347
Revista Científica Multidisciplinar
https://revistasaga.org/
e-ISSN
3073-1151
Julio-Septiembre
, 2026
Vol.
3
, Núm.
3
,
347-359
https://doi.org/10.63415/saga.v3i3.456
Artículo de Investigación
.
Evaluación de clima laboral en las organizaciones (ECLO). Validación
de confiabilidad estadística
Organizational Work Climate Assessment (ECLO): Statistical Reliability Validation
Avaliação do Clima Laboral nas Organizações (ECLO): Validação da
Confiabilidade Estatística
Hernán David Romero Reyes
1
, Emmanuel Arturo González Martínez
1
1
Universidad de la Amazonia, Colombia
Recibido
: 2026-07-14 /
Aceptado
: 2026-08-17 /
Publicado
: 2026-08-28
RESUMEN
Objetivo
: El estudio de validación estadística de la Evaluación de Clima Laboral en las Organizaciones (ECLO), diseñado
para medir diez dimensiones del clima organizacional, como son: sentido de pertenencia, comunicación, liderazgo,
motivación, cultura organizacional, trabajo en equipo, recompensas, employer experience 'experiencia del empleado',
branding corporativo y felicidad en el trabajo.
Método
: La evaluación compuesta por 200 ítems fue aplicada a una muestra
de 1567 en Colombia mediante muestreo aleatorio por convocatoria abierta. La evaluación con aplicación virtual (50 ítem
por trabajador), con datos perdidos intencionales por la aplicación aleatoria de ítems, por lo que se realiza imputación de
datos perdidos mediante regresión lineal por conglomerados Se analizó la confiabilidad y validez del instrumento
mediante el coeficiente de Alfa de Cronbach y el método de dos mitades.
Resultados
: Los resultados mostraron un
coeficiente de Alfa de Cronbach de 0.904, el resultado en dos mitades arrojó un valor de 0.815 en la parte 1 y 0.830 en la
parte 2, indicando una alta confiabilidad, y una consistencia interna en las pruebas paralelas Forma A: 0,655, Forma B:
0,666, Forma C: 0,731, Forma D: 0,736.
Conclusiones
: Se concluyó que ECLO es una herramienta válida y confiable
para evaluar el clima organizacional, útil para la toma de decisiones estratégicas en la gestión del talento humano. La
relevancia del estudio radica en su contribución a la psicometría organizacional, ofreciendo un instrumento innovador y
adaptable a diversos contextos laborales, especialmente en entornos post-COVID-19.
Palabras clave:
clima organizacional, gestión del talento humano, validación psicométrica, felicidad en el trabajo,
imputación de datos
ABSTRACT
Objective
: This study aimed to statistically validate the Organizational Work Climate Assessment (ECLO), an instrument
designed to measure ten dimensions of organizational climate: sense of belonging, communication, leadership,
motivation, organizational culture, teamwork, rewards, employee experience, corporate branding, and happiness at work.
Method
: The assessment, comprising 200 items, was administered to a sample of 1,567 participants in Colombia through
random sampling based on an open call for participation. The assessment was administered virtually, with each employee
responding to 50 items. Because items were randomly assigned, the resulting dataset contained intentionally missing data.
Missing values were therefore imputed using cluster-based linear regression. The reliability and validity of the instrument
were analyzed using Cronbach’s alpha coefficient and the split
-half method.
Results
: The results showed a Cronbach’s
alpha coefficient of 0.904. The split-half analysis yielded values of 0.815 for Part 1 and 0.830 for Part 2, indicating high
reliability. Internal consistency for the parallel test forms was as follows: Form A: 0.655, Form B: 0.666, Form C: 0.731,
and Form D: 0.736.
Conclusions
: ECLO was found to be a valid and reliable tool for assessing organizational climate
and can support strategic decision-making in human talent management. The relevance of this study lies in its contribution
to organizational psychometrics by providing an innovative instrument that can be adapted to diverse workplace contexts,
particularly in post-COVID-19 work environments.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
348
Keywords
: organizational climate, human talent management, psychometric validation, happiness at work, data
imputation
RESUMO
Objetivo
: Este estudo teve como objetivo realizar a validação estatística da Avaliação do Clima Laboral nas Organizações
(ECLO), instrumento desenvolvido para mensurar dez dimensões do clima organizacional: senso de pertencimento,
comunicação, liderança, motivação, cultura organizacional, trabalho em equipe, recompensas, experiência do
colaborador, branding corporativo e felicidade no trabalho.
Método
: A avaliação, composta por 200 itens, foi aplicada a
uma amostra de 1.567 participantes na Colômbia, por meio de amostragem aleatória a partir de uma convocatória aberta
para participação. A avaliação foi aplicada de forma virtual, com 50 itens respondidos por cada colaborador. Como os
itens foram atribuídos aleatoriamente, o conjunto de dados apresentou dados ausentes intencionalmente. Dessa forma,
realizou-se a imputação dos dados ausentes por meio de regressão linear baseada em conglomerados. A confiabilidade e
a validade do instrumento foram analisadas por meio do coeficiente alfa de Cronbach e do método das duas metades.
Resultados
: Os resultados apresentaram um coeficiente alfa de Cronbach de 0,904. A análise pelo método das duas
metades apresentou valores de 0,815 para a Parte 1 e 0,830 para a Parte 2, indicando alta confiabilidade. A consistência
interna das formas paralelas do teste apresentou os seguintes resultados: Forma A: 0,655, Forma B: 0,666, Forma C: 0,731
e Forma D: 0,736.
Conclusões
: Concluiu-se que a ECLO é uma ferramenta válida e confiável para avaliar o clima
organizacional e pode contribuir para a tomada de decisões estratégicas na gestão de talentos humanos. A relevância deste
estudo reside em sua contribuição para a psicometria organizacional, ao oferecer um instrumento inovador e adaptável a
diferentes contextos de trabalho, especialmente em ambientes laborais pós-COVID-19.
Palavras-chave
: clima organizacional, gestão de talentos humanos, validação psicométrica, felicidade no trabalho,
imputação de dados
Forma sugerida de citar (APA):
Romero Reyes, H. D., & González Martínez, E. A. (2026). Evaluación de clima laboral en las organizaciones (ECLO). Validación de confiabilidad
estadística. SAGA: Revista Científica Multidisciplinar, 3(3), 347-359.
https://doi.org/10.63415/saga.v3i3.456
Esta obra está bajo una licencia internacional
Creative Commons de Atribución No Comercial 4.0
INTRODUCCIÓN
En la era de la industria 4.0, el capital
humano es el activo más valioso de las
organizaciones, por tal motivo es importante
conocer su percepción sobre el entorno de
trabajo, de manera que permita desarrollar
planes de mejora sobre las deficiencias
detectadas, desde esta perspectiva es
importante identificar aspectos como los
factores de riesgo psicosocial, clima laboral,
competencias comportamentales, o evaluación
de desempeño, como estrategias gerenciales
para la toma de decisiones frente a los cambios
que deben motivarse en la organización para
fortalecer la motivación, el sentido de
pertenencia y el engagement en los
colaboradores. De todos los procesos, el clima
laboral es un factor que aporta
significativamente al cumplimiento de
objetivos organizacionales tal como lo resalta
(Davies-Oré, 2022) que debe tenerse en cuenta
el capital humano y resaltar las habilidades con
que estos cuentan, de manera que la
organización pueda medir su impacto y alinear
la congruencia entre los objetivos personales y
los institucionales.
Basado en esta necesidad (Rosas-Serrata et
al., 2023) han creado instrumentos de
evaluación de clima laboral para Pymes en
dónde se destaca la importancia de evaluar
dimensiones como la motivación, el sentido de
pertenencia, el liderazgo y la satisfacción
laboral. En esta misma línea, otras
investigaciones han señalado la relevancia de
contar con escalas psicométricas que permitan
medir con precisión el clima organizacional y
garantizar su aplicabilidad en diversos sectores
productivos (Martinson et al., 2013; Beus et
al., 2019). Asimismo, otros estudios han
identificado que la seguridad en el trabajo, el
desarrollo profesional y la estrategia
organizacional son dimensiones clave en la
medición del clima laboral (Barría-González et
al. 2021; Menezes et al., 2009)
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
349
Las formas de evaluación más usadas y
valoradas son las realizadas mediante test
psicométricos, debidamente estandarizados y
validados, es decir que midan exactamente lo
que pretenden medir (Requena, 2009), por esta
razón, ante la necesidad creciente de las
organizaciones de disponer de instrumentos
especializados en realizar mediciones exactas
del clima organizacional, es que se ha
desarrollado el instrumento de Evaluación de
Clima Laboral en las Organizaciones ECLO,
en cual cuenta con una 10 constructos o
dimensiones a evaluar, lo cual le da una ventaja
significativa sobre otros instrumentos que se
encuentran disponibles en el mercado,
presenta una gran ventaja evaluativa frente a
las demás pruebas por su amplio contenido de
componentes, que le permiten indagar varios
aspectos organizacionales (Romero-Reyes &
Paladines-Torres, 2024).
Los componentes o dimensiones que la
integran son las siguientes: 1) Sentido de
pertenencia, 2) comunicación, 3) Liderazgo, 4)
Motivación, 5) Cultura Organizacional, 6)
Trabajo en Equipo, 7) Recompensas, 8)
Employee Experience (experiencia del
empleado), 9) Branding Corporativo, 10)
Felicidad en el Trabajo, estas dimensiones
fueron diseñadas para entender y analizar los
diferentes aspectos organizacionales y
establecer un diagnóstico del clima laboral
preciso. Investigaciones previas han
demostrado que instrumentos con múltiples
dimensiones, como el ECLO, ofrecen un
diagnóstico más preciso y útil para la gestión
empresarial (García-Treviño et al., 2023;
Jacobs et al., 2014).
ECLO está integrada por 200 ítem,
distribuidos en los diez constructos, es de
aplicación virtual, mediante la plataforma
migesttion.com (MigeSSTion, 2024), cuenta
con un factor de aleatoriedad, de manera que a
cada trabajador se le aplican 5 ítem por
componente, razón por la cual se ha validado
por un panel de 5 expertos de alto nivel
académico y experiencia en el campo
organizacional mediante el coeficiente de
Aiken, el cual arrojó un coeficiente total de
0.99 lo cual da una validez de contenido a
todos sus ítem (Romero-Reyes H. D., 2024).
Se requiere un coeficiente de Aiken muy alto
para todos los ítems, teniendo en cuenta que en
el factor de aleatoriedad del sistema
MigeSSTion, no se usan los mismos ítem en
cada trabajador, debe garantizarse que todos
los ítems midan adecuadamente cada
constructo, lo cual queda evidenciado en los
resultados de validez de contenido
mencionados. Esto permite que hayan
“estadísticas robustas” (Patlán
-Pérez & Flores-
Herrera 2013) que validen por medio de
técnicas de imputación de datos en el tema de
clima organizacional que garanticen la
precisión de los resultados obtenidos (Thrush
et al., 2023).
La relevancia de este estudio está
determinada por la necesidad de las
organizaciones de estar a la vanguardia, de ser
innovadoras, ya que tras la pandemia del
COVID 19 el mercado laboral se ha vuelto más
volátil, dinámico y exigente, razón por la que
se ha hecho necesario monitorear factores de
desempeño, motivación, desarrollo e
innovación en el trabajo, que dependen
exclusivamente del compromiso del capital
humano con la organización.
West y Sacramento (2012) citado por
(Dominguez-Lara et al., 2024) sostienen que
las organizaciones creativas e innovadoras se
distinguen por la amplia adhesión de sus
miembros a una visión inspiradora y a los
objetivos que desean alcanzar. Entre las
características principales de estas
organizaciones destacan la coherencia, la
participación activa de los integrantes, un
liderazgo efectivo, la cultura organizacional,
una comunicación organizacional efectiva que
promueva la interacción entre áreas y facilite la
toma de decisiones compartida, varios de estos
elementos están medidos por el instrumento
ECLO.
El objetivo de la presente investigación es
describir el proceso de validación de
confiabilidad estadística del instrumento
ECLO, y validación de instrumento mediante
el modelo de dos mitades, partiendo de la
hipótesis que cinco ítems por dimensión es
suficiente para evaluar cada variable, por tanto
no afecta la aleatoriedad de la evaluación y los
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
350
datos perdidos de manera intensional. De esta
manera se definen las siguientes hipótesis de
trabajo; H1: El ECLO mostrará una
consistencia interna alta (α ≥ .80)
en la muestra
total. H2: Las formas paralelas no difieren
significativamente en fiabilidad. H3: La
pérdida intensional de datos no afecta la
consistencia interna del instrumento.
METODOLOGÍA
Diseño
El presente estudio es de tipo instrumental,
con el fin de analizar las propiedades
psicométricas del instrumento ECLO y de
corte descriptivo ya que pretende explicar el
paso a paso del proceso de validación
estadística del instrumento.
Participantes
En el proceso de validación del instrumento
se aplicó la evaluación a 1567 trabajadores
(Tabla 1) de diferentes sectores productivos en
Colombia (Tabla 2), de diferentes ciudades
(Tabla 3) y de diferentes niveles educativos,
garantizando la participación amplia y sin
sesgos poblacionales, permitiendo una amplia
representatividad de trabajadores en el país, la
participación fue aleatoria, por convocatoria
abierta a las empresas que permitieran realizar
la evaluación a sus trabajadores.
Tabla 1
Participantes por sexo
Frecuencia Porcentaje Porcentaje
válido
Válido femenino 690 44,0 44,0
masculino 709 45,2 45,2
No
disponible
168 10,7 10,7
Total 1567 100,0 100,0
Fuente: Sistema de Información MigeSSTion
(https://migesstion.com)
Los criterios de inclusión fueron empresas
colombianas, con trabajadores activos de más
de 6 meses de vinculación laboral. Los
criterios de exclusión fueron personas no
vinculadas laboralmente a una organización.
El tiempo de recolección de la evaluación fue
entre noviembre de 2023 a marzo de 2025. No
se llevó un registro de empresas no evaluadas,
por tanto, no se contó con tasa de rechazo, solo
se tuvo registro de las empresas efectivamente
evaluadas, las cuales ante la convocatoria
solicitaban la evaluación de manera directa o
por intermedio de profesionales vinculados a la
organización interesada.
Tabla 2
Sectores productivos evaluados
Frecuencia Porcentaje Porcentaje
válido
Válido
1410
7
0,4
0,4
3319
283
18,1
18,1
3512 13 0,8 0,8
4290 58 3,7 3,7
4631 1 0,1 0,1
4690
20
1,3
1,3
4711
13
0,8
0,8
4773 1 0,1 0,1
4792 2 0,1 0,1
4921 53 3,4 3,4
5229
3
0,2
0,2
5611 7 0,4 0,4
6201
77
4,9
4,9
6621 13 0,8 0,8
8129 5 0,3 0,3
8299
9
0,6
0,6
8412 18 1,1 1,1
8413 9 0,6 0,6
8424 1 0,1 0,1
8430 30 1,9 1,9
8544 484 30,9 30,9
8610 64 4,1 4,1
8621 7 0,4 0,4
8699 155 9,9 9,9
9491 28 1,8 1,8
9609 3 0,2 0,2
No
disponible
203 13,0 13,0
Total 1567 100,0 100,0
Fuente: Sistema de Información MigeSSTion
(https://migesstion.com)
Tabla 3
Ciudades participantes
Frecuencia Porcentaje Porcentaje
válido
Válido
Acevedo 2 0,1 0,1
Achí 1 0,1 0,1
Albania 1 0,1 0,1
Alcalá 1 0,1 0,1
Amagá 1 0,1 0,1
Baranoa 1 0,1 0,1
Belén de
Los
Andaquies
1 0,1 0,1
Bogotá
D.C.
43 2,7 2,7
Bucarama
nga
1 0,1 0,1
Cali 1 0,1 0,1
Cartagena 15 1,0 1,0
Cartagena
del Chairá
1 0,1 0,1
Ciénaga 1 0,1 0,1
Cumaral 7 0,4 0,4
El
Doncello
1 0,1 0,1
El Encanto 1 0,1 0,1
El Paujil 1 0,1 0,1
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
351
Frecuencia Porcentaje Porcentaje
válido
Envigado 2 0,1 0,1
Espinal 1 0,1 0,1
Florencia 810 51,7 51,7
Ibagué 77 4,9 4,9
Isnos 8 0,5 0,5
La Mesa 9 0,6 0,6
Manizales 32 2,0 2,0
Medellín
389
24,8
24,8
No
disponible
2
0,1
0,1
San
Vicente
del
Caguán
4 0,3 0,3
Santa
Marta
6 0,4 0,4
Soacha 1 0,1 0,1
Sogamoso
68
4,3
4,3
Yopal 58 3,7 3,7
Yumbo
20
1,3
1,3
Total 1567 100,0 100,0
Fuente: Sistema de Información MigeSSTion
(https://migesstion.com)
Tabla 4
Participantes según nivel de formación
Frecuencia Porcentaje Porcentaje
válido
Válido
Bachillerato 167 10,7 10,7
Post-grado
completo
14 0,9 0,9
Post-grado
incompleto
1 0,1 0,1
Primaria 169 10,8 10,8
Profesional 602 38,4 38,4
Profesional
incompleto
5 0,3 0,3
Tecnico -
Tecnologo
completo
609 38,9 38,9
Total 1567 100,0 100,0
Fuente: Sistema de Información MigeSSTion
(https://migesstion.com)
Instrumentos
El instrumento ECLO es una evaluación
desarrollada con el propósito de facilitar un
instrumento para la evaluación organizacional.
El cuestionario consta de diez componentes:
Comunicación, Liderazgo, Motivación,
Cultura Organizacional, Trabajo en equipo
Recompensas, Employee Experience,
Branding Corporativo, Sentido de Pertenencia
y Felicidad en el Trabajo. Cada componente
contiene un banco de 20 ítems, que permitirá
obtener una visión general de la percepción de
los trabajadores en relación con su trabajo y las
interacciones en cada dimensión.
Los ítems se presentan de manera aleatoria
en grupos de 5 preguntas para cada
componente, para evitar sesgos investigativos,
este instrumento fue previamente validado
mediante juicio de expertos para garantizar la
validez de contenido del test. (Romero-Reyes,
2024). La aplicación del instrumento se realizó
de manera virtual mediante el software
MigeSSTion.com, el cual cuanta con
consentimiento integrado con firma digital,
previo al cuestionario, como paso obligatorio
para dar respuesta al cuestionario.
Para la calificación del instrumento se
utiliza una escala tipo Likert de cuatro puntos
para cada ítem, evitando tener tendencias
centrales al momento de las respuestas, los
valores asignados a las respuestas son:
Siempre (4 puntos), Varias veces (3 puntos),
Pocas veces (2 puntos), Nunca (1 punto). La
calificación se realizó mediante puntuación
directa, no hay puntajes invertidos. Los
puntajes obtenidos en cada componente se
clasifican en cinco rangos, que permiten
interpretar la percepción del trabajador sobre el
clima laboral: Óptimo: 18
–
20 puntos,
Destacado: 15 - 17.99 puntos, Admisible: 12-
14.99 puntos, Vulnerable: 9 -11.99 puntos y
Desfavorable: 5 - 8.99 puntos.
La aplicación de la evaluación de manera
aleatoria se realiza mediante un Algoritmo de
Aleatorización, para lograr esto, el sistema
aplica un proceso de aleatorización
computacional en dos etapas: la primera etapa
es la selección inicial en base de datos
(MySQL/MariaDB), donde se utiliza la
función interna RAND() para obtener
subconjuntos de preguntas en orden aleatorio.
Este método garantiza que, al momento de
generar la evaluación, las preguntas
seleccionadas no sean siempre las mismas
dentro de cada dimensión. La segunda etapa es
el reordenamiento global en código: una vez
obtenidas las preguntas, se aplica el algoritmo
Fisher-Yates shuffle en el servidor. Este
algoritmo intercambia posiciones de forma
pseudoaleatoria hasta obtener un orden global
completamente mezclado.
Una característica clave es que el proceso se
ejecuta una sola vez por cada evaluación
asignada a un usuario, de esta manera si un
mismo usuario recibe dos evaluaciones
distintas, cada una genera su propio orden
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
352
aleatorio independiente. El orden final se
guarda y permanece constante en accesos
posteriores, garantizando consistencia en esa
evaluación. Aunque la aleatoriedad es
generada por la máquina a través de algoritmos
matemáticos, desde la perspectiva del usuario
resulta impredecible y cumple con el criterio
de aleatoriedad práctica.
La plataforma de evaluación MigeSSTion
cuenta con medidas de seguridad en su base de
datos la cual funciona en un motor relacional
(MySQL/MariaDB), mediante Framework con
servidor en JavaScript sobre entorno de
ejecución. La fecha de acceso está definida por
los parámetros de cada evaluación.
Las Medidas de seguridad y
confidencialidad establecidas para la
autenticación y el acceso al servidor está dada
mediante sesiones con almacenamiento en
base de datos, sistema de autorización basado
en niveles de permiso y protección de datos
personales, cuenta con Hash único por
evaluación asignada: cada evaluación genera
un identificador cifrado que actúa como llave
de acceso, evitando exposición directa de los
ID reales.
La validación de identidad se realiza
mediante documento personal, con
contraseñas cifradas y cookies configuradas
con parámetros seguros, lo que garantiza
integridad y confidencialidad en los datos
registrados, previniendo duplicidad en
respuestas, manejo de errores sin revelar
información sensible, acceso restringido a
información según la organización
correspondiente.
La validación de completitud se realiza en
cada evaluación, la cual requiere un número
mínimo de respuestas válidas para ser
procesada (5 preguntas por dimensión
evaluada), si no se alcanza este umbral, el
sistema la marca como incompleta.
Imputación de datos perdidos
La evaluación ECLO se aplica de manera
virtual mediante el sistema MigeSSTion, con
una respuesta de 5 ítem por cada componente,
para un total de 50 preguntas por trabajador,
dejando datos perdidos intencionalmente en
los ítems restantes (150 por trabajador
evaluado) equivalente a un 75% de datos
perdidos de manera intencional. Por tanto, la
imputación múltiple de datos perdidos se
realiza mediante regresión lineal, permitiendo
predecir los valores faltantes de manera
acertada, (Karmitsa et al., 2022), de acuerdo
con (Mejía-Peñafiel et al., 2024) existen
diversas formas de realizar imputación de
datos, por media, por moda, múltiple, entre
otras formas para obtener una estructura de
datos adecuada.
Dado que el diseño del instrumento
seleccionó aleatoriamente 5 de 20 ítems por
componente, cada participante presentó ~75%
de datos faltantes por diseño. Para el manejo de
ausencias se aplicó Imputación Múltiple por
Ecuaciones Enlazadas (MICE) con predictive
mean matching (PMM) en SPSS v26,
generando 20 imputaciones con 20 iteraciones
cada una. En todos los ítems tipo Likert se
impusieron límites 1
–
4 para garantizar valores
plausibles.
Procesamiento y análisis de datos
Para el procesamiento de datos obtenidos de
la evaluación, aplicada mediante el sistema
MigeSSTion, una vez obtenidos los datos, se
realiza análisis estadístico mediante SPSS v26,
para identificar sus propiedades psicométricas
como son la confiabilidad estadística y análisis
factorial exploratorio.
Aspectos éticos
La aplicación del instrumento cuenta con la
firma del consentimiento informado por parte
de los trabajadores participantes, informando
el tipo de evaluación y declarando la
voluntariedad de participación, así mismo se
garantiza que este cuestionario no es invasivo
ni afecta la salud de los participantes.
RESULTADOS
Una vez aplicada la evaluación se obtuvo
los siguientes resultados:
Evaluación de confiabilidad estadística
Una vez realizada la imputación de datos se
procede a hacer el procesamiento de datos
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
353
estadístico del instrumento, se realiza el
análisis de escala mediante SPSS v26,
obteniendo un coeficiente de alfa de Cronbach
de 0.985 se muestra en la Tabla 5, esto indica
que la confiabilidad de todo el instrumento.
Tabla 5
Coeficiente de alfa de Cronbach
Estadísticas de fiabilidad
Número de
imputación
Alfa de
Cronbach
(CMP)
Alfa de
Cronbach
(MCMC)
N de
elementos
1
0,984 0,974 200
2
0,985 0,974 200
3
0,985 0,975 200
4
0,985 0,973 200
5
0,985 0,975 200
6
0,985 0,973 200
7
0,985 0,975 200
8
0,985 0,975 200
9
0,984 0,975 200
10
0,984 0,976 200
11
0,985 0,975 200
12
0,985 0,974 200
13
0,985 0,976 200
14
0,984 0,974 200
15
0,985 0,974 200
16
0,985 0,974 200
17
0,985 0,975 200
18
0,985 0,974 200
19
0,985 0,975 200
20
0,985 0,975 200
Alfa de
Cronbach
combinado
0,985 0.975
Fuente: Autores (2026)
Para evaluar la robustez de cada método de
imputación, se replicó la imputación múltiple
con dos enfoques: a) MICE con PMM y b)
MCMC con regresión lineal, em ambos casos
se generaron 20 conjuntos imputados con 20
iteraciones y se establecieron límites de 1
–
4
correspondiente con la escala likert del
instrumento, se estimó la consistencia interna
de la escala completa en cada dataset.
Con MICE/PMM el alfa de Cronbach
combinado fue o.985, con rangos de
imputación entre 0.984
–
0.985. Con MCMC
el alfa combinado fue de 0.975 con rangos de
imputación entre 0.973
–
0.976. Aunque el
método MCMC produjo valores ligeramente
menores, esto es esperable, ya que este método
introduce mayor variabilidad en los datos
imputados, sin embargo, en ambos métodos la
consistencia interna se mantuvo en el rango
excelente (α > .95), por tanto las conclusiones
sobre el método de fiabilidad del instrumento
es que estas no dependen del método de
imputación elegido.
Método de dos mitades
Una vez obtenido los resultados del
coeficiente de confiabilidad interna, se realiza
análisis de dos mitades, obteniendo un
resultado favorable en el instrumento, con un
coeficiente de 0.970 en la primera parte y de
0.973 en la segunda parte como se ve en la
Tabla 6.
Tabla 6
Resultado de análisis mediante método de dos
mitades
Índice
PMM (media;
rango)
MCMC
(media;
rango)
Alfa, Parte 1 0,971 (0,970
–
0,972)
0,956 (0,952
–
0,959)
Alfa, Parte 2 0,971 (0,970
–
0,973)
0,948 (0,942
–
0,952)
Correlación entre
formularios
0,921 (0,913
–
0,930)
0,903 (0,889
–
0,915)
Spearman
–
Brown (igual)
0,959 (0,954
–
0,964)
0,949 (0,941
–
0,956)
Guttman (dos
mitades)
0,954 (0,949
–
0,959)
0,949 (0,941
–
0,955)
Fuente: Autores (2026)
Para evaluar la sensibilidad de la fiabilidad
del método de imputación, se compararon los
20 datasets imputados con MICE-PMM y 20
con regresión lineal MCMC. En el PMM los
promedios entre imputaciones fueron α Parte 1
= 0,956 (0,952
–0,959), α Parte 2 = 0,94
8
(0,942
–
0,952), correlación = 0,903 (0,889
–
0,915), Spearman
–
Brown = 0,949 (0,941
–
0,956) y Guttman = 0,949 (0,941
–
0,955).
Aunque PMM mostró valores ligeramente
superiores (Δ medios: +0,015 a +0,023 en α
por mitades y +0,005 a +0,018 en los demás
coeficientes), todas las estimaciones
obtuvieron rangos muy altos en ambos
métodos. En consecuencia, las conclusiones
sobre la consistencia interna del instrumento
son excelentes, ya que el método de dos
mitades se mantiene con mínima diferencia
entre los dos métodos de imputación.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
354
Tabla 7
Estadísticas de Fiabilidad de Escala
Media DE Alfa de
Cronbach
ω de
McDonald
escala 3.40 0.372 0.985 0.986
Fuente: Autores (2026)
La escala total mostró consistencia interna
excelente: α = 0.985 y ω =
0.986. La
convergencia entre α y ω indica que la
violación de tau-equivalencia es mínima o que
su impacto es marginal a nivel global.
Tabla 8
Fiabilidad por subescalas
Media DE Alfa de
Cronbach
ω de
McDonald
escala Sentido
de pertenencia
3.50 0.378 0.884 0.886
escala
Comunicación
3.39 0.429 0.898 0.900
escala
Liderazgo
3.53 0.370 0.876 0.877
escala
Motivación
3.50 0.371 0.875 0.880
escala Cultura
organizacional
3.46 0.405 0.893 0.897
escala Trabajo
en equipo
3.36 0.433 0.892 0.894
escala
Recompensas
2.91 0.562 0.879 0.882
escala
Experiencia
del empleado
3.33 0.453 0.893 0.898
escala
Branding
Corporativo
3.50 0.424 0.916 0.918
escala
Felicidad en el
trabajo
3.49 0.370 0.872 0.878
Fuente: Autores (2026)
Se estimó la consistencia interna de cada
una de las 10 subescalas mediante α de
Cronbach y ω de McDonald. Los coeficientes
oscilaron entre .872 y .916 para α, y entre .877
y .918 para ω, indicando una alta fiabilidad en
todas las dimensiones, tomando como criterio
puntajes mayores a 0.80, La subescala con
mayor fiabilidad fue Branding corporativo (α
= .916; ω = .918), mientras que la más baja,
aunque adecuada, fue Felicidad en el trabajo (α
= .872; ω = .878).
Las medias de las subescalas se situaron
mayoritariamente en el rango 3.33
–
3.53 (en
una escala de 1 a 5), destacando Liderazgo (M
= 3.53) y Sentido de
pertenencia/Motivación/Branding corporativo
(M ≈ 3.50). Recompensas presentó la media
más baja (M = 2.91) y la mayor dispersión (DE
= 0.562), sugiriendo percepción más
heterogénea y relativamente más crítica de esa
dimensión.
En todas las subescalas, ω fue ligeramente
superior a α (≈ .002–
.006) lo que indica que la
tau-
equivalencia de α no se afecta de manera
relevante y que la fiabilidad del instrumento es
estable al emplear un modelo estadístico mas
flexible (ω).
Análisis factorial exploratorio
Tabla 9
Resumen análisis factorial exploratorio
Componente
Resultado
Muestra
N = 1 567
Tratamiento de NA Imputación múltiple
(MICE
–
PMM), set 2
Extracción
PAF (ejes principales)
Rotación
Oblimin (oblicua)
Nº de factores
10 (fijado por teoría)
KMO
0.860
Bartlett
χ²(19 900)=268 308,
p<.001
RMSEA (IC90%) 0.069 (0.0685
–
0.0692)
TLI
0.403
Varianza explicada (10F) 37.84%
r entre factores
~ .17
–
.43
Fuente: Autores (2026)
Se realizó AFE sobre set 2 (MICE
–
PMM;
20 imputaciones/20 iteraciones) empleando
factorización por ejes principales y rotación
oblicua Oblimin asumiendo correlación entre
factores. La adecuación muestral fue buena
(KMO = .86), y la prueba de esfericidad de
Bartlett resultó significativa (χ²(19 900) = 268
308, p < .001), lo que respalda la
factorizabilidad de la matriz. Se fijó n = 10
factores por correspondencia con las
dimensiones teóricas del instrumento. El ajuste
global fue mixto: RMSEA = .069 (IC90%
[.0685, .0692]) y TLI = .403. Las correlaciones
interfactoriales oscilaron entre .17 y .43,
coherentes con una solución oblicua. La
varianza total explicada por los 10 factores fue
37.8%. A nivel de ítem, se evaluaron criterios
estándar (carga ≥ .40, comunali
dad > .30,
ausencia de cargas cruzadas sustantivas) para
valorar la retención; los ítems con cargas
débiles o unicidades elevadas se señalaron para
revisión.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
355
Se replica el AFE con matriz de correlaciones
policóricas y determinar el número de factores
con análisis paralelo para contrastar la solución
de 10 factores y optimizar el ajuste del modelo,
obteniendo a partir del contenido de los ítems y
las cargas mas altas observadas, una solución de
10 factores conceptualmente diferenciados y con
correlación mod
erada (r ≈ .08–
.22), que capturan
aspectos como comunicación, supervisión,
liderazgo, colaboración, recompensas,
beneficios, satisfacción-motivación, desarrollo,
identidad cultural, orgullo, marca, imagen
externa, recursos, condiciones, crecimiento,
movilidad y engagement emocional, lo cual es
coherente con los factores teóricos propuestos. as
cargas factoriales más representativas se ubican
en el rango .50
–
.82, con unicidades típicas .20
–
.40, evidenciando adecuada varianza común.
Análisis factorial confirmatorio
Tabla 10
Contraste Chi-cuadrado
Modelo
Χ²
gl p
Modelo base 14,024.699 190
Modelo factorial 976.131 170 < .001
Fuente: Autores (2026)
El modelo propuesto mediante el AFC
presentó un ajuste superior al modelo de
independencia con χ²(170) = 976.13, p < .001,
frente a χ²(190) = 14,024.70 del modelo base,
lo que supone una reducción del 93% de X2.
Aunque el tes x2 resultó significativo, el ajuste
exacto no fue alcanzado, esto se debe a que la
prueba es sensible al tamaño muestral, La
razón χ²/gl fue 5.74, indicando un ajuste
razonable-moderado.
Tabla 11
Índices de ajuste
Índice
Valor
Índice de Ajuste Comparativo (CFI) 0.942
Índice de Tucker-Lewis (TLI)
0.935
Índice de ajuste no normalizado de Bentler-
Bonett (NNFI)
0.935
Índice de ajuste normalizado de Bentler-
Bonett (NFI)
0.930
Índice de ajuste normalizado de parsimonia
(PNFI)
0.869
Índice de ajuste relativo de Bollen (RFI) 0.922
Índice de ajuste incremental de Bollen (IFI) 0.942
Índice de no centralidad relativa (RNI) 0.942
Fuente: Autores (2026)
Los índices incrementales indicaron un
ajuste global adecuado del modelo: CFI = .942,
IFI = .942 y RNI = .942; TLI/NNFI = .935, NFI
= .930 y RFI = .922. Estos valores superan el
umbral de .90 y se aproximan a .95, lo que
sugiere un ajuste bueno respecto del modelo de
independencia, con una ligera penalización por
complejidad (TLI/NNFI). El índice de
parsimonia (PNFI = .869) respalda que el
ajuste se logra con una estructura de
parámetros razonable, evitando sobreajuste.
En conjunto, los resultados son coherentes con
un modelo bien especificado para los fines del
estudio.
Tabla 12
Otras medidas de ajuste
Métrica
Valor
Error cuadrático medio de aproximación
(RMSEA)
0.055
RMSEA 90 % IC límite inferior 0.052
RMSEA 90 % IC límite superior 0.058
Valor p de RMSEA
0.007
Raíz del error cuadrado medio
estandarizado (RECMS, SRMR)
0.063
N crítico de Hoelter
(α = .05)
426.264
N crítico de Hoelter (α = .01)
456.643
Índice de bondad de ajuste (GFI) 0.987
Índice de ajuste de McDonald (IMF) 0.833
Fuente: Autores (2026)
Las medidas absolutas indicaron un ajuste
global adecuado a bueno del modelo: RMSEA
= .055, IC90% [.052, .058] y SRMR = .063,
ambos dentro de los rangos recomendados (≤
.06
–
.08). Aunque la prueba de ajuste cercano
del RMSEA fue significativa (p = .007), el
intervalo por debajo de .06 respalda un ajuste
práctico satisfactorio. El N crítico de Hoelter
fue elevado (426
–
457), sugiriendo estabilidad
del modelo con muestras grandes. El GFI fue
muy alto (0.987), mientras que el IMF de
McDonald (0.833) señaló un ajuste moderado,
coherente con una penalización mayor por
complejidad/ordinalidad. En conjunto, y
considerando también los índices
incrementales, el modelo muestra buen ajuste
para los fines del estudio.
DISCUSIÓN
La medición del clima organizacional es un
aspecto clave en la gestión del talento humano
y la toma de decisiones organizacionales. En
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
356
investigaciones previas han demostrado que un
clima laboral positivo impacta directamente en
la motivación, el compromiso y el desempeño
de los trabajadores (Dominguez-Lara et al.,
2024). En este contexto, el desarrollo y
validación del ECLO responde a esta
necesidad, proporcionando un instrumento que
evalúa de manera integral dimensiones clave
del clima organizacional.
El instrumento mostró excelente
confiabilidad global y por subescalas. El AFC
apoyó la estructura multidimensional con buen
ajuste (CFI=.942; TLI=.935; RMSEA=.055;
SRMR=.063). Las altas correlaciones entre
factores sugieren la presencia de un
componente general de experiencia/clima, por
lo que se recomienda evaluar un modelo
jerárquico de segundo orden y revisar la
validez discriminante. La mayoría de los ítems
presentaron cargas adecuadas, aunque algunos
—
especialmente en Liderazgo
—
requieren
revisión. En conjunto, la evidencia respalda el
uso operativo de la escala para diagnóstico y
seguimiento, complementando con un índice
global y priorizando intervenciones en
dimensiones menos favorables (p. ej.,
Recompensas). Futuras investigaciones
deberían fortalecer la parsimonia del modelo,
verificar invarianza entre grupos y aportar
validez predictiva con indicadores
organizacionales.
El instrumento ECLO se fundamenta en
principios psicométricos rigurosos que
garantizan la calidad de la medición de las
percepciones del clima organizacional. Los
hallazgos de este estudio contribuyen al campo
de la psicometría al validar un instrumento con
una metodología innovadora basada en
aplicación aleatoria de ítems y la imputación
de datos por regresión lineal (Karmitsa et al.,
2022). Este procedimiento permitió mitigar el
impacto de la aleatorización en la aplicación
del instrumento, asegurando que la
distribución original de los datos se mantuviera
sin introducir sesgos significativos. Además, la
inclusión de dimensiones como la experiencia
del empleado y el branding corporativo amplía
la comprensión del clima laboral actual; por
ejemplo, en un contexto de transformación
digital y nuevas dinámicas organizacionales
post-COVID-19, lo que concuerda con las
observaciones de Mejía-Peñafiel et al. (2024)
sobre la evolución del entorno laboral y sus
implicaciones en la percepción del bienestar
organizacional.
Cada dimensión evaluada en el ECLO
aporta información valiosa para el profesional
de comportamiento organizacional y, en
sentido amplio, la toma de decisiones
gerenciales. La alta confiabilidad del
instrumento permite su uso como base para
diseñar estrategias de mejora en liderazgo,
comunicación, motivación y recompensas en
las organizaciones. La identificación de la
dimensión de recompensas como la de menor
puntuación en la muestra, podría sugerir que
las organizaciones participantes podrían
reevaluar sus estrategias de reconocimiento
para fortalecer el compromiso laboral. Esto es
consistente con la literatura existente, que
sugiere que los sistemas de recompensa y
reconocimiento tienen un impacto directo en la
satisfacción y retención de empleados
(Romero-Reyes, 2024). Además, el uso de
formas paralelas del ECLO en la evaluación de
las empresas que se incluyeron para el estudio
permitió una aplicabilidad flexible y adaptativa
en diversos entornos organizacionales,
asegurando que los resultados obtenidos sean
representativos de diferentes sectores
productivos. Asimismo, investigaciones
previas han mostrado que la motivación y el
liderazgo efectivo son factores determinantes
en la mejora del clima organizacional
(Martinson et al., 2013; Menezes et al., 2009).
La innovación de ECLO se encuentra en la
incorporación de dimensiones como "branding
corporativo" y "experiencia del empleado" y
de validar los ítems por medio de la imputación
de datos.
Por lo tanto, el instrumento ECLO
proporciona un marco sólido para futuras
investigaciones sobre clima laboral y bienestar
organizacional. Su diseño basado en ítems
aleatorizados y aplicación virtual facilita su
integración en estudios longitudinales y en
contextos de análisis comparativo entre
sectores productivos. La posibilidad de
estudiar correlaciones entre las dimensiones
evaluadas y otras variables organizacionales,
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
357
como el desempeño o la retención de talento,
amplía las oportunidades de investigación en
psicología organizacional. Además, el alto
coeficiente de confiabilidad obtenido en el
análisis de dos mitades (0.815 y 0.830)
refuerza la estabilidad del instrumento y su
capacidad para ser aplicado en distintos
contextos sin perder su precisión psicométrica.
Este aspecto es clave, pues investigaciones
previas han resaltado la importancia de contar
con herramientas estables y replicables en el
estudio del clima organizacional (Requena,
2009).
Como resultados de este estudio, se abren
interrogantes sobre la evolución de la medición
del clima organizacional en un contexto
laboral cada vez más digitalizado. La literatura
sugiere que las nuevas formas de trabajo, como
el teletrabajo y los entornos híbridos, pueden
afectar la percepción de los empleados sobre el
clima organizacional (Mejía-Peñafiel et al.,
2024). En futuros estudios, se podrían explorar
cómo estas transformaciones impactan
dimensiones clave del ECLO, como la
comunicación organizacional y el sentido de
pertenencia. Adicionalmente, sería relevante
evaluar cómo la aplicación del instrumento en
ciertos tipos de organizaciones, incluyendo
aquellas con modelos de trabajo híbrido, puede
influir en la validez de sus resultados y en la
percepción de sus dimensiones clave.
Si bien el ECLO demuestra ser un
instrumento confiable y válido, algunas
limitaciones deben considerarse. En primer
lugar, la metodología de imputación de datos,
aunque estadísticamente adecuada, podría
generar variaciones en interpretaciones
individuales. Un ejemplo de esto podría darse
en la evaluación del liderazgo dentro de una
organización: si un trabajador omite responder
ciertos ítems relacionados con la percepción
del liderazgo, los valores imputados podrían no
captar completamente la subjetividad de la
experiencia del evaluado. Este tipo de sesgo
podría resolverse mediante la imputación
múltiple, ya que esta técnica generaría varias
estimaciones posibles de los valores perdidos y
calcularía una distribución más representativa
de los datos (Mejía-Peñafiel et al., 2024).
Asimismo, la imputación por árboles de
decisión podría ser una opción viable en casos
donde las respuestas de un trabajador a ciertos
ítems sean inconsistentes con sus respuestas en
otras dimensiones. Por ejemplo, si un
trabajador puntúa muy bajo en satisfacción
laboral, pero deja en blanco los ítems
relacionados con motivación y compromiso,
un método tradicional de imputación podría
simplemente asignar un valor promedio, lo que
no reflejaría correctamente el patrón de
respuestas. En cambio, los árboles de decisión
modelan relaciones complejas entre variables
y permiten hacer inferencias basadas en los
datos existentes, lo que ayudaría a predecir
respuestas de manera más precisa y reducir
sesgos en la asignación de valores perdidos
(Karmitsa et al., 2022). Estas técnicas podrían
aplicarse a los datos ya recopilados sin alterar
su estructura fundamental y contribuir a una
mayor precisión en el análisis.
Además de considerar otros métodos de
imputación, la validación del ECLO se realizó
en una muestra de trabajadores colombianos,
por lo que se recomienda su aplicación en otros
países y contextos culturales para permitir su
generalización a otros contextos distintos a la
cultura colombiana. Elementos culturales
como la orientación al poder, la individualidad
versus colectividad y la percepción de
autoridad dentro de la organización deben
considerarse en futuras investigaciones. En
entornos con alta distancia al poder, por
ejemplo, los trabajadores pueden percibir la
comunicación organizacional de manera
diferente a aquellos en culturas más
igualitarias, lo que podría influir en las
respuestas obtenidas en el ECLO (Requena,
2009). Asimismo, la percepción del trabajo en
equipo y las recompensas pueden variar según
la cultura organizacional predominante,
afectando la validez del instrumento en
diferentes países. Un análisis intercultural
permitiría evaluar hasta qué punto estas
diferencias influyen en la interpretación de los
resultados y en la aplicabilidad del ECLO en
diversas realidades laborales.
CONCLUSIONES
El presente estudio permitió validar el
instrumento ECLO como una herramienta
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
358
robusta y confiable para la medición del clima
organizacional en diversos sectores
productivos. Su alta consistencia interna y la
estabilidad psicométrica obtenida mediante
distintos análisis estadísticos refuerzan su
utilidad en la evaluación de factores clave del
entorno laboral.
Los índices de fiabilidad (alfa total y dos
mitades) son consistentes y altos con PMM y
con MCMC; por tanto, la evidencia de
consistencia interna del instrumento es robusta
frente a la estrategia de imputación empleada.
REFERENCIAS BIBLIOGRÁFICAS
Barría-González, J., Postigo, Á., Pérez-Luco, R.,
Cuesta, M., & García-Cueto, E. (2021).
Assessing organizational climate:
Psychometric properties of the ECALS
Scale. Anales de Psicología, 37(1), 168-
177.
https://doi.org/10.6018/analesps.417571
Beus, J. M., Payne, S. C., Arthur, W. Jr., &
Muñoz, G. J. (2019). The Development
and Validation of a Cross-Industry
Safety Climate Measure: Resolving
Conceptual and Operational Issues.
Journal of Management, 45(5), 1987-
2013.
https://doi.org/10.1177/0149206317745
596
Broncano, R. C. (2024). Modelos de Teoría de
Respuesta al Ítem para el Análisis del
Clima Organizacional. Revista de
investigación de sistemas e informática,
17(1), 117-129.
https://doi.org/10.15381/risi.v17i1.2895
1
Davies-Oré, E. E. (2022). Importancia del Clima
laboral para el cumplimiento de los
objetivos organizacionales. Gestión en el
Tercer Milenio, 25(49).
https://doi.org/https://doi.org/10.15381/
gtm.v25i49.19842
Dominguez-Lara, S., Fernández-Arata, M., &
Bárrig-Jó, P. (2024). Escala de Clima de
Innovación: análisis psicométrico en
trabajadores peruanos. Revista de
ciencias de Administración y Economía
Retos, 14(28).
https://doi.org/https://doi.org/10.17163/r
et.n28.2024.06
Karmitsa, N., Bagírov, A., & Mäkinen, P.
(2022). Imputación de valores faltantes
mediante regresión lineal por
conglomerados. IEEE Transactions on
Knowledge and Data Engineering,
34(4).
https://doi.org/https://doi.org/10.1109/T
KDE.2020.3001694
Jacobs, S. R., Weiner, B. J., & Bunger, A. C.
(2014). Context matters: Measuring
implementation climate among
individuals and groups. Implementation
Science, 9(46).
https://doi.org/10.1186/1748-5908-9-46
Martinson, B. C., Thrush, C. R., & Crain, A. L.
(2013). Development and Validation of
the Survey of Organizational Research
Climate (SORC). Science and
Engineering Ethics, 19(3), 813-834.
https://doi.org/10.1007/s11948-012-
9410-7
Mejía-Peñafiel, E. F., Aguilar-Reyes, J. E.,
Bolaños-Logroño, P. F., & López-
Ortega, J. R. (2024). Métodos de
imputación por regresión, imputación
por moda, imputación múltiple y árboles
de decisión para variables categóricas en
perspectiva comparada. REVISTA DE LA
UNIVERSIDAD DEL ZULIA, 15(43),
541-555.
https://doi.org/https://doi.org/10.46925//
rdluz.43.29
Menezes, I. G., Sampaio, L. R., Gomes, A. C. P.,
& Teixeira, F. S. (2009). Escala de Clima
Organizacional para Organizaciones de
Salud: Desarrollo y Estructura
Factorial. Estudos de Psicologia, 26(3),
305-316.
MigeSSTion. (2024). Sistema de evaluación
MigeSSTion. https://migesstion.com
Requena, C. S. (2009). Principios de
psicometría. Editorial sintesis.
Romero-Reyes, H. D. (2024). Validez de
Contenido de Evaluación de Clima
Laboral en las Organizaciones ECLO.
Revista Estudios y Perspectivas, 4(3).
https://doi.org/https://doi.org/10.61384/r
.c.a..v4i3.533
Romero-Reyes, H. D., & Paladines-Torres, L. K.
(2024). Análisis Comparativo entre
Instrumentos de Evaluación de Clima
Laboral y la Evaluación ECLO. Journal
of Economic and Social Science
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 347-359
359
Research, 4(2), 197
–
213.
https://doi.org/https://doi.org/10.55813/
gaea/jessr/v4/n2/107
Rosas-Serrata, J., García-Treviño, I. L.,
Guzmán-Prince, I., & Medina-Álvarez,
M. Á. (2023). Diseño de un Instrumento
para la Medición del Clima Laboral en
una PyME. Revista Multidisciplinar
Ciencia Latina, 7(5).
https://doi.org/https://doi.org/10.37811/c
l_rcm.v7i5.7773
DECLARACIÓN DE CONFLICTO DE INTERESES
Los autores declaran no tener conflictos de intereses.
DERECHOS DE AUTOR
Romero Reyes, H. D., & González Martínez, E. A. (2026)
Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No
Comercial 4.0, que permite su uso sin restricciones, su distribución y reproducción por cualquier
medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado.
El texto final, datos, expresiones, opiniones y apreciaciones contenidas en esta publicación es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la revista.