La literatura señala la importancia del soporte familiar durante la formación universitaria (Garneau, Olmstead, Pasley & Fincham, 2013; Myers & Myers, 2015), en especial para nuestra cultura donde los vín culos familiares suelen ser más estrechos en comparación con otras (Llamas & Morgan, 2012). Los jóvenes universitarios constituyen una población de suma importancia para la sociedad, puesto que el futuro profe sional representará la calidad en potencia de cada país; no obstante, existe la preocupación que problemas de diversa índole afecten su bienestar y los perjudiquen durante este proceso de formación (Soria-Barreto & Zúñiga-Jara, 2014).
De esta manera, diversos estudios han señalado la influencia que ejerce el contexto familiar en el des envolvimiento de los estudiantes universitarios; en especial, la comunicación familiar es uno de los aspectos relacionales más importantes para el adecuado ajuste psicosocial de los jóvenes universitarios (Cava, 2003), que los afecta en aspectos tales como el proceso de adaptación al contexto universitario (Orrego & Rodriguez, 2001), la tendencia a mostrar conductas de riesgo (Aldeis & Afifi, 2013) e incluso factores de riesgo.
Los miembros de la familia intercambian información de forma constante, influyen y afectan la or ganización, debido a que la comunicación permite regular la proximidad emocional y la capacidad de adap tarse y reorganizarse a lo largo del ciclo vital de la familia, según lo propusieron Olson, Russell y Sprenkle (1989) en su modelo teórico de los sistemas maritales y familiares.
La propuesta inicial de Olson, Russell y Sprenkle (1989) se basa en la funcionalidad familiar, la cual se sostiene en tres dimensiones: 1) cohesión: sentimientos de cercanía o distancia emocional que perciben cada uno de los miembros en la dinámica familiar, 2) flexibilidad: corresponde a la capacidad de para adaptarse, cambiar los sistemas de poder, reglas, estrategias de solución en la familia y 3) la comunicación familiar: referida a la capacidad de transmitir información sobre los sentimientos, emociones, necesidades entre los miembros de la familia (Olson, 2000). Con base en este modelo se construyeron diversas escalas de evaluación, que han ido mejorándose con el tiempo, así también el modelo ha cambiado (Kouneski, 2002; Olson, 2011).
El rol de la comunicación en las relaciones familiares propició que se desarrollen instrumentos de evaluación que permitiesen caracterizarla en cada familia y facilitar su comprensión (Rogers, 2006). Nuevamente, Barnes y Olson (1982) desarrollaron un estudio piloto de la Escala de Comunicación Padres-Adolescentes (PACS, por sus siglas en inglés) con base en 35 reactivos, que tras el análisis factorial se delimitaron tres dimensiones: la apertura, los problemas y la selectividad (Olson, Gorall & Tiesel, 2006). Posteriormente, la versión final de PACS consistió en 20 ítems y dos subescalas para medir la comunica ción en familias con uno o más hijos adolescentes: apertura a la comunicación familiar y problemas en la comunicación familiar. El tercer factor (selectividad) fue incluido dentro del factor de problemas. Así, sus ítems cargaron dentro de este factor problemas cuando se restringió el análisis a solo dos factores (Olson et al., 2006).
La primera dimensión de apertura de la comunicación familiar evalúa el grado en que los miembros de la familia se sienten libres y satisfechos con la comunicación familiar, mientras que la segunda dimen sión, problemas en la comunicación familiar, evalúa el grado aspectos disfuncionales en la comunicación, tales como dificultades en la integración, estilos negativos de interacción familiar y la selectividad sobre lo compartido en el sistema familiar.
La nueva versión de la Escala de Comunicación Familiar (FCS) consta de 10 ítems basada de la PACS, entre las ventajas más importantes sobre esta escala están la facilidad y la rapidez de su aplicación además de poder ser utilizado con diversos de tipos de familia, según la composición y/o en las distintas etapas del ciclo de vida.
Estudios como el de Boiccco, Cacciopo, Laghi, y Taffá (2013) evaluaron la confiabilidad, la validez y la estructura factorial del paquete FACES IV (Family Adaptability and Cohesion Evaluation Scale) en su cuarta versión está conformada por seis dimensiones, tres asociadas a la cohesión (desligada, cohesión balanceada y enmarañada) y tres a la flexibilidad (rígida, flexibilidad balanceada y caótica). Estas también se agrupan en dos dimensiones balanceadas y cuatro desbalanceadas o extremas. La combinación de las seis ofrece una evaluación más completa del funcionamiento de la familia (Olson & Gorall, 2006) con una población adolescente de Italia (n = 1416, M = 17.38, DE = 2.67) de adolescentes y varones (n = 744) y mu jeres (n = 672), entre los 13 y 22 años de edad, divididos en tres grupos de 13 a 15 (n = 341), 18 (n = 477), y 19 a 22 (n = 598). Esta escala fue correlacionada con la Escala de Comunicación Familiar - FCS (Olson et al., 2006) y se encontraron correlaciones fuertes y positivas con las escalas balanceadas y las correlaciones negativas con las escalas no balanceadas.
Koutra, Triliva, Roumeliotaki, Lionis y Vgotzas (2012), en Grecia, realizaron un estudio con 584 participantes, entre hombres (n = 189, 32.4%) y mujeres (n = 395, 67.6%), cuyo rango de edad oscila entre 17 y 65 años encontrando un valor de .90 para consistencia interna y el análisis de consistencia mediante test retest se obtuvo un valor de .98, con una fuerte relación estadísticamente significativa (r = .78, p < .001) con la escala de satisfacción familiar.
Asimismo, Rivero y Martinez-Pampliega (2010) realizaron una adaptación cultural del instrumento de Patrones de Comunicación Familiar - R, que mide dos dimensiones en el funcionamiento familiar: la orientación a la conversación (grado en que las familias aperturan un clima que anima a sus miembros a participar con libertad en las interacciones) y la orientación a la conformidad (grado en el que la comu nicación familiar favorece a la homogeneidad en actitudes, valores y creencias), con un muestra de 455 estudiantes universitarios del país vasco, cuyo rango de edad fue de 18 a 25 años (M = 20.5, DE = 1) entre las cuales las mujeres conforman el 73.6 % de la muestra, sometidas a validez convergente con el Escala de Comunicación Familiar (FCS). Se encontraron asociaciones estadísticamente significativas (r = .79, p < .001) con la dimensión de expresión de ideas personales y la dimensión de aceptación a la diferencia (r = . 69, p < .001). Sin embargo, con respecto a la dimensión de obediencia, las relaciones no fueron de gran magnitud (r = -.19, p < .001).
A nivel nacional, la Escala de Comunicación Padres-Adolescentes PACS (Barnes & Olson, 1982) fue adaptada en población universitaria en Lima por Bueno (1996) y aplicada en diferentes contextos (Araujo, 2008; Bulnes et al., 1999). Sin embargo, la versión actual de 10 ítems, la Escala de Comunicación Familiar (Olson et al., 2006), no cuenta con una adaptación en población peruana.
De acuerdo con lo expuesto anteriormente, el objetivo de este estudio es analizar las propiedades psicométricas de la escala de comunicación familiar, evidencia de confiabilidad y validez que sustenten su uso en el contexto universitario.
Método
DiseñoLa presente es una investigación de tipo instrumental, porque estos estudios están encaminados al desa rrollo escalas de medida psicológica. Se incluyen tanto su diseño como adaptación, además del estudio de las propiedades psicométricas (Ato, López & Benavente, 2013; Montero & León, 2002, 2005). El estudio busca analizar la confiabilidad y la unidimensionalidad de la Escala de Comunicación Familiar de Olson et al. (2006).
Participantes
Se accedió a la muestra de manera no aleatoria y estuvo conformada inicialmente por 527 estu diantes universitarios (151 varones y 376 mujeres). No obstante, debido a que el grupo mayoritario se encontraba entre el rango de 16 y 28 años (96.27%), se resolvió homogenizar las características de la muestra de acuerdo con este rango edad, cuya muestra final estuvo constituida por 491 (145 varones y 346 mujeres (M = 20.31, DE = 3.08) de Lima. Todos los participantes eran solteros y nunca se habían casado, su nivel educativo es superior incompleto, estatus socioeconómico medio bajo. El 63,9% de los participantes solo estudian (n = 234) y el 36,1% estudia y trabaja (n = 122). El 76% de los participantes nacieron en Lima (n = 257) y el 24% en zona rural (n = 81).
Instrumentos
Escala de Comunicación Familiar (Olson et al., 2006a)
La escala de comunicación familiar (FCS) está conformada por 10 ítems de tipo Likert de cinco alter nativas, cuya valoración es 1 (extremadamente insatisfecho), 2 (generalmente insatisfecho), 3 (indeciso), 4 (generalmente satisfecho) y 5 (extremadamente satisfecho), con una puntuación máxima posible de 50 y mí nima de 10. Se define la comunicación familiar como el acto de transmitir información, ideas, pensamientos y sentimientos entre los miembros de una unidad familiar, a través de la percepción de satisfacción respecto de la comunicación familiar, escuchar, expresión de afectos, discutir ideas y mediar conflictos. En la versión original (n = 2465) representa a la población estadounidense (M = 36.2, DE = 9.0, α = .90) (Anexo 1).
Procedimiento
En primer lugar, se utilizó el método de traducción hacia adelante (Forward translation) con base en la escala original (Family Communication Scale - FCS) y fueron traducidas diversas versiones de esta por un grupo de expertos a criterio de los investigadores. Las versiones traducidas fueron integradas hasta la escala final que fue empleada en la investigación (Hambleton, 1996; Muñiz, Elosua & Hambleton, 2013).
El instrumento se aplicó a los estudiantes universitarios, de forma grupal, en un ambiente bien ilu minado, amplio y dando las indicaciones de forma pausada y clara. Para ejecutar el estudio, fue solicitado el permiso correspondiente a las autoridades universitarias y posteriormente a los docentes para realizar las evaluaciones en el horario habitual de clases. La participación fue voluntaria mediante la firma de un consentimiento informado.
Se utilizaron cuatro programas estadísticos, el SPSS 22 para realizar el análisis aleatorio de los grupos de análisis factorial; el FACTOR (Lorenzo-Seva & Ferrando, 2007) para el análisis descriptivo, el análisis factorial exploratorio (AFE) y de confiabilidad; el EQS 6.1 para el análisis factorial confir matorio (AFC) y el AMOS 22 para el análisis de la invarianza en varones y mujeres, en el modelo 1 sin restricciones, en el modelo 2 restringido con cargas factoriales y en el modelo 3 de cargas y covarianzas.
Resultados
Análisis preliminar de la escala
Se analizaron los datos mediante estadísticos de tendencia central y de dispersión (M = 35.82, DE = 8.10, n = 491, Min = 10, Max = 50). La homogeneidad se examinó mediante el grado de asociación entre los ítems que conforman la prueba y el test (Elosua, 2003). Además, se retuvieron valores que puntuaron mayor de .20, en la correlación ítem-test, por lo que no se eliminó ningún ítem (ver tabla 1).
Se utilizó el análisis de Mardia (1970) para la asimetría y curtosis multivariante. Se halló un coeficiente de asimetría de 15.843, gl = 220, p = 1.00 y un coeficiente de curtosis de 163.143, p < .001. Se mostró que no existe una distribución de normalidad multivariante en los datos.
Posteriormente, se dividió la muestra en dos grupos equivalentes seleccionados aleatoriamente a través del programa SPSS 22. En el primer grupo se llevó a cabo AFE (n = 246) y en el segundo AFC (n = 245), de acuerdo con Lloret-Segura, Ferreres-Traver, Hernández-Baeza y Tomás-Marco (2014).
Análisis Factorial Exploratorio
El análisis previo a la aplicación del AFE indicó una matriz de la determinante de .018. La medida de adecuación muestral de Kaiser-Meyer-Olkin (KMO) obtuvo un valor de .895 considerado como muy bueno (Pardo & Ruiz, 2002; Hair, Anderson, Tatham & Black, 1999). Adicionalmente, la prueba de Bartlett también presentó un resultado adecuado para el cuestionario, χ² (45) = 966.8, p < .001 indicando suficiente intercorre lación de los ítems, al ser coherente la aplicación del análisis factorial en los datos de la muestra.
Se utilizaron matrices policóricas conforme a la naturaleza de las variables (discretas o no continuas) (Domínguez, Villegas & Centeno, 2014) (ver tabla 2).
Para extraer y determinar el número de factores más apropiado se utilizó el criterio de análisis paralelo (Timmerman & Lorenzo-Seva, 2011) y el criterio de Kaiser-Guttman o raíz latente (Hair et al., 1999). En ambos casos se coincide en una solución unifactorial (ver figura 1). El valor de la varianza explicada es de 56.5%, lo que supera el mínimo requerido de 40% (Lloret-Segura et al., 2014).
Se utilizó el método de estimación de factores de mínimos cuadrados no ponderados (MLS). Para diferentes soluciones factoriales, se usó uno, dos y tres factores con rotación promin (Lorenzo-Seva, 1999) siguiendo la recomendaciones de Ferrando y Lorenzo-Seva (2014) para evaluar el mejor ajuste del modelo. En el primer modelo, como era de un solo factor, no se realizó la rotación (Pérez & Medrano, 2010). Se mostró un ajuste adecuado.
En un modelo de dos factores, los ítems que forman el segundo factor no se diferencian realmente del primer factor, porque la diferencia entre ellos es menor a .20 (Hair et al., 1999). Se identifica un mejor ajuste en un modelo unifactorial (ver tabla 3).
En el modelo de tres factores se eliminarían los ítems 1, 4 y 10 de manera que los factores residuales tienen dos ítems, lo cual lo vuelve insuficiente para identificarlo como factor, pues la mínima cantidad de ítems es tres. Estos resultados apoyarían a un modelo unifactorial.
Se usó el Índice de Bondad de Ajuste (GFI) y la Raíz Media Cuadrática Residual (RMCR) para deter minar el nivel de ajuste del modelo (ver tabla 3). El GFI puntuó de .99 a 1.00, de manera que se considera un adecuado ajuste del modelo (Ruiz, Pardo & San Martín, 2010). Además, el RMCR considera como “muy aceptables” valores por debajo de .05 (Lloret-Segura, et al., 2014). Los resultados sugieren un ajuste moderado hacia un solo factor.
Análisis Factorial Confirmatorio
Se realizó el AFC con base en modelos de uno, dos y tres factores, según lo sostiene Olson et al. (2006) y Olson y Gorall (2006). Se utilizó el método de estimación de mínimos cuadrados no ponderados, debido a que no se cumplió el criterio de normalidad multivariada (Lloret-Segura et al., 2014).
Para interpretar el modelo factorial de manera eficiente, se utilizaron varios indicadores de ajuste. Ello permitió así una mejor evaluación (Arias, 2008; Ferrando & Anguiano-Carrasco, 2010; Hair et al., 1999; Hu & Bentler, 1998; Lloret-Segura, et al., 2014; Manzano & Zamora, 2010; Ruiz et al., 2010). Los indicadores seleccionados fueron Chi-cuadrado (χ²), Índice de Bondad de Ajuste (GFI), Índice de Aproximación de la Raíz de Cuadrados Medios del Error (RMSEA), Índice de la Raíz del Cuadrado Medio del Residuo (RMR), Índice de Ajuste Comparativo (CFI), Criterio de Información de Akaike (AIC) y la Constante del Criterio de Información de Akaike (CAIC).
El χ² considera un ajuste adecuado en tanto exista un nivel de significación asociado mayor a .05 y acepta la hipótesis nula de que todos los errores del modelo son nulos (Ruiz, Pardo & San Martín, 2010). Así, el χ²/gl considera un buen ajuste cuando es menor a tres (Ruiz, Pardo & San Martín, 2010).
El GFI es un coeficiente de determinación multivariado que indica la proporción de covariación entre las variables. Se explica por el modelo propuesto (Ferrando & Anguiano-Carrasco, 2010; Ruiz et al., 2010). También, se utilizó el AGFI, que es el GFI ajustado con base en los grados de libertad y el número de variables (Manzano & Zamora, 2010). En ambos valores próximos a uno señalan un buen ajuste y se aceptan valores desde .95 (Hair, et al., 1999; Lloret-Segura, et al., 2014).
El RMSEA constituye un índice relativo a los grados de libertad, que busca estimar la discrepancia que habría entre la matriz de correlación poblacional y la matriz reproducida por el modelo propuesto. Los valores por debajo a .05 se consideran excelentes, pero los valores mayores a .08 señalan ajuste insuficiente (Lloret-Segura, et al., 2014).
El RMR es medida descriptiva que indica la magnitud media de las correlaciones residuales. Se prefieren puntajes cercanos a cero. Hasta .05 se considera buen nivel de ajuste (Ferrando & Anguiano-Carrasco, 2010).
Se realizó el CFI porque es importante comparar de forma general el modelo estimado con el modelo nulo que indica independencia entre las variables estudiadas (Hair et al., 1999). Los valores cercanos a uno indicaron en qué medida el modelo especificado es mejor que el modelo nulo. Se aceptaron los valores por encima de .90 (Hu & Bentler, 1998).
En el AIC y la CAIC buscan comparar modelos e identificar el que presenta un mejor ajuste con base en el menor valor posible encontrado (Byrne, 1994) (ver Tabla 4).
Según los resultados, los valores obtenidos indican que los datos se ajustan satisfactoriamente al modelo unidimensional.Análisis de la invarianza según sexo
Se espera que la distribución de las puntuaciones observadas en las respuestas a un test respon dan al espacio de la dimensión latente que se evalúa. Por lo tanto, se analizó la invarianza del modelo (Mellenbergh, 1989; Meredith, 1993). Se establecieron tres modelos con restricciones progresivas (Byrne, 1994, Widaman & Reise, 1997): 1) modelo uno no imponía restricciones de igualdad; 2) modelo dos im puso la restricción de igualdad de cargas factoriales y 3) modelo tres, la igualdad de cargas y covarianzas.
Se utilizó Chi-cuadrado (χ²), grados de libertad (gl) y Chi cuadrado sobre grados de libertad (χ²/gl) e indicadores como RMSEA. Cheung y Rensvold (2002) recomiendan el uso de índice de Ajuste Comparativo (CFI), índice de ajuste normado (NFI) y criterio de Información de Akaike (AIC) para comparar modelos, debido a que estas medidas son independientes de la complejidad del modelo y el tamaño de la muestra no están correlacionados con el modelo χ² (ver tabla 5).
Posteriormente, se compararon los tres modelos. Se encontró que los valores del CFI como del RMSEA fueron adecuados; adicionalmente, se evidenció que existen diferencias significativas entre los modelos y que la ΔCFI superó el .001. Se señaló la ausencia invarianza métrica entre los grupos anali zados (Byrne, 1994).
Análisis de confiabilidad
Los valores de los errores de los ítems del modelo fluctúan entre .041 y .082, lo que equivaldría al 8% de la varianza no explicada. Se indica así que las puntuaciones tienen poca distorsión por lo que las estimaciones de las puntuaciones obtenidas tienen una adecuada precisión.
Adicionalmente, al analizar los errores, se analizó la confiabilidad al utilizar los siguientes indica dores: (n = 491) el índice de consistencia interna alfa de Crombach α = .887, que establece un alto nivel de consistencia interna (Oviedo & Campo-Arias, 2005) y el alfa ordinal (Elosua y Zumbo, 2008), que puntúa un valor de α = .908 y supera el mínimo requerido de .85, por lo que se puede afirmar un alto nivel de consistencia interna (DeVellis, 2012). Finalmente, la confiabilidad de GLB o Greatest Lower Bound α = .938 se encuentra en un alto nivel de consistencia interna (Berge & Socan, 2004).
Discusión
El objetivo del presente estudio fue analizar las propiedades psicométricas de la escala de comunica ción familiar y aportar evidencias de confiabilidad y validez que sustenten su uso en el contexto universita rio. Se encuentran puntuaciones óptimas en la confiabilidad en sus diferentes indicadores (Berge & Socan, 2004; DeVellis, 2012; Oviedo & Campo-Arias, 2005), lo cual constituye un indicador de la fiabilidad en la medición del instrumento (Elosua & Zumbo, 2008). Así mismo, se analizaron los errores del modelo y se encontró que tienen poca distorsión por lo que las estimaciones de las puntuaciones obtenidas incluyen una adecuada precisión.
Siguiendo las recomendaciones actuales en el análisis factorial, el AFE se realizó a través del criterio de extracción de análisis paralelo (Lloret-Segura et al., 2014; Timmerman & Lorenzo-Seva, 2011). Esto permitió comparar modelos de una, dos y tres dimensiones. Se halló un mejor ajuste en el modelo unidimensional.
En el AFC, la comparación de los índices de bondad de los tres modelos mostró que la solución unifac torial presenta un mejor ajuste. Así mismo, los índices χ²/gl, GFI, CFI, AGFI y RMSEA se encuentran en los niveles óptimos (Hair et al., 1999; Hu & Bentler, 1998; Lloret-Segura et al., 2014; Manzano & Zamora, 2010, Ruiz et al., 2010). Se evidenció un mejor ajuste en la solución factorial.
A partir de los resultados del AFE y el AFC se concluye que la solución factorial de una sola di mensión se ajusta de forma más adecuada en comparación a la de dos y tres dimensiones. Estos hallazgos reafirman lo propuesto por los autores de la prueba, en la versión actual del modelo circumplejo (Olson et al., 2006; Olson & Gorall, 2006) y se diferencia de la conceptualización anterior (Barnes & Olson, 1982). En este sentido, se corrobora, teórica y empíricamente, el modelo de una sola dimensión de la escala de co municación familiar a diferencia de las dos dimensiones de la escala PACS para adolescentes, predecesora de la escala actual.
Además, en un esfuerzo por presentar indicadores de validez concurrente se realizó un análisis de invarianza métrica entre los grupos según sexo. Se evidenció la ausencia de invarianza entre ambos grupos al haberse comparado tres modelos uno sin restricciones, con restricciones y con restricciones y covarianzas.
Es necesario señalar que entre las limitaciones de la investigación se encuentran la dificultad para la generalización de los resultados en diferentes poblaciones, como es propio de estudios no probabilísticos (Ato et al., 2013; Montero & León, 2002, 2004); sin embargo, estos hallazgos pueden servir para una aproximación a la realidad particular del contexto universitario, en caso de aplicarse un diseño propiamente probabilístico en el futuro (Merino, 2014).
Se han desarrollado estudios sobre las diferentes problemáticas que afectan el bienestar psicológico en estudiantes universitarios (Baader et al., 2014; Barra, 2010; Becerra-González & Reidl, 2015; Caballero et al., 2015). De tal manera, los hallazgos de esta investigación permitirían contar con un instrumento que nos acer caría al estudio de las complejas variables implicadas en la dinámica familiar. Variables que desempeñan un rol fundamental en el bienestar psicólogo de los estudiantes universitarios (Baader et al., 2014; Cava, 2003).
Finalmente, la literatura señala que la comunicación familiar funge como variable mediadora de múlti ples aspectos de la dinámica familiar, esto debido a que la comunicación familiar regula la proximidad emo cional y la capacidad de adaptarse y reorganizarse a lo largo del ciclo vital de la familia, según lo propusieron Olson, Russell y Sprenkle (1989). El aporte de este estudio es brindar evidencia de validez de la FCS y que pueda ser utilizada posteriormente en diversas investigaciones sobre las relaciones familiares en estudiantes universitarios, puesto que constituye un tema sumamente relevante en especial en un contexto tan ligado al ámbito familiar como es el latinoamericano (Llamas & Morgan, 2012).