Revista de Ciencias Sociales (RCS)

Vol. XXXII, Número Especial 13, Enero-Junio 2026. pp. 364-380

FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431

Como citar: Vallejos, E. A. (2026). Influencias del estilo coaching y los recursos personales en el desempeño laboral en grandes empresas peruanas. Revista De Ciencias Sociales, XXXII(Número Especial 13), 364-380.

Influencias del estilo coaching y los recursos personales en el desempeño laboral en grandes empresas peruanas

Vallejos Vilchez, Edi Abel*

Resumen

Las organizaciones actuales exigen trabajadores capaces de aprender de manera continua, adaptarse con rapidez y mantener un desempeño eficiente en entornos estructurados y demandantes. En este contexto, el estilo coaching se ha convertido en una herramienta clave para fortalecer recursos personales relacionados con el desempeño laboral. El objetivo de este estudio fue analizar cómo el estilo coaching influye en el desempeño adaptativo y en el desempeño de tareas de trabajadores de grandes empresas peruanas, considerando el papel de la orientación a la meta de aprendizaje y autoeficacia. El estudio empleó un enfoque cuantitativo, con un diseño no experimental y transversal, utilizando un modelo de ecuaciones estructurales para evaluar las relaciones propuestas. Se encuestó a 287 trabajadores y se procesaron los datos mediante la técnica PLS-SEM. Los resultados muestran que el estilo coaching fortalece la orientación al aprendizaje y la autoeficacia, y que ambos recursos explican de manera significativa el desempeño adaptativo. Sin embargo, el desempeño de tareas depende únicamente de la orientación al aprendizaje; mientras que la autoeficacia y desempeño adaptativo no presentan efectos significativos. Las mediaciones planteadas tampoco fueron confirmadas. En conclusión, los recursos personales impulsan la adaptabilidad, pero el desempeño operativo requiere factores adicionales propios del entorno organizacional.

Palabras clave: Estilo coaching; autoeficacia; orientación al aprendizaje; desempeño adaptativo; desempeño de tareas.

* Doctorado en Administración de la Escuela de Posgrado en la Universidad San Ignacio de Loyola, Lima, Perú. Magister en Administración MBA. E-mail: edi.vallejos@epg.usil.pe ORCID: https://orcid.org/0000-0002-1268-2112

Recibido: 2026-01-28 • Aceptado: 2026-04-17

Influences of coaching style and personal resources on work performance in large Peruvian companies

Abstract

Today’s organizations demand employees capable of continuous learning, rapid adaptation, and efficient performance in structured and demanding environments. In this context, coaching style has become a key tool for strengthening personal resources related to job performance. The objective of this study was to analyze how coaching style influences adaptive and task performance in employees of large Peruvian companies, considering the role of learning orientation and self-efficacy. The study employed a quantitative approach with a non-experimental, cross-sectional design, using a structural equation model to evaluate the proposed relationships. A total of 287 employees were surveyed, and the data were processed using PLS-SEM. The results show that coaching style strengthens learning orientation and self-efficacy, and that both significantly explain adaptive performance. However, task performance depends solely on learning orientation, while self-efficacy and adaptive performance do not show significant effects. The proposed mediations were also not confirmed. In conclusion, personal resources drive adaptability, but operational performance requires additional factors specific to the organizational environment

Keywords: Coaching style; self-efficacy; learning orientation; adaptive performance; task performance.

Introducción

Las organizaciones enfrentan entornos laborales cada vez más cambiantes y exigentes (Felin y Powell, 2016; Roa-Espinoza et al., 2024; Espina-Romero, 2025). Estos cambios requieren trabajadores capaces de aprender de manera continua, adaptarse con rapidez y mantener un desempeño eficiente aun en condiciones de presión (Pulakos et al., 2000; Jundt et al., 2015). En grandes empresas, donde los procesos están estructurados y las demandas operativas son altas, la adaptación y el rendimiento individual se convierten en factores decisivos para el logro de los objetivos organizacionales (Campbell et al., 1993; Griffin et al., 2007). En este contexto, el liderazgo basado en coaching ha cobrado importancia por su capacidad para fortalecer habilidades, promover el aprendizaje y potenciar la autonomía del trabajador (Hui y Sue-Chan, 2018).

El Estilo Coaching (EC) se ha consolidado como una herramienta de gestión que impulsa el desarrollo del personal mediante retroalimentación clara, apoyo continuo y énfasis en el crecimiento profesional (García et al., 2021). Estudios previos señalan que este estilo de liderazgo favorece la motivación para aprender, la iniciativa y la mejora continua (Heslin et al., 2006; Grant, 2014; Hui y Sue-Chan, 2018). Sin embargo, todavía existe evidencia limitada sobre su impacto directo en el comportamiento adaptativo y en el desempeño en contextos corporativos latinoamericanos (Hui y Sue-Chan, 2018; Espina, 2025). Esta limitación es más evidente en grandes empresas, donde los trabajadores deben responder simultáneamente a rutinas estandarizadas y a situaciones inesperadas que requieren flexibilidad.

La literatura también destaca el papel de los recursos personales, como la Orientación a la Meta de Aprendizaje (OMA) y la Autoeficacia (AE). La OMA impulsa a los trabajadores a desarrollar competencias y asumir desafíos, lo que mejora el aprendizaje y la iniciativa (Dweck et al., 1993; Vandewalle, 1997). La AE, por su parte, influye en la percepción de capacidad para enfrentar tareas complejas y resolver problemas, lo cual es determinante para la adaptación y el desempeño (Bandura, 1977; Stajkovic y Luthans, 1998). Investigaciones recientes muestran que ambos recursos facilitan el Desempeño Adaptativo (DA), entendido como la habilidad para ajustarse a cambios, responder ante emergencias y aprender nuevas formas de trabajo (Pulakos et al., 2000; Jundt et al., 2015; Bernal-Torres et al., 2016; Briones y D’Armas, 2024; Gutiérrez y Espina-Romero, 2025).

A pesar del avance teórico, persisten vacíos importantes. La mayoría de los estudios sobre DA y desempeño laboral se han desarrollado en contextos anglosajones o en sectores específicos, lo que limita la generalización de sus resultados. Además, existe evidencia contradictoria sobre la relación entre DA y Desempeño de Tareas (DT). Algunos estudios sostienen que la adaptabilidad es un determinante directo del rendimiento operativo (Campbell et al., 1993); mientras que otros indican que esta relación depende del tipo de puesto, el grado de autonomía y la estructura organizacional (Pulakos et al., 2000). También existe poca claridad sobre la capacidad del DA para funcionar como mediador entre los recursos personales y el desempeño en tareas, lo que abre un debate teórico sobre sus mecanismos reales de influencia.

Este estudio se justifica por dos razones principales. En el plano teórico, contribuye a comprender cómo los recursos personales y los estilos de liderazgo se combinan para explicar la adaptación y el desempeño en entornos organizacionales complejos. Además, amplía la evidencia existente al evaluar un modelo integrado que incluye cinco variables clave: EC, AE, OMA, DA y DT. En el plano práctico, los resultados pueden orientar decisiones de gestión del talento en grandes empresas peruanas, donde el coaching, la formación continua y la construcción de confianza profesional, se han convertido en prioridades estratégicas. Asimismo, las empresas podrán identificar qué factores fortalecen el desempeño operativo y cuáles deben complementarse con otras prácticas organizacionales.

El objetivo del estudio es analizar cómo el EC influye en el DA y en el DT, considerando el papel de la AE y la OMA en trabajadores de grandes empresas peruanas. El modelo teórico propuesto integra nueve hipótesis que explican las relaciones entre estas variables y permiten evaluar tanto efectos directos como mediadores. A partir de esta base conceptual, se desarrolla la fundamentación teórica que sustenta cada relación analizada.

1. Fundamentación teórica

El desempeño laboral en entornos organizacionales cambiantes depende de factores personales, características del puesto y estilos de liderazgo. Este estudio integra cinco constructos: EC, OMA, AE, DA y DT. Cada uno contribuye a explicar cómo los trabajadores enfrentan las demandas complejas de grandes empresas peruanas.

El DA refleja la capacidad del trabajador para ajustarse a cambios, manejar situaciones críticas y aprender de manera continua, integrando respuestas cognitivas, emocionales y conductuales (Bandura, 1988; Jundt et al., 2015). El DT implica ejecutar funciones esenciales como planificar, organizar y cumplir metas, siendo un indicador clave de productividad en empresas con procesos estructurados (Campbell et al., 1993; Campbell y Wiernik, 2015; Noroño, 2025). Este desempeño depende de recursos personales: la AE incrementa esfuerzo y persistencia (Stajkovic y Luthans, 1998); mientras que la OMA, impulsa la mejora continua y el desarrollo de habilidades (Dweck et al., 1993; DeShon y Gillespie, 2005).

El EC describe conductas orientadas al desarrollo del colaborador mediante acompañamiento, apoyo y retroalimentación, promoviendo claridad, aprendizaje y creatividad (Heslin et al., 2006; Hui y Sue‐Chan, 2018; Stouten et al., 2018). Se reconoce que estos comportamientos fortalecen tanto la OMA como la AE, lo que fundamenta su influencia en los recursos personales del trabajador (Evers et al., 2006; Grant, 2014). La OMA, basada en la teoría sociocognitiva de metas (Dweck y Leggett, 1988), se asocia con flexibilidad cognitiva, innovación y respuesta adaptativa (Solberg, 2017). La AE, sustentada en Bandura (1977; 1988), determina cómo el individuo interpreta situaciones complejas, regula emociones y actúa frente a la incertidumbre.

Los estudios muestran que la OMA y la AE predicen el DA al facilitar respuestas flexibles y eficaces ante demandas cambiantes (Wood y Bandura, 1989; DeShon y Gillespie, 2005). A su vez, el DA contribuye al DT cuando permite reorganizar prioridades, resolver problemas y aplicar estrategias adecuadas (Campbell et al., 1993; Jundt et al., 2015). La OMA y la AE también influyen directamente en el DT, al fortalecer la autorregulación, la iniciativa y la calidad de ejecución (Stajkovic y Luthans, 1998; Payne et al., 2007). Investigaciones recientes destacan que estos recursos influyen en el desempeño laboral tanto directa como indirectamente a través del DA (Chen et al., 2005).

En este estudio, el EC, la OMA, la AE, el DA y el DT se entienden como componentes relacionados del comportamiento laboral en grandes empresas peruanas. Desde esta perspectiva, el EC actúa como un recurso gerencial que no solo orienta al trabajador, sino que también fortalece su OMA y su AE para enfrentar desafíos laborales. La OMA y la AE representan recursos personales que permiten al colaborador responder mejor a los cambios, asumir nuevas exigencias y desarrollar conductas laborales más flexibles.

Sin embargo, se considera que el DA no siempre se traduce de forma directa en un mayor DT, especialmente en organizaciones con procesos rígidos, funciones estandarizadas y baja autonomía operativa. Por ello, se propone que el desempeño laboral debe comprenderse como el resultado de la interacción entre el EC, los recursos personales representados por la OMA y la AE, la capacidad adaptativa expresada en el DA y las condiciones organizacionales que facilitan o limitan el DT. Esta definición permite interpretar el modelo del estudio desde una mirada integradora y contextualizada.

Aún existen vacíos importantes: escasez de modelos que integren simultáneamente EC, OMA, AE, DA y DT; evidencia limitada en contextos latinoamericanos; resultados contradictorios sobre el impacto del EC en el desempeño; y poca claridad sobre el rol mediador del DA. Estos vacíos justifican el modelo propuesto.

Con base en estos fundamentos, se plantean nueve hipótesis. Se espera que el EC influya positivamente en la OMA (H1); y, en la AE (H2). La OMA y la AE deberían predecir el DA (H3; H4). El DA debería influir en el DT (H5). También se espera que la OMA y la AE tengan efectos directos sobre el DT (H6; H7). Finalmente, se propone que el DA medie la relación entre estos recursos personales y el desempeño final (H8; H9). Estas relaciones sustentan el modelo estructural evaluado en este estudio (ver Figura I).

Fuente: Elaboración propia, 2025.

Figura I: Modelo Propuesto para este estudio

2. Metodología

El estudio tuvo un enfoque cuantitativo, de alcance explicativo y diseño no experimental de tipo transversal. Este diseño permitió contrastar las hipótesis del modelo teórico mediante la medición simultánea de las variables, siguiendo la lógica deductiva propia del paradigma positivista. De acuerdo con Hernández-Sampieri y Mendoza (2018); y, Hair, Babin et al. (2019), este tipo de diseño es adecuado cuando el objetivo es analizar relaciones causales entre constructos latentes mediante encuestas estructuradas.

La población estuvo conformada por trabajadores de grandes empresas peruanas. La muestra final incluyó 287 participantes, seleccionados mediante un muestreo no probabilístico por conveniencia, dada la necesidad de contar con autorización organizacional para el acceso a los colaboradores. Este tamaño muestral supera los criterios mínimos recomendados para modelos PLS-SEM, especialmente el criterio del “10 veces” propuesto por Hair, Babin et al. (2019), lo que garantiza estabilidad en las estimaciones y potencia estadística suficiente para el análisis.

La recolección de datos se realizó entre julio y septiembre del 2021 a través de un cuestionario autoaplicado en formato digital, lo que facilitó la participación y aseguró la confidencialidad. El instrumento (ver Cuadro 1), estuvo compuesto por cinco escalas validadas en la literatura. La AE se midió siguiendo los fundamentos de Bandura (1977). La OMA se evaluó mediante la escala de VandeWalle (1997), ampliamente utilizada en contextos organizacionales. El EC se midió con ítems adaptados del modelo de Hui y Sue-Chan (2018). El DA se evaluó con la escala propuesta por Pulakos et al. (2000). El DT se midió con los ítems del Individual Work Performance Questionnaire (Koopmans et al., 2014). Todas las escalas se respondieron mediante una escala Likert de siete puntos (Joshi et al., 2015).

Cuadro 1

Instrumento aplicado en este estudio

Constructo

Ítem: Enunciado

Desempeño Adaptativo (DA)

DA1: En mi trabajo la gente confía en mí para sugerir nuevas soluciones.

DA2: En situaciones mal definidas consulto varias fuentes de información para sugerir soluciones innovadoras.

DA3: Frente a una situación de emergencia soy capaz de enfocarme y actuar rápidamente.

DA4: En situaciones de emergencia decido rápido para resolver los problemas.

DA5: En situaciones de riesgo analizo posibles soluciones y consecuencias para tomar la mejor decisión.

DA6: Frente a emergencias reorganizo mi trabajo para adaptarme a las nuevas circunstancias.

DA7: Desarrollar buenas relaciones con mis colegas es un factor importante de mi eficacia.

DA8: Intento comprender los puntos de vista de mis colegas para mejorar mi interacción con ellos.

DA9: Frecuentemente aprendo nuevas formas de hacer mejor mi trabajo para ayudar a los demás.

DA10: Me capacito regularmente dentro o fuera del trabajo para mantener mis conocimientos actualizados.

DA11: Siempre estoy atento a las últimas innovaciones para mejorar la forma de hacer mi trabajo.

DA12: Busco todas las oportunidades que permitan mejorar mi rendimiento.

DA13: Me preparo para el cambio participando en proyectos que permitan mejorar mis conocimientos.

DA14: Mantengo la calma en situaciones exigentes donde se requiere tomar muchas decisiones.

DA15: Frente a situaciones estresantes busco soluciones discutiendo de manera calmada con mis colegas.

Orientación a la Meta de Aprendizaje (OMA)

OMA1: Estoy dispuesto a elegir un trabajo desafiante donde pueda aprender más.

OMA2: Siempre busco oportunidades para desarrollar nuevas habilidades y conocimientos.

OMA3: En el trabajo, disfruto de tareas difíciles y retadoras donde aprendo nuevas habilidades.

OMA4: Para mí, desarrollar mis competencias laborales es muy importante.

OMA5: Prefiero trabajos que requieren alto nivel de talento y competencia.

Autoeficacia (AE)

AE1: Estoy seguro de mis capacidades para realizar mis actividades laborales.

AE2: Creo y confío en mi capacidad para hacer mi trabajo.

AE3: Poseo las habilidades necesarias para realizar mi trabajo.

Estilo Coaching (EC)

EC1: Responde de manera precisa tus preguntas.

EC2: Te explica por qué su método de realizar las tareas es más eficiente.

EC3: Expresa su confianza en que puedes desarrollarte y mejorar si sigues sus indicaciones.

EC4: Proporciona expectativas claras respecto a lo que debes alcanzar con tu trabajo.

EC5: Te motiva a desarrollarte y mejorar continuamente para que generes tus propias soluciones.

EC6: Te apoya a la hora de asumir nuevos retos animándote a fijar tus propios objetivos.

EC7: Te motiva a aprender de tus errores.

EC8: Promueve tu creatividad para resolver problemas.

EC9: Te permite desarrollar tu propia manera de realizar tu trabajo.

Desempeño de Tareas (DT)

DT1: He organizado mi trabajo para acabarlo a tiempo.

DT2: He tenido en cuenta los resultados que necesitaba alcanzar en mi trabajo.

DT3: He realizado bien mi trabajo de manera eficiente.

DT4: He planificado bien mi trabajo.

Fuente: Elaboración propia, 2025.

El instrumento pasó por un proceso de validación que incluyó revisión de expertos, traducción y adaptación cultural, siguiendo las recomendaciones de Nunnally y Bernstein (1994), para garantizar claridad, pertinencia y consistencia interna. La evaluación psicométrica del modelo de medición se realizó en SmartPLS 4 (Ringle et al., 2024). La fiabilidad interna se confirmó mediante Cronbach’s Alpha, rho_A y fiabilidad compuesta, manteniendo los umbrales sugeridos por Hair, Babin et al. (2019). La validez convergente se comprobó mediante el AVE, exigiendo valores mayores a 0.500 según Fornell y Larcker (1981). La validez discriminante se verificó con los criterios de Fornell-Larcker y el índice HTMT, siguiendo las recomendaciones de Henseler et al. (2015).

El análisis del modelo estructural se llevó a cabo empleando ecuaciones estructurales basadas en varianza (PLS-SEM). Esta técnica es adecuada cuando el objetivo es la predicción y cuando se trabaja con constructos reflectivos, tal como indican Hair, Babin et al. (2019). Los efectos directos se evaluaron mediante bootstrapping, y las mediaciones se analizaron según los lineamientos de Zhao et al. (2010). Los tamaños del efecto se interpretaron con los valores f² establecidos por Cohen (1988). Finalmente, los coeficientes de determinación R² permitieron evaluar la capacidad explicativa del modelo sobre las variables dependientes.

3. Resultados y discusión

3.1. Fiabilidad y validez del modelo de medición

La Tabla 1, presenta los indicadores de fiabilidad interna y validez convergente para los cinco constructos del estudio: AE, DA, DT, EC y OMA. En primer lugar, la fiabilidad interna se evaluó mediante Cronbach’s Alpha y rho_A. Ambos índices deben superar 0.700 para considerarse adecuados, tal como recomiendan Nunnally y Bernstein (1994); y, Hair, Babin et al. (2019). Todos los constructos cumplen holgadamente este criterio. AE alcanza un alpha de 0.915; DA un alpha de 0.956; DT un alpha de 0.850; EC un alpha de 0.935; y, OMA un alpha de 0.904. Los valores de rho_A muestran un patrón similar, lo que confirma la consistencia interna de cada bloque de indicadores.

Tabla 1

Fiabilidad y validez

Constructo

Cargas

Cronbach’s Alpha

rho_a

rho_c

AVE

Autoeficacia (AE)

AE1

0.946

0.915

0.918

0.947

0.856

AE2

0.952

AE3

0.876

Desempeño Adaptativo (DA)

DA1

0.806

0.956

0.958

0.961

0.622

DA2

0.827

DA3

0.866

DA4

0.750

DA5

0.824

DA6

0.727

DA7

0.765

DA8

0.804

DA9

0.820

DA10

0.723

DA11

0.782

DA12

0.810

DA13

0.793

DA14

0.802

DA15

0.719

Desempeño de Tareas (DT)

DT1

0.841

0.850

0.870

0.898

0.688

DT2

0.835

DT3

0.885

DT4

0.752

Estilo Coaching (EC)

EC1

0.797

0.935

0.958

0.945

0.658

EC2

0.745

EC3

0.805

EC4

0.810

EC5

0.864

EC6

0.876

EC7

0.728

EC8

0.867

EC9

0.795

Orientación a la Meta de Aprendizaje (OMA)

OMA1

0.908

0.904

0.908

0.929

0.724

OMA2

0.872

OMA3

0.866

OMA4

0.804

OMA5

0.800

Fuente: Elaboración propia, 2025 a partir de SmartPls 4.

En segundo lugar, la fiabilidad compuesta se analizó mediante el coeficiente rho_c, que debe superar el valor de 0.700 según Hair, Babin et al. (2019). Los resultados muestran niveles robustos de fiabilidad compuesta en todas las variables. AE obtiene un valor de 0.947; DA de 0.961; DT de 0.898; EC de 0.945; y, OMA de 0.929 (ver Tabla 1). Estos valores indican que los ítems representan adecuadamente a cada constructo latente.

En tercer lugar, la validez convergente se verificó mediante el Average Variance Extracted (AVE), cuyo umbral mínimo recomendado es 0.500 (Fornell y Larcker, 1981). Todos los constructos superan este valor. AE presenta un AVE de 0.856; DA de 0.622; DT de 0.688; EC de 0.658; y, OMA de 0.724 (ver Tabla 1). Esto demuestra que cada constructo explica más del 50% de la varianza de sus indicadores, cumpliendo así con la validez convergente.

Respecto a las cargas factoriales, la mayoría supera el umbral recomendado de 0.700 (Hair, Risher et al., 2019). Algunos ítems se ubican ligeramente por debajo, como DA4, DA6, DA10 y EC2, aunque permanecen dentro de rangos aceptables debido a que los valores de AVE se mantienen por encima del mínimo establecido. Por ello, no es necesario eliminar indicadores, puesto que su contribución al constructo es estadísticamente válida.

Desde esta perspectiva, la adecuada fiabilidad y validez del modelo de medición confirma que los constructos EC, OMA, AE, DA y DT fueron medidos de manera coherente en el contexto de grandes empresas peruanas. Esto permite sostener que el instrumento utilizado capta con claridad los recursos personales, el estilo de liderazgo y las dimensiones del desempeño laboral analizadas en este estudio.

3.2. Validez discriminante: criterio de Fornell y Larcker

La Tabla 2, presenta la validez discriminante calculada mediante el criterio de Fornell y Larcker (1981). Este criterio establece que la raíz cuadrada del AVE de cada constructo debe ser mayor que las correlaciones entre dicho constructo y los demás. Esta condición indica que cada variable comparte más varianza con sus propios indicadores que con otros constructos del modelo.

Tabla 2

Criterio de Fornell y Larcker

AE

DA

DT

EC

OMA

AE

0.925

DA

0.860

0.789

DT

0.408

0.447

0.830

EC

0.168

0.294

0.276

0.811

OMA

0.703

0.797

0.446

0.248

0.851

Fuente: Elaboración propia, 2025 a partir de SmartPls 4.

En este estudio, la raíz cuadrada del AVE se muestra en la diagonal de la Tabla 2. Los valores obtenidos cumplen con el criterio metodológico. Para AE, el valor es 0.925, superior a sus correlaciones con DA (0.860); DT (0.408); EC (0.168); y, OMA (0.703). DA presenta una raíz cuadrada del AVE de 0.789, mayor que sus correlaciones con AE, DT, EC y OMA. DT muestra un valor de 0.830, superior a todas sus correlaciones. EC presenta un valor de 0.811, claramente mayor que las correlaciones con el resto de constructos. Finalmente, la OMA muestra un valor de 0.851, superior a las correlaciones con AE, DA, DT y EC.

Los resultados obtenidos permiten afirmar que EC, OMA, AE, DA y DT representan dimensiones diferenciadas del comportamiento laboral. Este cumplimiento es fundamental para garantizar la calidad del modelo de medición antes de evaluar el modelo estructural, tal como recomiendan Fornell y Larcker (1981); y, Hair, Babin et al. (2019). Desde esta mirada, esta separación conceptual es importante porque demuestra que el coaching, los recursos personales, la adaptación y el desempeño de tareas, no deben tratarse como fenómenos equivalentes, sino como componentes distintos que interactúan dentro del entorno organizacional.

3.3. Validez discriminante: índice Heterotrait–Monotrait Ratio (HTMT)

La Tabla 3, muestra los valores del índice HTMT, uno de los criterios más robustos para evaluar la validez discriminante en modelos PLS-SEM. Según Henseler et al. (2015), los valores HTMT deben ser inferiores a 0.850 para indicar validez discriminante estricta o inferiores a 0.900 para criterios más permisivos. Cuando los coeficientes se mantienen por debajo de estos umbrales, se concluye que los constructos representan conceptos distintos y no presentan problemas de solapamiento conceptual.

Tabla 3

Índice HTMT

AE

DA

DT

EC

OMA

AE

DA

0.917

DT

0.452

0.482

EC

0.170

0.296

0.293

OMA

0.773

0.855

0.501

0.252

Fuente: Elaboración propia, 2025 a partir de SmartPls 4.

En este estudio, todos los valores HTMT cumplen con los criterios establecidos. Las relaciones de AE con DA (0.917) se encuentran dentro del límite aceptado de 0.900 para investigaciones en ciencias sociales. El resto de las relaciones muestran valores claramente bajos: AE con DT es 0.452; AE con EC es 0.170; AE con OMA es 0.773. De manera similar, DA con DT es 0.482; DA con EC es 0.296; DA con OMA es 0.855. Las combinaciones restantes, como DT con EC (0.293) y DT con OMA (0.501), también se ubican dentro de rangos adecuados. Los valores más altos, como DA con OMA (0.855), se mantienen dentro del límite recomendado para modelos con constructos conceptualmente cercanos.

La comparación general muestra que ninguno de los coeficientes supera el umbral crítico de 0.900, por lo que se confirma que el modelo no presenta problemas de discriminación entre los constructos. Esto garantiza que cada variable mide un concepto único y que el modelo es adecuado para proceder con el análisis estructural, siguiendo las recomendaciones metodológicas de Henseler et al. (2015); y, Hair, Babin et al. (2019).

Desde esta posición, los valores HTMT refuerzan que cada constructo del modelo conserva identidad propia, aun cuando algunos estén teóricamente relacionados. Esto es relevante porque confirma que la OMA y la AE pueden vincularse con el DA, pero no lo sustituyen; del mismo modo, el DA no debe asumirse automáticamente como equivalente al DT.

3.4. Efectos directos y mediadores

La Tabla 4, muestra los coeficientes del modelo estructural, los valores t, los niveles de significancia y los intervalos de confianza. Para interpretar los efectos se tomaron como referencia los criterios metodológicos de Hair, Babin et al. (2019); y, las recomendaciones de Zhao et al. (2010) para la evaluación de la mediación.

Tabla 4

Efectos directos y mediadores de las relaciones

Sample (O)

t value

p value

2.5% Confidence Interval

97.5% Confidence Interval

R² / VAF

Nature of the Effect

H1. EC → OMA

0.248

4.963

0.000

0.147

0.338

5,80%

Efecto directo significativo

H2. EC → AE

0.168

2.846

0.004

0.041

0.273

2,50%

Efecto directo significativo

H3. OMA → DA

0.382

3.807

0.000

0.202

0.569

81,10%

Efecto directo significativo

H4. AE → DA

0.591

5.768

0.000

0.399

0.771

81,10%

Efecto directo significativo

H5. DA → DT

0.188

1.190

0.234

-0.149

0.457

21,50%

Efecto directo no significativo

H6. OMA → DT

0.316

3.363

0.001

0.128

0.485

21,50%

Efecto directo significativo

H7. AE → DT

0.186

1.845

0.065

-0.015

0.370

21,50%

Efecto directo no significativo

H8. OMA → DA → DT

0.018

0.827

0.408

-0.011

0.064

VAF= 33,15%

Mediación parcial no significativa

H9. AE → DA → DT

0.111

1.366

0.172

-0.091

0.240

VAF= 19,08%

No mediación

Fuente: Elaboración propia, 2025 a partir de SmartPLS 4.

Los resultados indican que el EC tiene efectos directos significativos sobre la OMA y la AE. EC → OMA presenta un coeficiente de 0.248 (t = 4.963, p < 0.001); mientras que EC → AE presenta un coeficiente de 0.168 (t = 2.846, p = 0.004). Ambos efectos son significativos y confirman que el coaching promueve recursos personales vinculados al aprendizaje y la autoconfianza del trabajador.

Los efectos de OMA y AE sobre el DA también son significativos. OMA → DA muestra un coeficiente de 0.382 (t = 3.807, p < 0.001) y AE → DA un coeficiente de 0.591 (t = 5.768, p < 0.001). Estos efectos explican de manera conjunta el 81,10% de la varianza del DA, lo cual evidencia un alto poder explicativo, siguiendo los estándares de Hair, Babin et al. (2019).

En el caso del DT, los resultados muestran un patrón mixto. El efecto de DA → DT no es significativo (coef. = 0.188, t = 1.190, p = 0.234), por lo que no se valida la hipótesis H5. La relación OMA → DT sí es significativa (coef. = 0.316, t = 3.363, p = 0.001), lo que indica que la orientación al aprendizaje influye directamente en el cumplimiento eficaz de las tareas. Sin embargo, AE → DT no alcanza significancia (coef. = 0.186, t = 1.845, p = 0.065), aunque se aproxima al nivel convencional del 5%.

Respecto a los efectos indirectos, los resultados muestran que la mediación de DA no es significativa. El efecto indirecto OMA → DA → DT tiene un coeficiente de 0.018 (t = 0.827, p = 0.408), con un VAF de 33,15%, lo cual representa una mediación parcial no significativa, puesto que el intervalo de confianza incluye el cero. El efecto AE → DA → DT tiene un coeficiente de 0.111 (t = 1.366, p = 0.172), con un VAF de 19,08%, clasificado como mediación inexistente, según los criterios de Zhao et al. (2010).

Los efectos directos y mediadores muestran que el EC fortalece la OMA y la AE, y que estos recursos personales explican principalmente el DA. Sin embargo, el DA no actúa como un mecanismo suficiente para explicar el DT. Desde estaa perspectiva, este hallazgo aporta al conocimiento al mostrar que la adaptación del trabajador no siempre se convierte en desempeño operativo cuando existen procesos organizacionales rígidos o tareas altamente estandarizadas.

3.5. Tamaño del efecto (f²)

El tamaño del efecto f² permite evaluar la contribución individual de cada variable independiente en la explicación de la variable dependiente. De acuerdo con los criterios de Cohen (1988); y, las recomendaciones específicas para PLS-SEM de Hair, Babin et al. (2019), los valores de referencia son: 0.02 (efecto pequeño), 0.15 (efecto medio) y 0.35 (efecto grande). Valores cercanos a cero indican ausencia de efecto sustancial (ver Tabla 5).

Tabla 5

Tamaño del efecto (f²)

f2

t-value

p-value

2,5% Confidence Interval

97,5% Confidence Interval

EC → OMA

0.065

2.081

0.038

0.088

0.088

EC → AE

0.029

1.219

0.223

-0.028

-0.012

OMA → DA

0.392

1.943

0.052

0.217

0.581

AE → DA

0.941

2.070

0.039

0.293

0.293

DA → DT

0.009

0.385

0.701

-0.271

0.100

OMA → DT

0.028

0.648

0.517

-0.319

0.169

AE → DT

0.002

0.154

0.878

-0.446

0.158

Fuente: Elaboración propia, 2025 a partir de SmartPLS 4.

En el modelo estimado, el efecto de EC sobre OMA presenta un f² de 0.065, un tamaño pequeño pero significativo (t = 2.081, p = 0.038). Indica que el EC contribuye modestamente a explicar la OMA. El efecto de EC sobre AE es pequeño (f² = 0.029) y no significativo (p = 0.223), lo que muestra una contribución limitada del coaching en la AE.

Los efectos sobre el DA muestran mayor solidez. OMA sobre DA presenta un f² de 0.392, considerado un efecto grande, aunque su valor p se sitúa marginalmente por encima de 0.05 (p = 0.052). Esto indica una influencia sustantiva de la orientación al aprendizaje en la capacidad adaptativa del trabajador. El efecto de AE sobre DA muestra un f² de 0.941, un tamaño extremadamente grande y significativo (p = 0.039), lo cual evidencia que la AE es el predictor más poderoso de la adaptación en el modelo.

En cuanto al DT, los tamaños de efecto son mínimos. DA sobre DT presenta un f² de 0.009, sin significancia estadística (p = 0.701). OMA y AE también muestran efectos muy pequeños sobre DT, con valores de f² de 0.028 y 0.002 respectivamente, y sin significancia. Esto sugiere que, aunque algunas relaciones directas fueron significativas en el análisis estructural, su contribución al incremento del R² de DT es muy baja.

Desde esta interpretación, los tamaños del efecto evidencian que el modelo tiene mayor fuerza para explicar el DA que el DT. Esto indica que la OMA y, especialmente, la AE son recursos clave para la adaptación laboral; mientras que el desempeño de tareas requiere otros factores organizacionales adicionales, como claridad de funciones, recursos de apoyo, supervisión y diseño del trabajo.

3.6. Modelo estructural

Tras confirmar la validez del modelo de medición, se evaluaron los efectos directos, indirectos y los tamaños del efecto del modelo estructural. Los resultados muestran que el EC influye de manera significativa en la OMA y en la AE. A su vez, OMA y AE predicen de forma significativa el DA, explicando un alto porcentaje de su varianza. En contraste, los efectos hacia el DT fueron más débiles y las mediaciones propuestas a través del DA no alcanzaron significancia estadística. El Cuadro 2, presenta un resumen final de la verificación de hipótesis, indicando el tipo de efecto observado y su confirmación.

Cuadro 2

Resumen de hipótesis, tipo de efecto y confirmación

Hipótesis / Relación

Tipo de efecto

Confirmación

H1. EC → OMA

Efecto directo significativo

Hipótesis confirmada

H2. EC → AE

Efecto directo significativo

Hipótesis confirmada

H3. OMA → DA

Efecto directo significativo

Hipótesis confirmada

H4. AE → DA

Efecto directo significativo

Hipótesis confirmada

H5. DA → DT

Efecto directo no significativo

Hipótesis no confirmada

H6. OMA → DT

Efecto directo significativo

Hipótesis confirmada

H7. AE → DT

Efecto directo no significativo

Hipótesis no confirmada

H8. OMA → DA → DT

Mediación parcial no significativa

Hipótesis no confirmada

H9. AE → DA → DT

No mediación

Hipótesis no confirmada

Fuente: Elaboración propia, 2025 a partir de SmartPLS 4.

En conjunto, el modelo estructural permite sostener que el EC influye en el desarrollo de recursos personales y que estos recursos fortalecen principalmente el DA. No obstante, el DT no depende de manera suficiente de la adaptación ni de la autoconfianza individual. Desde esta perspectiva, este resultado aporta una visión contextual del desempeño laboral, donde los recursos personales son necesarios, pero no suficientes para garantizar mejores resultados operativos en grandes empresas peruanas. La Figura II, muestra el modelo final generado por SmartPLS 4.

Fuente: Elaboración propia, 2025.

Figura II: Modelo final de este estudio.

Los resultados del estudio muestran que el EC influye significativamente en la OMA y en la AE, y que ambos recursos personales tienen un efecto sólido sobre el DA. Sin embargo, los efectos sobre el DT fueron más débiles y las mediaciones propuestas no se confirmaron. Estos hallazgos validan parcialmente el modelo teórico propuesto, en tanto confirman las hipótesis relacionadas con EC, OMA, AE y DA, pero no respaldan la función mediadora del DA ni su impacto directo en el DT.

El primer hallazgo relevante es el efecto positivo del EC sobre OMA y AE. Este resultado coincide con estudios previos que señalan que el coaching gerencial incrementa la motivación para aprender e impulsa la confianza profesional (Heslin et al., 2006; Grant, 2014; Hui y Sue-Chan, 2018). La novedad de este estudio radica en la aplicación del modelo en grandes empresas peruanas, un contexto con escasa evidencia empírica. Esto amplía el conocimiento existente al mostrar que, incluso en entornos corporativos de alta exigencia, el EC continúa siendo un predictor significativo del desarrollo personal de los trabajadores.

El segundo hallazgo confirma que la OMA y la AE son predictores robustos del DA. Este resultado coincide con los planteamientos de la teoría de metas y la teoría de la autoeficacia, donde el aprendizaje continuo y la creencia en la propia capacidad fortalecen la respuesta adaptativa ante situaciones inciertas (Bandura, 1977; DeShon y Gillespie, 2005; Jundt et al., 2015). El aporte adicional del estudio es la magnitud del efecto, especialmente el de la AE, que presentó el tamaño de efecto más alto del modelo. Esto sugiere que la confianza del colaborador es un factor determinante para su capacidad de adaptación en grandes organizaciones.

El tercer hallazgo —la ausencia de un efecto significativo del DA sobre el DT— contrasta con estudios donde la adaptabilidad es un determinante directo del desempeño en tareas (Campbell et al., 1993; Jundt et al., 2015; Park et al., 2020; Álvarez-Gutiérrez et al., 2022; Oreg et al., 2024). Este contraste puede explicarse por factores contextuales. Las grandes empresas peruanas suelen operar con procesos estandarizados y roles altamente estructurados, lo que puede reducir la influencia de la adaptabilidad en el desempeño cotidiano. Además, el DT suele depender de factores adicionales no incluidos en el modelo, como claridad de funciones, recursos disponibles o niveles de supervisión.

Las dos mediaciones evaluadas (OMA → DA → DT y AE → DA → DT) no alcanzaron significancia. Este resultado contradice investigaciones recientes donde el DA sí funciona como un mecanismo explicativo (Chen et al., 2005; Park et al., 2020). La falta de mediación en este estudio sugiere que, en contextos corporativos con estructuras rígidas, la adaptabilidad del trabajador no necesariamente se traduce en un mejor desempeño de tareas. Teóricamente, esto indica que la relación entre recursos personales y resultados laborales puede ser más directa o depender de variables situacionales no consideradas, como el clima laboral o el nivel de autonomía.

En conjunto, los hallazgos refuerzan la importancia del coaching y de los recursos personales como impulsores del aprendizaje y la adaptabilidad (Medina, 2025), pero también muestran límites importantes respecto a su impacto en el desempeño operativo. Esto contribuye al debate académico sobre los mecanismos a través de los cuales el comportamiento adaptativo se convierte (o no) en desempeño observable.

Conclusiones

El presente estudio tuvo como objetivo analizar cómo el EC influye en el DA y el DT mediante la OMA y la AE. Los resultados permiten concluir que el coaching gerencial fortalece el aprendizaje y la autoconfianza de los trabajadores, y que estos recursos personales explican gran parte de la capacidad adaptativa en grandes empresas peruanas. Sin embargo, el DT no depende significativamente del DA ni de la AE, y solo la OMA presenta un efecto directo sobre este resultado.

En términos teóricos, el estudio aporta evidencia empírica que refina modelos previos al demostrar que la adaptabilidad no siempre se traduce en desempeño operativo, especialmente en contextos estructurados. Asimismo, refuerza el rol central de la AE como motor del comportamiento adaptativo.

En términos prácticos, los resultados sugieren que las organizaciones deben invertir en programas de coaching enfocados en fortalecer la OMA y la AE, puesto que estos recursos impulsan la capacidad del trabajador para responder a los cambios organizacionales. No obstante, mejorar el DT requiere intervenciones adicionales, como rediseño de procesos, claridad de funciones y sistemas de apoyo operativo.

Esta investigación presenta limitaciones relacionadas con su diseño transversal, el uso de autoinforme y el análisis en un solo país. Estas limitaciones pueden restringir la generalización de los hallazgos. Se recomienda que futuros estudios incorporen diseños longitudinales, comparaciones entre sectores e inclusión de variables moderadoras como autonomía, clima laboral o calidad de supervisión.

En síntesis, este estudio demuestra que el EC promueve recursos personales esenciales para la adaptación del trabajador, pero que el desempeño operativo requiere factores adicionales. La investigación contribuye al conocimiento sobre comportamiento laboral en entornos corporativos latinoamericanos y abre nuevas líneas para comprender los mecanismos que determinan el desempeño individual.

Referencias bibliográficas

Álvarez-Gutiérrez, F. J., Stone, D. L., Castaño, A. M., y García-Izquierdo, A. L. (2022). Human resources analytics: A systematic review from a sustainable management approach. Journal of Work and Organizational Psychology, 38(3), 129-147. https://doi.org/10.5093/jwop2022a18

Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215. https://doi.org/10.1037/0033-295X.84.2.191

Bandura, A. (1988). Organisational applications of social cognitive theory. Australian Journal of Management, 13(2), 275-302. https://doi.org/10.1177/031289628801300210

Bernal-Torres, C. A., Aguilera, C. I., Henao-Cálad, M., y Frost, J. S. (2016). Gestión del conocimiento y actividad empresarial en Colombia. Revista de Ciencias Sociales (Ve), XXII(1), 126-138. https://produccioncientificaluz.org/index.php/rcs/article/view/24901

Briones, V., y D’Armas, M. (2024). Gestión del conocimiento y desempeño laboral en una empresa pública de una institución de educación superior. Revista de Ciencias Sociales (Ve), XXX(4), 306-322. https://doi.org/10.31876/rcs.v30i4.42999

Campbell, M. J., Walter, R. P., McLoughlin, R., y Knowles, C. J. (1993). Effect of temperature on protein conformation and activity during ultrafiltration. Journal of Membrane Science, 78(1–2), 35-43. https://doi.org/10.1016/0376-7388(93)85245-R

Campbell, J. P., y Wiernik, B. M. (2015). The modeling and assessment of work performance. Annual Review of Organizational Psychology and Organizational Behavior, 2, 47-74. https://doi.org/10.1146/annurev-orgpsych-032414-111427

Chen, G., Thomas, B., y Wallace, J. C. (2005). A Multilevel Examination of the Relationships Among Training Outcomes, Mediating Regulatory Processes, and Adaptive Performance. Journal of Applied Psychology, 90(5), 827-841. https://doi.org/10.1037/0021-9010.90.5.827

Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Lawrence Erlbaum Associates. https://doi.org/10.1016/C2013-0-10517-X

DeShon, R. P., y Gillespie, J. Z. (2005). A Motivated Action Theory Account of Goal Orientation. Journal of Applied Psychology, 90(6), 1096-1127. https://doi.org/10.1037/0021-9010.90.6.1096

Dweck, C. S., Hong, Y. Y., y Chiu, C. Y. (1993). Implicit theories individual differences in the likelihood and meaning of dispositional inference. Personality and Social Psychology Bulletin, 19(5), 644-656. https://doi.org/10.1177/0146167293195015

Dweck, C. S., y Leggett, E. L. (1988). A social-cognitive approach to motivation and personality. Psychological Review, 95(2), 256-273. https://doi.org/10.1037/0033-295X.95.2.256

Espina, E. M. (2025). Gaps in the digital transformation of public health in Latin America. Ceniiac, 1, e0004. https://doi.org/10.64923/ceniiac.e0004

Espina-Romero, L. (2025). Ceniiac – An Open Window to Applied Knowledge. Ceniiac, 1, e0001. https://doi.org/10.64923/ceniiac.e0001

Evers, W. J. G., Brouwers, A., y Tomic, W. (2006). A quasi-experimental study on management coaching effectiveness. Consulting Psychology Journal, 58(3), 174-182. https://doi.org/10.1037/1065-9293.58.3.174

Felin, T., y Powell, T. C. (2016). Designing Organizations for Dynamic Capabilities. California Management Review, 58(4), 78-96. https://doi.org/10.1525/cmr.2016.58.4.78

Fornell, C., y Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104

García, J., Paz, A., y Pinto, E. (2021). Coaching y empowerment: Herramientas para el fortalecimiento del talento humano en empresas agroalimentarias. Revista de Ciencias Sociales (Ve), XXVII(3), 219-234. https://doi.org/10.31876/rcs.v27i3.36766

Grant, A. M. (2014). The efficacy of executive coaching in times of organisational change. Journal of Change Management, 14(2), 258-280. https://doi.org/10.1080/14697017.2013.805159

Griffin, M. A., Neal, A., y Parker, S. K. (2007). A New Model of Work Role Performance: Positive Behavior in Uncertain and Interdependent Contexts. Academy of Management Journal, 50(2), 327-347. https://doi.org/10.5465/amj.2007.24634438

Gutiérrez, H., y Espina-Romero, L. C. (2025). Gestión del conocimiento en la era digital: Tendencias, retos y oportunidades en el desarrollo empresarial. Revista de Ciencias Sociales (Ve), XXXI(1), 367-384. https://doi.org/10.31876/rcs.v31i1.43514

Hair, J. F., Babin, B. J., Anderson, R. E., y Black, W. C. (2019). Multivariate Data Analysis. Cengage Learning.

Hair, J. F., Risher, J. J., Sarstedt, M., y Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2-24. https://doi.org/10.1108/EBR-11-2018-0203

Henseler, J., Ringle, C. M., y Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8

Hernández-Sampiere, R., y Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Educatión.

Heslin, P. A., Vandewalle, D., y Latham, G. P. (2006). Keen to help? Managers’ implicit person theories and their subsequent employee coaching. Personnel Psychology, 59(4), 871-902. https://doi.org/10.1111/j.1744-6570.2006.00057.x

Hui, R. T.-Y., y Sue-Chan, C. (2018). Variations in coaching style and their impact on subordinates’ work outcomes. Journal of Organizational Behavior, 39(5), 663-679. https://doi.org/10.1002/job.2263

Joshi, A., Kale, S., Chandel, S., y Pal, D. K. (2015). Likert Scale: Explored and Explained. British Journal of Applied Science & Technology, 7(4), 396-403. https://doi.org/10.9734/BJAST/2015/14975

Jundt, D. K., Shoss, M. K., y Huang, J. L. (2015). Individual adaptive performance in organizations: A review. Journal of Organizational Behavior, 36(S-1), S53-S71. https://doi.org/10.1002/job.1955

Koopmans, L., Bernaards, C. M., Hildebrandt, V. H., De Vet, H. C. W., y Van der Beek, A. J. (2014). Measuring individual work performance: Identifying and selecting indicators. Work, 48(2), 229-238. https://doi.org/10.3233/WOR-131659

Medina, R. H. (2025). AI-Assisted Teaching in Higher Education: Challenges and opportunities. Ceniiac, 1, e0003. https://doi.org/10.64923/ceniiac.e0003

Noroño, J. G. (2025). How entrepreneurs perceive technology in the digital era: From aversion to adoption. Ceniiac, 1, e0002. https://doi.org/10.64923/ceniiac.e0002

Nunnally, J. C., y Bernstein, I. H. (1994). Psychometric Theory. McGraw-Hill Companies.

Oreg, S., Sverdlik, N., Paine, J. W., y Seo, M.-G. (2024). Activation and valence in responses to organizational change: Development and validation of the change response circumplex scale. Journal of Applied Psychology, 109(1), 135-155. https://doi.org/10.1037/apl0001132

Park, Y., Lim, D. H., Kim, W., y Kang, H. (2020). Organizational support and adaptive performance: The revolving structural relationships between job crafting, work engagement, and adaptive performance. Sustainability, 12(12), 4872. https://doi.org/10.3390/su12124872

Payne, S. C., Youngcourt, S. S., y Beaubien, J. M. (2007). A meta-analytic examination of the goal orientation nomological net. Journal of Applied Psychology, 92(1), 128-150. https://doi.org/10.1037/0021-9010.92.1.128

Pulakos, E. D., Arad, S., Donovan, M. A., y Plamondon, K. E. (2000). Adaptability in the workplace: Development of a taxonomy of adaptive performance. Journal of Applied Psychology, 85(4), 612-624. https://doi.org/10.1037/0021-9010.85.4.612

Ringle, C. M., Wende, S., y Becker, J.-M. (2024). SmartPLS 4 (4.1.0.3). https://www.smartpls.com

Roa-Espinoza, R., Araya-Castillo, L., Rubio, A., y Moraga-Flores, H. (2024). Ambiente Laboral: Una revisión sistemática de la literatura desde un análisis cienciométrico. Revista de Ciencias Sociales (Ve), XXX(E-10), 675-685. https://doi.org/10.31876/rcs.v30i.42869

Solberg, E. A. (2017). Dealing with changing job demands: The role of learning goal orientation and development support. Academy of Management Proceedings, 2017(1), 13007. https://doi.org/10.5465/AMBPP.2017.13007abstract

Stajkovic, A. D., y Luthans, F. (1998). Self-efficacy and work-related performance: A meta-analysis. Psychological Bulletin, 124(2), 240-261. https://doi.org/10.1037/0033-2909.124.2.240

Stouten, J., Rousseau, D. M., y De Cremer, D. (2018). Successful organizational change: Integrating the management practice and scholarly literatures. Academy of Management Annals, 12(2), 752-788. https://doi.org/10.5465/annals.2016.0095

Vandewalle, D. (1997). Development and Validation of a Work Domain Goal Orientation Instrument. Educational and Psychological Measurement, 57(6), 995-1015. https://doi.org/10.1177/0013164497057006009

Wood, R., y Bandura, A. (1989). Social Cognitive Theory of Organizational Management. Academy of Management Review, 14(3), 361-384. https://doi.org/10.5465/amr.1989.4279067

Zhao, X., Lynch, J. G., y Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and truths about mediation analysis. Journal of Consumer Research, 37(2), 197-206. https://doi.org/10.1086/651257