dimensiones del E-PAC muestran puntuaciones medias que tienden a ser positivas, aunque con variabilidad entre ellas, siendo la Infraestructura y Equipamiento (PAC-IE) la que presenta la media más baja. Los valores de asimetría y curtosis para todas las escalas se encuentran dentro de rangos aceptables, indicando una aproximación razonable a la distribución normal.

Nota: Escalas tipo Likert de 1 (Totalmente en desacuerdo) a 7 (Totalmente de acuerdo).

Evaluación de los Modelos de Medida

Se llevó a cabo un Análisis Factorial Confirmatorio (CFA) para evaluar la estructura factorial de las escalas IP-DCE y E-PAC. La Figura 1 presenta visualmente el modelo de medida de tres factores correlacionados para IP-DCE (Utilidad Percibida, Calidad de Aplicación e Impacto en Decisiones).

De manera similar, la Figura 2 ilustra el modelo de medida de cinco factores correlacionados para E-PAC (Plan de Estudios, Cuerpo Académico, Infraestructura y Equipamiento, Investigación, y Gestión del Proceso de Acreditación).

Los índices de ajuste para ambos modelos, así como los indicadores de fiabilidad y validez convergente para cada factor, se resumen en la Tabla 4. Para el modelo IP-DCE, los índices de ajuste fueron adecuados. Asimismo, el modelo E-PAC de cinco factores también exhibió un ajuste aceptable a los datos. Todas las subescalas demostraron una fiabilidad interna buena a excelente, y los valores de Varianza Extraída Media (AVE) para cada factor superaron el umbral recomendado, indicando una validez convergente satisfactoria.

Nota: Umbrales aceptables: CFI/TLI > 0.90, RMSEA < 0.08, AVE > 0.50, CR/Alfa/Omega > 0.70.

La validez discriminante entre las dimensiones de las escalas IP-DCE y E-PAC fue evaluada mediante el ratio Heterotrait-Monotrait (HTMT), cuyos resultados se exponen en la Tabla 5. Todos los valores HTMT se encontraron por debajo del umbral conservador de 0.85, lo que indica que cada constructo mide un concepto distinto de los demás, confirmando la validez discriminante.

Nota: Valores HTMT < 0.85 (criterio conservador) o < 0.90 (criterio liberal) indican validez discriminante.

Análisis Correlacional entre las Variables del Estudio

La Tabla 6 presenta la matriz de correlaciones de Pearson entre las dimensiones de IP-DCE, las dimensiones de E-PAC y las variables de control seleccionadas (antigüedad del miembro en CCPE y antigüedad del programa). Se observaron correlaciones positivas y estadísticamente significativas entre todas las dimensiones de IP-DCE entre sí, así como entre todas las dimensiones de E-PAC entre sí. De manera crucial, las dimensiones de IP-DCE mostraron correlaciones positivas y significativas con la mayoría de las dimensiones de E-PAC, sugiriendo una asociación relevante entre la implementación percibida del DCE y la evaluación del proceso de acreditación. La antigüedad del programa mostró una correlación positiva y significativa con la percepción sobre el Plan de Estudios, mientras que la antigüedad del miembro en el CCPE no mostró correlaciones significativas con las dimensiones principales del estudio.

Nota: Coeficientes Omega en diagonal. *** p < .001, ** p < .01, * p < .05.

Resultados de los Modelos de Regresión Múltiple Jerárquica

Para examinar la influencia de la Implementación Percibida del DCE (IP-DCE Global) en cada una de las cinco dimensiones del Proceso de Acreditación (E-PAC), se condujeron modelos de regresión lineal múltiple jerárquica. En cada modelo, las variables de control (antigüedad del programa, dummies de facultad, antigüedad del miembro en CCPE) se ingresaron en el Paso 1, y la puntuación global de IP-DCE se añadió en el Paso 2.

La Tabla 7 detalla los resultados para la predicción de la percepción sobre el Plan de Estudios (PAC-PE). En el Modelo 1, las variables de control explicaron una porción significativa de la varianza en PAC-PE. Al introducir IP-DCE Global en el Modelo 2, se observó un incremento significativo en la varianza explicada (ΔR²), y la IP-DCE Global emergió como un predictor positivo y estadísticamente significativo de una mejor percepción sobre el Plan de Estudios, incluso después de controlar por las variables demográficas y del programa.

Análisis similares de regresión jerárquica se realizaron para las otras cuatro dimensiones del E-PAC: Cuerpo Académico (PAC-CA), Infraestructura y Equipamiento (PAC-IE), Investigación (PAC-INV), y Gestión del Proceso de Acreditación (PAC-GPA). La IP-DCE Global mostró una influencia positiva y significativa en la mayoría de estas dimensiones, aunque la magnitud del efecto y el incremento en R² varió. Una síntesis visual del impacto del IP-DCE Global sobre todas las dimensiones del E-PAC, basada en los coeficientes beta estandarizados de los modelos de regresión finales (Paso 2), se presenta en la Figura 3.

Discusión

El presente análisis metódico se propuso analizar la influencia de la implementación percibida del Diagrama Causa-Efecto (IP-DCE) en la optimización de las dimensiones clave del Proceso de Acreditación (PAC) en los programas de estudio de la Universidad Nacional Santiago Antúnez de Mayolo (UNASAM). Los resultados de los modelos de regresión jerárquica evidencian que la IP-DCE ejerce una influencia positiva y estadísticamente significativa sobre la percepción de calidad en todas las dimensiones evaluadas del PAC: Plan de Estudios, Cuerpo Académico, Infraestructura y Equipamiento, Investigación, y Gestión del Proceso de Acreditación, incluso tras controlar el efecto de variables como la antigüedad del programa y la facultad. Este hallazgo central responde afirmativamente a las preguntas de investigación planteadas, constatando que una implementación más favorablemente percibida del DCE se asocia con una evaluación más positiva de las facetas del proceso de aseguramiento de la calidad. La magnitud de los efectos, reflejada en los incrementos significativos en el R² al introducir la IP-DCE como predictor (por ejemplo, un ΔR² de 0.271 para la dimensión Plan de Estudios), subraya la relevancia práctica de esta herramienta. Entre las dimensiones del PAC, la "Gestión del Proceso de Acreditación" y el "Plan de Estudios" mostraron ser particularmente sensibles a la IP-DCE, lo cual sugiere que la herramienta es especialmente valorada para la planificación estratégica y la optimización de los aspectos curriculares y procedimentales del aseguramiento de la calidad. El impacto, aunque significativo, fue comparativamente menor en la dimensión "Infraestructura y Equipamiento", lo que podría indicar que la percepción de esta dimensión está más condicionada por factores estructurales y de inversión a largo plazo, menos susceptibles al impacto directo de una herramienta analítica como el DCE, aunque su utilidad para identificar deficiencias y priorizar mejoras no debe subestimarse.

Comparación con la Literatura Existente

Estos resultados resuenan con la literatura que aboga por la gestión de calidad y la mejora continua en la educación superior. Por ejemplo, ^{Vaganova et al. (2020}) proponen un modelo de gestión de calidad que, tras su implementación, logró un aumento del 18% en la satisfacción estudiantil; si bien nuestro estudio se centra en la percepción de los miembros de comités de calidad, el incremento en R² al incluir el DCE (0.271 para Plan de Estudios, p < .001) sugiere un impacto de magnitud comparable atribuible a una herramienta específica. La literatura sobre Total Quality Management (TQM) en el contexto universitario, como la expuesta por ^{Ülker (2023}) y ^{Bajaj (2024}), también ofrece un marco de comparación. Mientras Ülker (2023) alinea principios de ISO 21001 con la Universidad 4.0 logrando mejoras en eficiencia administrativa, y Bajaj (2024) reporta fallos en la implementación de TQM por falta de enfoque en factores clave, los presentes hallazgos sugieren que una herramienta focalizada y bien implementada como el DCE puede contribuir significativamente a la percepción de calidad (R²=0.392 en el modelo para Plan de Estudios), potencialmente superando algunas barreras burocráticas o de liderazgo generalistas.

De hecho, ^{Meneses y Suyo (2024}) identifican que los procesos de acreditación en universidades peruanas a menudo se centran excesivamente en aspectos administrativos (80% de criterios) en detrimento del desempeño; el DCE, al facilitar el análisis causal y la priorización, podría ayudar a reorientar estos procesos hacia mejoras sustantivas. Asimismo, la importancia de la evaluación de resultados de aprendizaje, destacada por ^{Cumming y Miller (2019}) -quienes reportan que el 90% de instituciones acreditadas mejoran la documentación de resultados-, se ve indirectamente apoyada, ya que una mejor planificación curricular y gestión del proceso, influenciadas por el DCE, son prerrequisitos para una evaluación efectiva de dichos resultados. En contraste con el estudio de ^{Olmos et al. (2021}) en Italia, que encontró diferencias significativas en la satisfacción con la calidad educativa entre estudiantes y profesores, nuestro estudio, al centrarse en miembros de comités de calidad, sugiere que el uso de herramientas participativas como el DCE podría coadyuvar a una percepción más cohesionada de la calidad dentro de estos equipos, aunque no se midió directamente la homogeneidad.

Implicaciones Prácticas para la UNASAM y Otras IES

Las implicaciones prácticas de estos hallazgos son considerables. Para la UNASAM y otras IES, especialmente aquellas en contextos similares, se recomienda fomentar y capacitar en el uso riguroso, sistemático y participativo del Diagrama Causa-Efecto, integrándolo formalmente en los ciclos de autoevaluación y planificación de la mejora continua. Dado que las dimensiones del DCE relativas a su utilidad percibida, calidad de aplicación e impacto en la toma de decisiones son fundamentales, los programas de capacitación deberían enfatizar estos aspectos. Los Comités de Calidad de los Programas de Estudios (CCPE) pueden utilizar estos resultados para justificar la asignación de tiempo y recursos a la aplicación efectiva del DCE, así como para enfocar sus esfuerzos en las dimensiones del PAC que se benefician más directamente de su uso. Para aquellas dimensiones donde la influencia del DCE fue menor, como la infraestructura, se sugiere que las IES deben complementar el uso de esta herramienta con otras estrategias de planificación a largo plazo y gestión de inversiones. La evidencia de que el DCE puede superar algunas de las barreras administrativas y de enfoque que ^{Meneses y Suyo (2024}) identifican en el contexto peruano, lo posiciona como un instrumento valioso para reorientar los esfuerzos de acreditación hacia mejoras tangibles y percibidas en la calidad.

Limitaciones del Estudio y Recomendaciones para Futuras Investigaciones

A pesar de sus contribuciones, este estudio presenta ciertas limitaciones que deben ser reconocidas. Primero, su diseño transversal permite identificar asociaciones, pero no establecer relaciones causales definitivas entre la implementación del DCE y la optimización del PAC. Segundo, el uso de autoinformes para medir las percepciones puede estar sujeto a sesgos, como la deseabilidad social. Tercero, la muestra se limita a una sola institución pública peruana, lo que restringe la generalizabilidad de los hallazgos a otras IES con diferentes contextos y características. Finalmente, podrían existir otras variables no medidas (e.g., cultura organizacional específica, nivel de recursos dedicados a la calidad) que influyan en las dimensiones del PAC. En consecuencia, se proponen varias líneas para futuras investigaciones. Sería valioso realizar estudios longitudinales para observar el impacto de la implementación del DCE a lo largo del tiempo y en diferentes etapas del proceso de acreditación. Las investigaciones comparativas entre diversas IES (públicas y privadas, de distintas regiones del Perú y de otros países) podrían ayudar a determinar la consistencia de estos hallazgos y a identificar factores contextuales que moderen la efectividad del DCE.

CONCLUSIONES

El presente estudio empírico constató de manera robusta que la implementación percibida del Diagrama Causa-Efecto (IP-DCE) ejerce una influencia positiva y estadísticamente significativa en la evaluación de las dimensiones fundamentales del Proceso de Acreditación (PAC) dentro de los programas de estudio de la Universidad Nacional Santiago Antúnez de Mayolo. Particularmente, la "Gestión del Proceso de Acreditación" y el "Plan de Estudios" emergieron como las facetas más sensiblemente impactadas por una aplicación favorablemente percibida del DCE, evidenciando la capacidad de esta herramienta para optimizar aspectos estratégicos y curriculares cruciales para el aseguramiento de la calidad.

Aunque todas las dimensiones del PAC se vieron beneficiadas, la magnitud del efecto subraya el valor del DCE como un instrumento analítico que trasciende la simple identificación de problemas para convertirse en un motor de mejora percibida en la calidad de los procesos de acreditación. La contribución principal de esta investigación radica en la aportación de evidencia empírica específica sobre la efectividad de una herramienta de calidad tradicional, el DCE, en el contexto contemporáneo y complejo de la acreditación universitaria en una institución pública peruana.