Compartilhar, curtir, navegar e não estudar! Cyberloafing de estudantes de Ciências Contábeis^*

Resumo

Direcionada pela possibilidade de o processo de aprendizagem ser afetado pelo comportamento cyberloafing, esta pesquisa analisou os precedentes e as consequências relacionados à manifestação do comportamento cyberloafing de estudantes de Ciências Contábeis a partir do uso pessoal da internet e de dispositivos tecnológicos em sala de aula. Pouco se discute sobre os precedentes e consequentes desse comportamento, de forma conjunta, apesar das diversas evidências de sua importância e influência sobre os diferentes âmbitos da vida dos indivíduos. Assim, tais variáveis apresentam-se como tema de interesse a fim de compreender seus efeitos sob os estudantes. O comportamento cyberloafing tem sido vinculado ao desempenho acadêmico, às experiências de aprendizagem e ao estado emocional dos estudantes, sendo oportuno compreender seus precedentes e consequentes. As implicações da pesquisa são discutidas em termos teóricos, práticos e sociais. Nesse sentido, o uso pessoal e consciente da internet e de dispositivos tecnológicos deve ser promovido a fim de propiciar ganhos tanto no nível individual como no nível organizacional do ambiente em que o estudante está inserido. A Modelagem de Equações Estruturais foi aplicada a 404 participações válidas obtidas por meio de survey on-line realizada junto a discentes de diferentes regiões do Brasil. Os precedentes pessoais, como a necessidade de contato com os amigos, exercem maior efeito sobre o comportamento cyberloafing. Os precedentes acadêmicos, tais como a qualidade dos materiais utilizados nas aulas, também apresentaram relação significante com o comportamento cyberloafing. As consequências relacionadas ao cyberloafing consistiram em chegar atrasado na aula e em reuniões acadêmicas, procrastinar a execução de atividades acadêmicas e isolar-se de pessoas próximas como amigos e familiares. Tais elementos mostram que o cyberloafing é resultado do ambiente em que o indivíduo está inserido e que gera diferentes consequências na vida do estudante.

Palavras-chave:
cyberloafing; cyberslacking; ensino superior; ciências contábeis; teoria do uso compensatório da internet.

Abstract

Guided by the possibility of the learning process being affected by cyberloafing behavior, this study analyzed the precedents and consequences of engagement in cyberloafing behavior by Accounting Sciences students based on personal use of the internet and technological devices in the classroom. There is little joint discussion about the precedents and consequences of this behavior, despite the diverse evidence of its importance and influence over the individuals’ different living environments. Thus, these variables represent a topic of interest to understand their effects over students. Cyberloafing behavior has been linked to academic performance, learning experiences, and the emotional state of students, and so it is pertinent to understand its precedents and consequences. The implications of the research are discussed in theoretical, practical, and social terms. The personal and conscious use of the internet and technological devices should be promoted in order to provide gains both at the individual and at the organizational level in the environment the student inhabits. Structural equation modeling was applied to 404 valid participations obtained through an online survey conducted with students from different regions of Brazil. The personal precedents, such as the need for contact with friends, exert a greater effect over cyberloafing behavior. The academic precedents, such as the quality of the materials used in the classes, also presented a significant relationship with cyberloafing behavior. The consequences related with cyberloafing consisted of arriving late to class and academic meetings, procrastinating in the execution of academic activities, and isolating oneself from friends and family. These elements show that cyberloafing is the result of the environment the individual inhabits and that it has different consequences in the student’s life.

Keywords:
cyberloafing; cyberslacking; higher education; accounting sciences; theory of compensatory internet use.

1. INTRODUÇÃO

O acesso à internet a partir de dispositivos tecnológicos, como smartphone, laptops e tablets se tornou onipresente em diferentes espaços sociais, apresentando-se como uma ferramenta indispensável às novas gerações e que oferece uma gama de vantagens nos diferentes âmbitos da vida dos indivíduos (Kim & Byrne, 2011).

No ambiente universitário, em especial, um fluxo exponencial de investigações tem sido conduzido sob uma premissa positiva que reforça as crenças de que o uso de tais tecnologias pode implicar em inovação, dinamicidade e interação entre docentes e discentes, promovendo um processo de ensino e aprendizagem mais eficiente (Ragan et al., 2014; Samson, 2011). Em contrapartida, discussões sobre as consequências negativas relacionadas ao mau uso da internet e dos dispositivos tecnológicos em sala de aula alertam para a necessidade de se estabelecer limites e políticas institucionais que regulem ou, ao menos, impliquem o uso consciente dessas ferramentas (Akbulut et al., 2017; Baturay & Toker, 2015; Blanchard & Henle, 2008; Jamaluddin et al., 2015; Rana et al., 2019; Taneja et al., 2015).

Em termos conceituais, o mau uso da internet e dos dispositivos tecnológicos no ambiente de trabalho e educacional tem sido denominado de diferentes formas levando em conta as nuances particulares de cada comportamento (Kim & Byrne, 2011). Dentre as principais abordagens conceituais, figura o cyberloafing ou cyberslacking (Blanchard & Henle, 2008) - que se caracteriza como uso da web para fins pessoais voltados à distração. O cyberloafing é uma forma de comportamento contraproducente capaz de prejudicar os objetivos e o desempenho dos indivíduos nas principais tarefas organizacionais.

Especificamente no meio educacional, o cyberloafing tem sido relacionado negativamente à aprendizagem dos discentes e positivamente à frustação dos docentes (Akbulut et al., 2017; Baturay & Toker, 2015; Weatherbee, 2010; Yilmaz et al., 2015). Entre as formas mais comuns de os estudantes manifestarem comportamento cyberloafing estão: o acesso a diferentes redes sociais, como Facebook, Instagram, TikTok, Twitter e WhatsApp; a realização de compras virtuais; as trocas de conteúdos por meio de aplicativos; a busca por informações diversas; o acesso a filmes e músicas; além de outras inúmeras funções e ferramentas disponíveis aos usuários (Müller et al., 2020; Yaşar & Yurdugül, 2013).

No contexto universitário, a prática excessiva de cyberloafing tem sido relacionada ao baixo desempenho acadêmico (Jamaluddin et al., 2015; Yilmaz et al., 2015), ao aumento da ansiedade tecnológica, ao vício tecnológico e ao cyberbullying (Akbulut et al., 2016; Rana et al., 2019). Essas relações se tornam mais graves quando observadas as demais discussões existentes na literatura. Por exemplo, Meriac (2012) alerta que comportamentos manifestados no meio universitário tendem a ser transpassados para o ambiente organizacional e vice-versa, logo preocupações são direcionadas à possibilidade deste comportamento também afetar outras diferentes esferas da vida do estudante, a exemplo do ambiente de trabalho.

Intensifica a atenção sobre a parcela mais jovem da população e que compõe sumariamente o corpo discente das instituições de ensino o fato de que 87% dos jovens brasileiros de 18 a 24 anos acessam a internet todos os dias, 84% possuem smartphone e 77% afirmam que teriam a vida prejudicada de alguma forma, caso não pudessem usar o smartphone (Confederação Nacional de Dirigentes Lojistas/Serviço de proteção ao crédito, 2019). Assim, a geração atual de universitários possui uma ligação adjacente com estas tecnologias utilizadas na prática do cyberloafing.

Por sua vez, restringindo os olhares para a área de negócios, composta por cursos como o de Ciências Contábeis, que é observado neste estudo, há um interesse em abordar a temática pelo fato de que os profissionais desta área são os responsáveis por gerenciar a produção, a distribuição e a geração de informações para as tomadas de decisões nas organizações e, ao ocupar cargos de liderança, podem influenciar na postura comportamental dos colaboradores sob sua liderança (Khan & Bose, 2019; Mohiuddin et al., 2018; Weatherbee, 2010).

Ao contrário de conceitos como vício ou abuso da internet, que se vinculam a questões patológicas, o cyberloafing firma seus preceitos no impulso pela distração e pela busca por formas de manifestação do bem-estar social (Kim & Byrne, 2011). Esse tipo de comportamento desperta preocupações acerca dos preditores do cyberloafing na medida em que a Teoria do Uso Compensatório da Internet (TUCI) pauta que os indivíduos utilizam a internet para aliviar emoções negativas, adaptando as suas necessidades sociais e servindo como uma espécie de estratégia de enfrentamento (Elhai et al., 2019; Kardefelt-Winther, 2014). Dessa perspectiva emergem preocupações sobre os precedentes desse comportamento que podem ser atribuídos às aulas pouco engajadoras e inócuas em despertar a atenção dos discentes.

Assim, o objetivo do estudo consiste em analisar os precedentes e as consequências relacionadas à manifestação do comportamento cyberloafing de estudantes de Ciências Contábeis a partir do uso pessoal da internet e de dispositivos tecnológicos em sala de aula. A principal justificativa da pesquisa está pautada no fato de que a falta de atenção durante as aulas afeta negativamente a aprendizagem dos estudantes (Taneja et al., 2015).

Em termos teóricos, a pesquisa preenche um espaço de discussão importante, mas ainda incipiente, contribuindo para o mapeamento e a análise conjunta dos preditores e das consequências do cyberloafing, bem como para o desenvolvimento da corrente teórica pautada na TUCI. Essas contribuições são importantes para identificar pontos que podem ser aprimorados a fim de tornar o ambiente de ensino mais engajador e atrativo aos estudantes. Para tanto, a investigação aborda a seguinte questão de pesquisa: Quais são os precedentes e as consequências relacionadas ao comportamento cyberloafing de estudantes de Ciências Contábeis a partir do uso pessoal da internet e de dispositivos tecnológicos em sala de aula?

A pesquisa inova ao discutir, além dos tipos de comportamento cyberloafing, as suas motivações, consequências e o caminho relacional existente entre esses construtos de forma conjunta. Para responder à questão de pesquisa, um modelo de caminhos é testado e discutido a partir da participação de estudantes de Ciências Contábeis das cinco regiões do Brasil.

2. TEORIA DO USO COMPENSATÓRIO DA INTERNET E CYBERLOAFING

As explicações para os relacionamentos causais do uso pessoal da internet têm sido ancoradas ao longo dos anos por diferentes corpora teóricos. Por exemplo, a Teoria de Usos e Gratificações (TUG) adota uma abordagem focada nas características individuais para explicar o uso excessivo e pessoal de diferentes mídias, como os dispositivos tecnológicos. Nessa perspectiva, variáveis como sexo, idade, nível educacional, estado civil, posição do indivíduo em seu ciclo de vida, status no trabalho, entre outras características pessoais, são apontadas como as principais condutoras e motivadoras desse comportamento (Blumler, 1979; Elhai et al., 2019). Por sua vez, outros corpora teóricos discutem o uso pessoal da internet a partir de uma perspectiva pautada no comportamento compulsivo e em transtornos mentais para aliviar o humor disfórico e amenizar os problemas da vida real (Young, 1996). Nessa última abordagem, o uso excessivo e pessoal da internet e de dispositivos tecnológicos é analisado sob o prisma clínico.

Apesar de a literatura reportar para ambas abordagens resultados estatisticamente significantes, as explicações teóricas pautadas estritamente em características individuais, como as obtidas com a TUG, ou que adotam como ponto de partida transtornos psicológicos restringem a possibilidade de consenso e avanço das discussões teóricas acerca do uso excessivo e pessoal da internet e de dispositivos tecnológicos por aqueles que não possuem transtornos mentais ou que diferem do padrão comportamental dos grupos aos quais se alinham as suas características individuais (Elhai et al., 2019; Kardefelt-Winther, 2014).

De modo alternativo a essas lentes, a TUCI explica os motivadores do uso excessivo e pessoal da internet a partir de um olhar que enaltece a adaptação dos indivíduos a fim de amenizar seus sentimentos e emoções negativas (Elhai et al., 2019; Kardefelt-Winther, 2014). Sob o prisma da TUCI, as mídias digitais são utilizadas para satisfazer as necessidades sociais de cada pessoa, escapar de situações estressoras, negativas e pouco engajadoras vivenciadas na vida real, sendo que esse enfoque apresenta-se mais aderente ao uso excessivo e pessoal da internet realizado pela maioria dos indivíduos (Elhai et al., 2018).

Ao contrário da TUG proposta na década de 1970, a TUCI foi proposta em 2014 por Kardefelt-Winther já considerando um ambiente mais atual e repleto de dispositivos e aplicativos tecnológicos, como smartphones, internet móvel e redes sociais, amplamente presentes na sociedade contemporânea. Levar esse cenário em consideração é importante, na medida em que os dispositivos e a internet móvel tornaram confusas as fronteiras entre o uso pessoal da internet e o uso no trabalho ou em ambientes educacionais.

A profusão e a ambiguidade dessas fronteiras geram consequências negativas às instituições de ensino e ao processo educacional, pois o uso não vinculado às atividades educacionais no ambiente universitário pode ser visualizado como impróprio, visto que desvia a atenção do estudante do principal objetivo da universidade, que é a construção de conhecimento a partir da interação entre os próprios discentes e docentes (Jamaluddin et al., 2015; Kim & Byrne, 2011). Ambíguos também são os conceitos utilizados para caracterizar esses comportamentos. Na literatura há quem aborde o uso excessivo e pessoal da internet a partir de diferentes nomenclaturas, tais como: uso da computação não relacionada ao trabalho/aprendizagem, cyberloafing, cyberslacking, cyberbludging, loafing on-line, desvio da internet, uso problemático da internet (PIU), uso pessoal da web (PWU), dependência de internet, abuso de internet, vício em internet e transtorno de dependência de internet (IAD).

Nesta pesquisa é adotado o direcionamento de Kim e Byrne (2011), que realizaram um esforço conceitual para diferenciar e categorizar o uso e a aplicação desses diferentes conceitos, conforme estrutura conceitual exposta na Figura 1.

Figura 1
Estrutura conceitual de uso pessoal da web de Kim e Byrne (2011 ) adaptada a contextos universitários

Kim e Byrne (2011) construíram uma estrutura conceitual para atrelar cada conceito de uso pessoal da web/internet a objetivos específicos dos indivíduos. Nessa proposição conceitual, o vício, o abuso e o transtorno de vício na internet são vinculados a consequências sociais mais severas e com origens patológicas. Por sua vez, a computação não relacionada ao trabalho/aprendizagem é atrelada na tipologia ao uso estratégico dos dispositivos tecnológicos para fins pessoais, como se dedicar a projetos pessoais durante o horário de trabalho ou na sala de aula. Já o cyberloafing está mais voltado à procrastinação, é comumente realizado por boa parte da população e sem um objetivo específico, não vinculado a patologias, sendo este o enfoque adotado nesta pesquisa, o qual mostra-se alinhado a TUCI.

A maioria das investigações que tratam do cyberloafing aprofundam as discussões nos diferentes tipos de comportamentos e/ou sua relação com variáveis psicológicas e comportamentais, como o bem-estar, e variáveis demográficas (e.g., Baturay & Toker, 2015; Yilmaz et al., 2015). A adaptação dos instrumentos de coleta de dados também tem sido uma marca das pesquisas desenvolvidas nesse campo, visto que se tem a necessidade de adaptar a mensuração do cyberloafing às novas ferramentas, dispositivos tecnológicos, aplicativos e redes sociais que são englobadas em um curto intervalo de tempo e passam a integrar os comportamentos societais contemporâneos (Akbulut et al., 2016).

Uma das pesquisas mais citadas e precursoras que discorreu sobre a temática no ambiente universitário foi desenvolvida por Blanchard e Henle (2008), que identificaram junto a estudantes americanos de Master Business Administration (MBA) duas formas principais de cyberloafing. A primeira versa sobre comportamentos denominados cyberloafings menores, que consistem no recebimento de e-mails pessoais, acessar sites de notícias, sites financeiros, sites de leilão, portais de esportes e compras on-line. O segundo tipo consiste em cyberloafings graves caracterizados pelo acesso a salas de chat, comunidades virtuais, sites de relacionamentos e de download de músicas que podem gerar exposição a hackers e punições legais para as organizações que fornecem as dependências físicas ou ferramentas tecnológicas para tais atividades.

A categorização desses autores tem sido utilizada e inspirado diversos estudos (e.g., Akbulut et al., 2016; Yaşar & Yurdugül, 2013; Yilmaz et al., 2015), sendo que uma das principais implicações da pesquisa consiste em vincular a minimização do cyberloafing à implementação de políticas de conscientização que concebam esses comportamentos como inadequados entre os colegas, visto que os autores encontraram relação positiva entre as normas do grupo social ao qual os estudantes e seus supervisores pertencem com o cyberloafing.

Yaşar e Yurdugül (2013) apontaram que checar e-mails, acessar redes sociais e visitar sites de notícias figuram entre as principais práticas de cyberloafing de universitários turcos. Esses comportamentos foram justificados pelos estudantes como derivados da necessidade de descanso, busca por relaxamento e acompanhamento das atualizações dos sites. Os resultados da pesquisa destacam a importância de considerar o comportamento dos estudantes na estruturação dos processos e políticas educacionais. Além disso, desperta a atenção para os possíveis motivadores de cyberloafing oportunizando ampliar o escopo de estudo a fim de compreender as motivações e consequências do cyberloafing de modo conjunto e inter-relacionado.

Yilmaz et al. (2015) destacam variáveis que condicionam os diferentes tipos de cyberloafing manifestados por universitários turcos. O instrumento de coleta de dados utilizado na pesquisa foi o adaptado de Blanchard e Henle (2008) por Yaşar (2013) que subdivide os comportamentos em “individual”, “pesquisa”, “social” e “notícias”. Em todas as dimensões foram encontradas diferenças significantes entre os gêneros masculino e feminino, sendo que, no geral, o grupo masculino apresentou maiores níveis de cyberloafing. Foram encontradas, também, diferenças entre estudantes de departamentos distintos (e.g., Gerenciamento de Sistemas de Informações vs. História) e conforme a quantidade de horas de uso diário da internet. Já o local de conexão da internet não condicionou este comportamento e isso pode ser devido ao acesso mobile ou também por não haver restrições ao uso de dispositivos móveis em casa, na universidade, no dormitório e demais espaços que os estudantes frequentam.

Assim como Yilmaz et al. (2015), na pesquisa de Baturay e Toker (2015) o gênero masculino apresentou relação mais intensa com o cyberloafing. O uso diário da internet, bem como estar na fase inicial do curso universitário e possuir menos anos de experiência com a internet também foram positivamente relacionados ao cyberloafing. Buscar formas de utilizar os dispositivos tecnológicos em sala de aula pode ser uma saída para minimizar o cyberloafing. Além disso, a pesquisa reforça a importância de considerar as atividades mais recentes de uso da internet nos instrumentos que buscam mensurar o uso excessivo e pessoal da web.

Taneja et al. (2015) testaram um modelo com 13 hipóteses relacionando a motivação intrínseca, a motivação extrínseca, o engajamento na sala de aula e a apatia em relação ao material da disciplina com a falta de atenção. Em um segundo nível, os autores relacionaram o consumismo, o escapismo, a falta de atenção, a ansiedade cyberslacking e a distração de outros com a atitude. Por fim, a atitude, as normas subjetivas, as normas descritivas e a percepção de controle comportamental foram relacionadas com a intenção para o cyberslacking de universitários norte-americanos. Entre as diversas implicações da pesquisa, tem-se o despertar para a necessidade de implementação de políticas de conscientização para o uso adequado da internet e dos dispositivos tecnológicos, bem como para a de os docentes tornarem o material utilizado em sala de aula e as técnicas de ensino menos apáticas, com o intuito de engajar os discentes.

Akbulut et al. (2016) buscaram contornar a inadequação de alguns comportamentos da escala de Blanchard e Henle (2008) e de Kalayci (2010) argumentando que estes instrumentos de coleta de dados foram inspirados por comportamentos realizados no ambiente de trabalho, mas que dificilmente são manifestados no ambiente universitário. Na escala desenvolvida por estes autores, os itens foram agrupados em cinco fatores, tangendo o Fator 1 - Compartilhando, Fator 2 - Comprando, Fator 3 - Atualizações em tempo real, Fator 4 - Acessando conteúdo on-line e Fator 5 - Jogando e apostando. Os resultados da pesquisa de Akbulut et al. (2016) propiciam algumas oportunidades de avanços metodológicos, teóricos e empíricos. Em termos metodológicos, os fatores voltados às redes sociais reforçam a importância de incluir itens e buscar maior detalhamento sobre o uso de diferentes redes sociais como forma de cyberloafing. No âmbito teórico e empírico, analisar as diferentes formas do cyberloafing e seus antecedentes é oportuno para compreender os motivadores e buscar formas específicas para minimizar as consequências deste tipo de comportamento.

Rana et al. (2019) identificaram a influência da atitude (constituída pela falta de atenção, apatia em relação ao material da disciplina e distração por outros), da norma subjetiva, da ameaça percebida, do controle comportamental percebido e do escapismo na intenção de cyberslacking de graduandos e pós-graduandos da escola de administração de uma universidade britânica. A atitude seguida, respectivamente, pelo controle comportamental percebido, pela norma subjetiva e pelo escapismo apresentou-se positivamente atrelada à intenção de cyberslacking. De modo contrário, a ameaça percebida foi negativamente relacionada ao cyberslacking. O fato de a atitude apresentar relação positiva reforça a importância de os docentes elaborarem materiais e explicações simples e fáceis a fim de minimizar a apatia em relação ao material da disciplina. As políticas educacionais também podem ser focadas com o intuito de despertar a percepção dos discentes de que esses comportamentos excessivos não são tolerados em sala de aula.

As pesquisas destacadas fornecem uma agenda de investigações direcionada para os aspectos empíricos da análise do cyberloafing de estudantes de nível superior. O estudo conjunto dos precedentes e das consequências do cyberloafing, o uso da lente da TUCI e o mapeamento destes comportamentos com um enfoque no cenário nacional são as oportunidades que direcionam esta investigação e pautam as contribuições da pesquisa na compreensão do comportamento desta parcela da sociedade moderna.

3. PERCURSO METODOLÓGICO

3.1 População, Coleta de Dados e Amostra

Os dados foram coletados a partir de uma survey on-line realizada na plataforma Survey Monkey®. A população do estudo é composta de graduandos dos 1.639 cursos brasileiros de Ciências Contábeis da modalidade presencial e com status “em atividade” junto ao Ministério da Educação em janeiro de 2020. De posse dos dados cadastrais dos cursos de Ciências Contábeis foi acessado o site das instituições de Ensino Superior (IES) para localizar o e-mail da coordenação, da secretaria ou do departamento de comunicação para que a pesquisa fosse divulgada aos discentes. Esse processo foi realizado durante janeiro e fevereiro de 2020. Após buscar as informações dos 1.639 cursos, foram localizados os contatos de 835 cursos.

Os 1.639 cursos de Ciências Contábeis consultados possuem 227.302 vagas autorizadas junto ao Ministério da Educação, sendo que os 835 cursos contatados representam 100.729 vagas ou 44,31% desse total. Esse número é uma aproximação da população contatada, visto que não é possível delimitar o número exato de estudantes regularmente matriculados nos referidos cursos. A coleta de dados foi realizada em março de 2020, mas foi interrompida pela pandemia da COVID-19, que gerou a suspensão das atividades de ensino em um número elevado de instituições.

Inicialmente foram obtidas 718 participações, destas, 186 foram eliminadas por não estarem completamente preenchidas e 128 por serem de estudantes do 1° ano que estavam no início do curso e, consequentemente, ainda não possuíam uma percepção consolidada de seu comportamento cyberloafing manifestado durante as aulas da graduação. Portanto, as respostas restantes e consideradas válidas à análise totalizaram 404 participações.

3.2 Instrumento de Pesquisa e Preocupações Metodológicas

Seguindo as recomendações e os procedimentos de Baturay e Toker (2015) e Taneja et al. (2015), os itens do questionário on-line foram elaborados e adaptados de estudos anteriores (Akbulut et al., 2016; Baturay & Toker, 2015; Blanchard & Henle, 2008; Rana et al., 2019; Taneja et al., 2015), considerando o contexto brasileiro, bem como as ferramentas e redes sociais mais utilizadas. O processo de elaboração e adaptação dos itens contou com a participação conjunta de três professores e pesquisadores na área de Educação e Ensino em Contabilidade, sendo o primeiro docente da disciplina de Metodologia da Pesquisa Científica, o segundo, de Métodos Quantitativos e o terceiro, de Metodologia do Ensino Superior, todos com experiência de pesquisa e avaliação de trabalhos nessa área.

Soma-se a esse processo a participação de cinco doutorandos e seis mestrandos em Contabilidade, todos pertencentes a projetos de pesquisa vinculados à área de Educação e Pesquisa em Contabilidade e a maioria com experiência docente. Nesta etapa foi realizada a validação de face de cada afirmativa do instrumento de pesquisa, sendo discutido o alinhamento teórico e a compreensão dos itens. Foram realizadas discussões acerca da adaptação e da inserção de elementos no questionário sendo que a versão final foi composta por quatro seções.

A primeira seção mensurou as práticas de cyberloafing por meio de 16 itens, tais como curtir fotos no Facebook ou Instagram. A segunda foi dedicada à identificação dos possíveis precedentes do cyberloafing a partir de 14 itens divididos em dois construtos de segunda ordem, um dedicado à identificação dos precedentes pessoais, como estar cansado, e outro para os precedentes acadêmicos, como a falta de qualidade dos materiais apresentados pelos professores. Já a terceira seção corporizou as consequências do cyberloafing a partir de seis itens, como exemplo tem-se a procrastinação da execução de atividades acadêmicas. Por fim, a quarta seção foi dedicada à identificação do perfil dos respondentes. Destaca-se que, no instrumento de coleta de dados, os dispositivos tecnológicos foram detalhados como smartphone, notebook, tablet e demais aparelhos.

Referente às preocupações metodológicas, fez-se uso de escala ordinal, unidimensional e de intensidade de 11 pontos com rótulos somente nas extremidades. Essa tratativa segue as recomendações de Cummins e Gullone (2000), pois visa contornar as limitações existentes em outros tipos de escalas, tais como as escalas Likert ou tipo Likert que possuem rótulos semânticos e qualitativos em todas as pontuações. Portanto, a primeira e a segunda seção utilizaram o rótulo 0 = Nunca e 10 = Sempre e a terceira seção utilizou o rótulo 0 = pouco frequente e 10 = muito frequente.

Além disso, foi incluída uma representação gráfica que sinalizava um continuum, auxiliando o respondente a compreender que se tratava de uma escala de intensidade/frequência. Em termos éticos, na abertura do questionário foi apresentado o Termo de Consentimento Livre e Esclarecido (TCLE), indicando que a participação era voluntária, anônima, que poderia ser interrompida a qualquer momento e que o tratamento dos dados ocorreria de forma agrupada preservando a individualidade e anonimato dos respondentes, conforme recomendado pela Resolução do Conselho Nacional de Saúde (CNS) nº 510/2016. O estudo está no escopo de um projeto de pesquisa mais amplo de conclusão de doutorado registrado no Comitê de Ética em Pesquisa CEP/SD da instituição dos pesquisadores sob o número 42700921.8.0000.0102.

Desde a concepção do instrumento de pesquisa, o common method bias foi uma preocupação inerente devido às características do estudo, sendo: (i) dados de autorrelatos; (ii) variável dependente e independente coletadas no mesmo questionário; e (iii) coleta de dados cross-section. Assim, as recomendações de Chang et al. (2010) foram adotadas, na qual a apresentação das perguntas não seguiu a ordem dos relacionamentos do modelo testado e de modo precedente à análise dos dados foi aplicado o Teste de Harman que “desconsidera o modelo estrutural e o modelo de mensuração, estimando-se a Análise Fatorial Exploratória com todos os itens na mesma análise, geralmente empregando-se o método de componentes principais não rotacionado” (Bido et al., 2018, p. 388).

3.3 Técnica de Análise de Dados

A análise dos dados foi realizada por meio da técnica de Modelagem de Equações Estruturais (MEE) calculada a partir dos Mínimos Quadrados Parciais Baseado na Variância (Partial Least Squares Path Modeling - PLS-PM), sendo operacionalizada com o uso do software Smart PLS® versão 3.2.0 e reamostragem bootstrap que não supõe normalidade dos dados com 5.000 reamostragens. Justifica-se o uso da técnica na medida em que a MEE possibilita que constructos sejam representados por assertivas de escala múltipla com o intuito de relacioná-los com variáveis latentes distintas (Sanchez, 2013).

A MEE subdivide-se na análise do modelo de mensuração e do modelo estrutural, ambos apresentados na seção de resultados. Adicionalmente, a fim de considerar as dicotomias das relações analisadas a partir de características demográficas dos respondentes e identificar possíveis diferenças no nível de rede causal, no nível estrutural, no nível de mensuração e no nível das variáveis latentes foi empregada a Group Comparison Approaches baseada no bootstrap t-test por meio de uma análise bi-grupo (Sanchez, 2013). As variáveis de agrupamento foram definidas a partir da literatura que aponta para a possibilidade do gênero, idade, tempo de acesso, consumismo, corporizados pelo tipo de IES, serem condicionantes do cyberloafing (Akbulut et al., 2016; Baturay & Toker, 2015; Taneja et al., 2015; Yilmaz et al., 2015).

O tamanho mínimo amostral adequado para o uso da técnica de MEE foi atendido seguindo os parâmetros Effect size f² = 0,15, nível de significância de 5% (α err prob = 0,05), Power (1-β err prob) = 0,95 e o Numbers of predictors = 2, que apontaram a necessidade de um número mínimo de 107 participações.

4. RESULTADOS

4.1 Perfil dos Respondentes

A média de idade dos respondentes foi de 24,38 anos e a mediana, de 22 anos. Destes, 262 (64,85%) eram do gênero feminino e 142 (35,15%), do gênero masculino. Em relação às IES, 260 (64,36%) respondentes frequentam instituições públicas e 144 (35,64%) frequentam instituições privadas ou comunitárias. O período predominantemente cursado está consubstanciado por 131 (32,43%) respondentes que estão no 7° ou 8° período (4° ano), seguido por 120 (29,70%) que estão no 5° e 6° período (3° ano), 111 (27,47) que estão no 3° e 4° períodos (2° ano) e 42 (10,40%) discentes que frequentam o 9° ou o 10° período, visto que há instituições em que o curso de Ciências Contábeis possui duração de cinco anos. Por fim, a média de horas diárias de conexão à internet indicou que 27 (6,68%) estudantes permanecem menos de 2 horas conectados, 201 (49,75%) estudantes apontaram entre 2 e 6 horas, 98 (24,26%), de 7 a 10 horas diárias, 63 (15,59%), de 11 a 16 horas e 15 (3,72%) permanecem de 17 a 24 horas conectados à internet.

A fim de apresentar os aplicativos e sites acessados pelos participantes, foi elaborada a Tabela 1, que hierarquiza um empilhamento por idade, gênero e tempo de acesso diário à internet ou a dispositivos tecnológicos ancorados nos principais aplicativos e sites que viabilizam o comportamento cyberloafing.

Tabela 1.
Empilhamento hierárquico de aplicativos, sites e ferramentas por número de respondentes

Apps e sites	Agrupamentos: Idade/Gênero/Tempo de acesso diário à internet e a dispositivos tecnológicos								Total
	Mais jovens (<= 22 anos)e				Mais velhos (> 22 anos)
	Feminino		Masculino		Feminino		Masculino
	<= 6 hf	> 6 h	<= 6 h	> 6 h	<= 6 h	> 6 h	<= 6 h	> 6 h
WhatsApp	84	60	27	38	70	44	43	32	398
	21,11%	15,08%	6,78%	9,55%	17,59%	11,06%	10,80%	8,04%	100%
Instagram	74	56	25	34	62	40	30	25	346
	21,39%	16,18%	7,23%	9,83%	17,92%	11,56%	8,67%	7,23%	100%
Facebook	63	46	18	20	49	28	25	26	275
	22,91%	16,73%	6,55%	7,27%	17,82%	10,18%	9,09%	9,45%	100%
Music apps a	36	34	10	21	23	26	17	10	177
	20,34%	19,21%	5,65%	11,86%	12,99%	14,69%	9,60%	5,65%	100%
Netflix	34	36	12	17	22	22	18	6	167
	20,36%	21,56%	7,19%	10,18%	13,17%	13,17%	10,78%	3,59%	100%
Food apps b	22	24	11	16	26	21	15	10	145
	15,17%	16,55%	7,59%	11,03%	17,93%	14,48%	10,34%	6,90%	100%
Jogos	26	25	9	21	15	14	15	9	134
	19,40%	18,66%	6,72%	15,67%	11,19%	10,45%	11,19%	6,72%	100%
LinkedIn	27	11	10	12	16	9	11	10	106
	25,47%	10,38%	9,43%	11,32%	15,09%	8,49%	10,38%	9,43%	100%
Twitter	24	22	7	17	9	6	9	11	105
	22,86%	20,95%	6,67%	16,19%	8,57%	5,71%	8,57%	10,48%	100%
Anúnciosc	11	6	7	5	11	9	16	9	74
	14,86%	8,11%	9,46%	6,76%	14,86%	12,16%	21,62%	12,16%	100%
Telegram	8	6	4	5	4	7	6	4	44
	18,18%	13,64%	9,09%	11,36%	9,09%	15,91%	13,64%	9,09%	100%
TikTok	8	10	1	4	6	5	3	4	41
	19,51%	24,39%	2,44%	9,76%	14,63%	12,20%	7,32%	9,76%	100%
Relacionamentosd	4	5	3	3	1	5	2	6	29
	13,79%	17,24%	10,34%	10,34%	3,45%	17,24%	6,90%	20,69%	100%

• Nota: Questionamento direcionador: Quais aplicativos, sites e ferramentas você acessa em seu smartphone, notebook, tablet e demais aparelhos tecnológicos?; a Spotify, Deezer e outros apps de música; b Nomenclatura utilizada no instrumento de pesquisa “Aplicativos foods (por exemplo, iFood, Rap, Uber Eats e similares)”; c Nomenclatura utilizada no instrumento de pesquisa “Aplicativos de anúncios (por exemplo, OLX, Zap Imóveis, Meu Carro Novo e similares)”; d Nomenclatura utilizada no instrumento de pesquisa “Aplicativos de relacionamentos amorosos” (por exemplo, Tinder)”; e,f Agrupamento definido a partir da mediana.
• Fonte: Elaborada pelos autores.

As redes sociais ocupam as três primeiras posições entre os aplicativos, sites e ferramentas mais utilizados. Dos 404 respondentes, 398 acessam o WhatsApp, seguido por 346 que usam o Instagram e 275 que acessam o Facebook. Nota-se, também, que os aplicativos de música, como Spotify, e de streaming (e.g., Netflix) também figuram nas primeiras posições da listagem. O fato de as redes sociais terem ocupado as três primeiras colocações converge para as discussões de Taneja et al. (2015), que identificaram que o uso das redes sociais está atrelado ao principal objetivo dos estudantes com o cyberloafing, que é a comunicação entre amigos durante o horário de aula.

Yaşar e Yurdugül (2013) e Akbulut et al. (2017) também indicaram que as redes sociais estão entre as formas mais comuns de cyberloafing em sala de aula. Em termos práticos, ferramentas como o WhatsApp concentram seus principais recursos na comunicação instantânea entre usuários e no compartilhamento de informações em tempo real, delineando um convite ao cyberloafing quando estes comportamentos não são vistos como prejudiciais pelos estudantes. Após a identificação dos aplicativos e sites que viabilizam o comportamento cyberloafing, seguiu-se a análise do modelo proposto por meio da MEE.

4.2 Modelo de Mensuração, Modelo Estrutural e Group Comparison Approaches

O Teste de Harman não apontou problemas de common method bias, enquanto o teste do fator de primeira ordem não resultou em um cenário com somente um fator extraído, tampouco o fator com maior percentual de variância explicada (26,89%) concentrou a maior parte da variância dos itens analisados (> 50%) (Bido et al., 2018; Podsakoff et al., 2012). A análise do variance inflation fator (VIF) indicou a ausência de multicolinearidade entre os itens da escala, visto que os valores foram abaixo de 5 (Hair et al., 2014). Assim, prosseguiu-se à análise do modelo de mensuração da MEE.

No modelo de mensuração, a consistência interna e a independência das variáveis latentes são avaliadas a partir dos indicadores de validade convergente e validade discriminante. Na Tabela 2, os indicadores de validade convergente e o ajustamento do modelo são apresentados, juntamente com a média, o desvio-padrão e a mediana dos itens do modelo avaliado.

Tabela 2.
Modelo de mensuração - Indicadores de validade convergente

Itens	Média	Dv. Pd.	Mdna.	Carga	CC	AVE
Precedentes acadêmicos					0,81	0,47
Qualidade dos materiais apresentados pelos professores	5,00	2,91	5,00	0,614
Falta de interesse pelos assuntos discutidos em sala de aula	4,19	2,94	4,00	0,758
Dificuldade para compreender a matéria	3,74	3,04	3,00	0,707
Desmotivação com o curso	2,91	3,14	2,00	0,773
Não presto atenção nas aulas, pois tenho facilidade em colar nas avaliações	0,47	1,36	0,00	0,543
Precedentes pessoais					0,83	0,56
Influência de colegas que utilizam aparelhos tecnológicos	2,27	2,72	1,00	0,658
Contato com os amigos	4,22	2,89	4,00	0,743
Preguiça	3,24	2,96	3,00	0,779
Vício tecnológico	3,87	3,36	4,00	0,800
Cyberloafing					0,90	0,41
Acessar sites de notícias	3,60	2,87	3,00	0,592
Acessar sites de curiosidades	3,00	2,90	2,00	0,680
Curtir fotos no Facebook ou Instagram	4,95	3,35	5,00	0,729
Ler notícias no Facebook ou acessar a timeline do Facebook	3,56	3,35	3,00	0,603
Ouvir podcasts	0,58	1,63	0,00	0,557
Acessar WhatsApp	7,76	2,68	9,00	0,651
Assistir filmes, games on-line, jogos esportivos ou outros programas de entretenimentos	1,20	2,50	0,00	0,654
Ouvir músicas	1,14	2,56	0,00	0,639
Acessar e-mail	5,77	3,11	6,00	0,677
Realizar compras de forma on-line	1,26	2,34	0,00	0,681
Visualizar aplicativos de anúncios	1,21	2,24	0,00	0,664
Realizar transações bancárias	2,02	2,66	1,00	0,652
Acessar aplicativos e sites de aplicações financeiras	2,00	2,73	0,00	0,540
Acessar aplicativos de jogos	1,82	2,71	0,00	0,560
Consequências					0,84	0,52
Chegar atrasado na aula	0,99	2,11	0,00	0,608
Chegar atrasado para reuniões acadêmicas	0,47	1,47	0,00	0,574
Procrastinar a execução de atividades acadêmicas	4,77	3,43	5,00	0,730
Isolar-se de pessoas próximas de vocês	3,15	3,19	2,00	0,830
Isolar-se de familiares	2,87	3,13	2,00	0,830
Indicadores de ajustamento do modelo - RMSEA					0,050

• Nota: Dv. Pd. = Desvio-padrão; Mdna = Mediana; CC = Confiabilidade Composta; AVE = Average Variance Extracted; RMSEA = Root Mean Square Error of Approximation. Parâmetros da validade convergente (Hair et al., 2014;Sanchez, 2013Hair et al., 2009
• Fonte: Elaborada pelos autores.

Os indicadores de validade convergente apresentados na Tabela 2 permitem verificar se os itens que compõem a proposição teórica de cada construto possuem capacidade para representar a variável latente que pretende ser mensurada (Sanchez, 2013). Os itens CL3 “Acessar sites/aplicativos de relacionamentos”, CL8 “Acessar Facebook Messenger”, PP1 “Cansaço”, PP3 “Contato familiar”, PA6 “Flexibilidade por parte dos professores”, PP7 “Compromissos do trabalho”, PA7 “Autoconfiança de que será aprovado na disciplina” e CQ6 “Deixar de cumprir prazos previamente acordados” foram removidos por prejudicarem a unidimensionalidade das variáveis latentes.

Os demais itens, que possuem cargas inferiores a 0,70, mas superiores a 0,40, foram mantidos a fim de: preservar o conteúdo informacional do instrumento de pesquisa, pelo fato da sua exclusão não propiciar ganhos na AVE e devido ao instrumento de pesquisa ter sido desenvolvido recentemente, conforme apontado por Hair et al. (2014). O indicador de AVE ilustra o quanto da variação dos itens foi considerada na formação da variável latente (Sanchez, 2013), sendo recomendável valores acima de 0,50, e aceitos valores acima de 0,40.

Os construtos Precedentes Pessoais e Consequências atingiram valores de AVE acima de 0,50. Por sua vez, Precedentes Acadêmicos e Cyberloafing apresentaram valores de AVE acima de 0,40, não sendo oportuna a exclusão de novos itens pelo fato de não haver efeitos positivos sobre a Confiabilidade Composta (Hair et al., 2014). Para a análise da consistência interna dos indicadores, priorizou-se a Confiabilidade Composta, que não possui as limitações do Alpha de Cronbach em relação à sensibilidade ao número de itens da escala (Hair et al., 2014; Sanchez, 2013), sendo atendidos os valores de parâmetros estatísticos. Por fim, o indicador de ajustamento do modelo (RMSEA) mostrou-se adequado.

Os indicadores de validade discriminante são expostos na Tabela 3.

Tabela 3.
Modelo de mensuração - Correlação e indicadores de validade discriminante

Variáveis e indicadores	Precedentes		Cyberloafing	Consequências
	Acadêmicos	Pessoais
Validade discriminante - Cargas cruzadas
Cargas cruzadas (Máximas)	0,48	0,56	0,53	0,49
Cargas cruzadas (Mínimas)	0,17	0,35	0,04	0,15
Construto associado (Máximas)	0,77	0,80	0,68	0,83
Construto associado (Mínimas)	0,54	0,66	0,55	0,57
Validade discriminante - Critério de Fornell-Larcker e Heterotrait-Monotrait Ratio (HTMT)
Precedentes acadêmicos	0,681	0,87	0,63	0,62
Precedentes pessoais	0,62	0,75	0,69	0,71
Cyberloafing	0,52	0,60	0,64	0,34
Consequências	0,46	0,54	0,30	0,72

• Nota: 1 a parte inferior da matriz apresenta a correlação entre os construtos. Parâmetros da validade discriminante (Hair et al., 2014;Henseler et al., 2015;Sanchez, 2013): Para as cargas cruzadas os valores mínimos do construto associado devem ser acima de 0,50 e o menor valor do construto associado deve ser maior que os valores das cargas cruzadas; para o critério Fornell-Larcker (linha diagonal da matriz) a raiz quadrada da AVE de cada construto deve ser maior que a correlação mais alta da variável latente com qualquer outra variável latente do modelo; e para o HTMT (parte superior da matriz) os valores devem estar abaixo de 0,90.
• Fonte: Elaborada pelos autores.

A validade discriminante (Tabela 3) objetiva identificar a independência e a individualidade entre cada construto (Hair et al., 2014). A primeira forma de verificação de tal independência é por meio das cargas fatoriais cruzadas, nas quais o valor mínimo de cada item do construto associado deverá ser maior que o valor máximo da carga compartilhada com os demais construtos. A segunda é pelo critério de Fornell-Larcker, em que as raízes quadradas da AVE de cada construto devem ser superiores aos coeficientes de correlação com as demais variáveis latentes. Apesar de ambos os critérios serem utilizados por diferentes pesquisadores e terem sido atendidos (Hair et al., 2014; Sanchez, 2013), observa-se que há uma corrente de estudos recentes que indica que as cargas fatoriais cruzadas e o Fornell-Larcker podem ser ineficientes em medir a validade discriminante (Henseler et al., 2015). Alternativamente, a correlação do Heterotrait-Monotrait Ratio (HTMT) tem sido sugerida, a qual indicou a necessidade de excluir o item PP2 “Influência de colegas que estão utilizando aparelhos tecnológicos” para que o parâmetro fosse atendido, permitindo prosseguir à análise do modelo estrutural.

No modelo estrutural, são avaliados os relacionamentos entre as variáveis latentes (Sanchez, 2013). A Tabela 4 concentra as informações do aqui denominado modelo estrutural geral, pois não individualiza os relacionamentos de acordo com características particulares da amostra, as quais são tratadas adiante. Os efeitos original e o mean.boot são apresentados juntamente com o standard error, o t-Statistics e o p-value de cada relacionamento. Somam-se a esta apresentação os indicadores de variância explicada pelos relacionamentos (R²), o tamanho do efeito (f²), as comunalidades (Block_Communality) e a redundância (Mean_Redundancy - Q²). Possíveis diferenças de relacionamentos a partir das características da amostra não foram consideradas nesse primeiro momento.

Tabela 4.
Modelo estrutural geral e indicadores de validade/explicação das variáveis latentes

Caminhos	Efeitos Modelo Geral		se	t-Statistics	p-value	R2	f2
	Original	Mean.Boot
Precedentes Acadêmicos → Cyberloafing	0,24	0,24	0,05	4,15	<0,01	0,39	0,05
Precedentes Pessoais → Cyberloafing	0,45	0,45	0,06	8,70	<0,01		0,19
Cyberloafing → Consequências	0,30	0,30	0,05	5,81	<0,01	0,09	0,10

• Nota: se = standard error; Mean Redundancy - Q 2 (Block Communality): Precedentes Acadêmicos = 0,00(0,47); Precedentes Pessoais = 0,00(0,56); Cyberloafing = 0,16(0,41); Consequências = 0,04(0,50). Mean Redundancy (Q 2 ): indica a quantidade de variância em um construto endógeno explicada por suas variáveis latentes independentes (Sanchez, 2013). Parâmetros (Cohen, 1988;Hair et al., 2014): f 2 até 0,02 indica efeito pequeno; acima de 0,02 até 0,13 indica efeito médio; acima de 0,13 até 0,26 indica efeito grande. Q 2 : os valores de 0,02, 0,15 e 0,35 indicam que um construto exógeno tem uma relevância preditiva pequena, média ou grande para um certo construto endógeno.
• Fonte: Elaborada pelos autores.

As relações do modelo estrutural inspiraram a construção da Figura 2, que representa o modelo de caminho analisado e subsidia as discussões dos resultados a partir da elucidação dos efeitos diretos encontrados nos relacionamentos entre as variáveis latentes (β), bem como apresenta o tamanho do efeito (f²), a variância explicada (R²) e a relevância preditiva (Q²) das variáveis dependentes a partir dos efeitos exercidos pelas independentes.

Figura 2
Representação das relações estruturais

Os precedentes acadêmicos exerceram efeitos positivos sobre o cyberloafing (β = 0,24; p-value < 0,01; f² = 0,05) manifestado em sala de aula. Uma análise prévia desses precedentes torna-se oportuna para minuciar as características desse construto a fim de compreender tal relacionamento de forma palpável, aplicada ao dia a dia, possibilitar as discussões desse relacionamento frente a estudos anteriores e aos aspectos teóricos da TUCI.

Os precedentes acadêmicos foram corporizados pelo ambiente da sala de aula em termos de qualidade dos materiais utilizados nas disciplinas, capacidade de os assuntos discutidos em sala de aula despertarem o interesse dos estudantes, dificuldades para compreender a matéria estudada e desmotivação com o curso e facilidade em colar nas avaliações e ser aprovado, consistindo em pontos que podem ser observados para a minimização do cyberloafing.

A TUCI está ancorada no pressuposto de que o cyberloafing é adotado quando o contexto em que o indivíduo está inserido gera sentimentos e emoções negativas (Elhai et al., 2019; Kardefelt-Winther, 2014). O elo da abordagem teórica com os resultados da pesquisa está no fato de que esses precedentes podem ser explicados pelos sentimentos gerados pelas experiências pouco engajadoras que são propiciadas em sala de aula fazendo com que o cyberloafing seja um instrumento compensatório a fim de promover o bem-estar do indivíduo.

A literatura anterior tem apontado para este caminho, visto que Taneja et al. (2015) também sinalizaram que a apatia em relação ao material utilizado pelos professores durante as aulas, bem como a falta de engajamento, afetam a atitude do estudante, que, por fim, induz ao cyberloafing.Yaşar e Yurdugül (2013) também destacaram que a busca por relaxamento afeta a propensão para o cyberloafing, nesse sentido, delinear aulas que propiciem momentos descontraídos e que mesclem conteúdos mais densos pode ser um caminho oportuno para contornar tal propensão.

Por sua vez, os precedentes pessoais também exerceram efeitos positivos (β = 0,45; p-value < 0,01; f² = 0,19), porém com maior intensidade sobre o cyberloafing. Eles incorporam aspectos relacionados à necessidade de contato com os amigos, à preguiça e ao vício ou ao costume tecnológico e não patológico.

Yaşar e Yurdugül (2013) identificaram que a busca por descanso como uma tentativa de se recuperar de outros compromissos extenuantes, como, por exemplo, o trabalho, pode justificar essa relação. Nesse sentido, tem-se a preocupação de que os discentes visualizem a trajetória universitária como menos relevante a outras trajetórias, como a profissional, o qual incentiva este trade-off de optar pelo cyberloafing como forma compensatória de sentimentos negativos em detrimento à aprendizagem.

Nessa linha, comportamentos escapistas que fomentam o cyberloafing podem ser minimizados ou maximizados a depender de como são geridos pelas IES e pelos docentes em sala de aula. Por exemplo, Rana et al. (2019) e Taneja et al. (2015) destacam o papel das normas sociais subjetivas, normas sociais descritivas e da ameaça percebida sobre o cyberloafing. Um caminho apontado pelos autores para contornar tais comportamentos está pautado no reforço de normas que consolidem junto aos discentes a crença de que esses comportamentos são prejudiciais ao processo de ensino e aprendizagem, que não são bem-vistos pelos docentes e colegas e que podem gerar prejuízos para a aprendizagem dos estudantes. Ao reforçar essa imagem, o trade-off advindo do uso compensatório da internet tende a ser minimizado pela sensação de perda gerada pelo balanceamento entre manifestar o cyberloafing ou se integrar de forma participativa à aula.

Outro caminho a ser trilhado para a conscientização dos discentes seria a elucidação das consequências do cyberloafing sobre os diferentes âmbitos da sua vida. Nesse sentido, os resultados indicaram que o cyberloafing exerce efeitos positivos e significantes (β = 0,30; p-value < 0,01; f² = 0,10) sobre diferentes comportamentos percebidos e manifestados pelos estudantes. Chegar atrasado na aula e para reuniões acadêmicas, procrastinar a execução de atividades acadêmicas, isolar-se de pessoas próximas e de familiares foram os itens que compuseram as consequências do cyberloafing. Essas consequências podem ser relacionadas diretamente ao desempenho dos discentes, pois prejudicam o processo de aprendizagem (Baturay & Toker, 2015; Yilmaz et al., 2015).

Os relacionamentos ora discutidos consideraram análises gerais, ou seja, não diferenciaram os efeitos a partir das particularidades dos subgrupos da amostra. Com o intuito de contribuir com o avanço da rede nomológica que trata do cyberloafing foi conduzida a análise Group Comparison Approaches (Tabela 5) que aponta os efeitos por agrupamentos discutidos na literatura como possíveis diferenciadores dessas relações, e cita: a idade (Blanchard & Henle, 2008), o gênero (Baturay & Toker, 2015; Blanchard & Henle, 2008; Yilmaz et al., 2015), o tempo de acesso a internet (Baturay & Toker, 2015; Yilmaz et al., 2015) e o tipo de IES frequentada pelo respondente (Taneja et al., 2015). As categorias dos agrupamentos foram bigrupo, a fim de atender ao pré-requisito da técnica estatística que consiste em tamanhos amostrais elevados e agrupamentos com duas categorias (Sanchez, 2013).

Tabela 5.
Group Comparison Approaches - Idade, gênero, tempo de conexão diária à internet e tipo de instituições de ensino superior

Caminhos	Efeitos por Idade				Efeitos por Gênero
	<= 22 anos (n = 212)	> 22 anos (n = 192)	Dif.	p-value	Feminino (n = 262)	Masculino (n = 142)	Dif.	p-value
MA → Cy	0,18	0,32	0,14	0,11	0,23	0,25	0,02	0,45
MP → Cy	0,45	0,43	0,02	0,40	0,46	0,43	0,03	0,43
Cyg → Cq	0,28	0,33	0,05	0,31	0,27	0,36	0,09	0,12
Caminhos	Efeitos por Tempo de Conexão à Internet				Efeitos por Tipo de IES
	<= 6 h (n = 228)	> 6 h (n = 176)	Dif.	p-value	Pública (n = 260)	Privada (n = 144)	Dif.	p-value
PA → Cy	0,22	0,27	0,05	0,26	0,23	0,28	0,04	0,36
PP → Cy	0,50	0,37	0,13	0,06	0,43	0,43	0,00	0,49
Cy → Cq	0,23	0,34	0,11	0,08	0,27	0,42	0,15	0,03

• Nota: IES: instituições de ensino superior; PA: Precedentes Acadêmicos; PP: Precedentes Pessoais; Cy = Cyberloafing; Cq = Consequências. Dif.: Diferenças entre os efeitos (β) de ambos os grupos; p-value: significância das diferenças entre os grupos; n: tamanho amostral do grupo.
• Fonte: Elaborada pelos autores.

Como o objetivo da Group Comparison Approaches é apresentar os efeitos dos caminhos (β) testados para cada agrupamento, a análise está concentrada nas diferenças entre ambos os grupos (Dif.) e na significância dessas diferenças (p-value). Somente no caminho existente entre o cyberloafing com as consequências do cyberloafing para o agrupamento de tipo de IES que foram identificadas diferenças significantes (Dif = 0,15; p-value = 0,03) entre os relacionamentos dos discentes de IES públicas (β = 0,27) frente aos de IES privadas (β = 0,42).

Taneja et al. (2015) alertam que o consumismo, ou seja, a percepção de ganha-ganha dos estudantes, se relaciona positivamente com o cyberloafing, visto que aqueles que percebem a universidade como uma prestadora de serviços tendem a manifestar de forma mais intensa esses comportamentos. Essa percepção de ganha-ganha dificilmente será percebida por discentes de IES públicas, visto que não há dispêndios financeiros ou fins lucrativos nessas instituições. Logo, preocupações pairam sobre a possibilidade de discentes de instituições privadas manifestarem com maior intensidade o cyberloafing percebendo consequências mais intensas sobre suas vidas por estarem visualizando a IES por meio de um relacionamento fornecedor-cliente.

Esse relacionamento fornecedor-cliente já tem sido mapeado na literatura brasileira e reverberado em debates acerca do compromisso, não somente dos estudantes, mas das IES em relação à qualidade de ensino. Tal cenário desperta preocupações acerca dos rumos, em especial no setor privado, da relação aluno-professor-instituição de ensino e sua aderência ao processo de ensino-aprendizagem (Bechi, 2021).

Respeitando as diferenças metodológicas entre os estudos, os relacionamentos obtidos por meio dos agrupamentos de gênero, idade e o tempo de acesso à internet contrapõem o delineamento fornecido pelos achados de Baturay e Toker (2015), Blanchard e Henle (2008) e Yilmaz et al. (2015). O tipo da IES corporiza o ambiente em que o estudante está inserido, ou seja, uma variável externa. Por outro lado, gênero, idade e o tempo de acesso à internet são variáveis objetivas e comportamentais dos respondentes. Portanto, conjectura-se que os direcionamentos teóricos a partir da TUCI são mais adequados para justificar tais relacionamentos, visto que as variáveis demográficas não são os atores principais desse processo relacional.

5. IMPLICAÇÕES, LIMITAÇÕES E CAMINHOS FUTUROS

Consoante a abordagem teórica proposta, este estudo estende a aplicação do escopo da TUCI ao vincular o comportamento cyberloafing como uma estratégia escapista para minimizar os motivadores advindos dos precedentes acadêmicos e dos pessoais. As consequências percebidas a partir do cyberloafing são contribuições pertinentes da pesquisa, pois explicitam os efeitos desses comportamentos sobre a vida dos indivíduos.

A TUCI é pautada sob o preceito de que estados emocionais negativos reverberam sob o cyberloafing. Embora não estejam vinculados diretamente ao vício tecnológico, acredita-se que estes estados emocionais possam implicar necessidades intensas do uso da internet. Este caminho conceitual rumina em uma necessidade emocional que, por vezes, é satisfeita de forma on-line já que o ambiente off-line não gera emoções positivas. Logo, a qualidade dos materiais, a falta de interesse nos assuntos discutidos, as dificuldades em compreender a matéria e a desmotivação com o curso, que compõem os precedentes acadêmicos, são elementos a ser observados pelos atores educacionais a fim de contornar este relacionamento ora identificado.

Em termos teóricos, a TUCI apresenta-se como uma lente teórica adequada para explicar os relacionamentos da rede monológica do cyberloafing analisados no modelo de caminhos. Nesse sentido, a abordagem que orienta a TUG pode ser utilizada explícita e/ou implicitamente para complementar a TUCI, mas não se recomenda atribuir às características demográficas o protagonismo dessa discussão. Tal conclusão pauta-se no fato de que, ao focar no ambiente no qual o indivíduo está inserido e nas trocas ambientais que o levam a manifestar o cyberloafing, e não em variáveis demográficas, tem-se a possibilidade de promover avanços nas discussões teóricas e práticas acerca da compreensão do cyberloafing. Diferente das características demográficas, o ambiente é um campo aberto que pode sofrer interferências com intuito de ser modificado, sendo esta expansão da TUCI a principal implicação teórica da pesquisa. Adiante, algumas implicações práticas são apresentadas objetivando sinalizar intervenções no ambiente universitário.

Implementar políticas que promovam o uso consciente de dispositivos móveis e da internet em sala de aula é uma das principais recomendações da pesquisa. A participação em cursos e workshops também pode ser incentivada no processo de adaptação dos docentes frente ao uso dessas ferramentas em sala de aula. Atividades que envolvam elementos de gamificação são apontadas na literatura como pertinentes para promover o estado de flow e o bem-estar dos estudantes e, consequentemente, minimizar sentimentos negativos que fomentam o comportamento compensatório dos discentes para manifestar o cyberloafing. Como exemplos de estratégias e ferramentas que podem ser utilizadas, tem-se o uso de quiz virtual (e.g., Kahoot! e Mentimeter) e a aplicação de jogos on-line e de competições entre os discentes. A qualidade do material também é um fator a ser observado pelos docentes. Nas apresentações, o uso de cores vibrantes e de figuras em detrimento ao excesso de textos é um exemplo de alteração proposta. A integração da disciplina com as redes sociais mostra-se pertinente, como exemplo cita-se a postagem de trabalhos em formato de posts em redes sociais como o Facebook e Instagram.

Por fim, cabe destacar que, em uma perspectiva mais ampla, ao prejudicar a aprendizagem dos discentes, o uso excessivo e pessoal da internet e de dispositivos tecnológicos em sala de aula pode atrelar-se, em última instância, à eficácia organizacional, uma vez que diversos indicadores de desempenho das IES (e.g., nota no Exame Nacional de Desempenho dos Estudantes - Enade e nível de aprovação no Exame de Suficiência do Conselho Federal de Contabilidade - CFC) estão vinculados ao nível de conhecimento dos estudantes, e estes indicadores se apresentam como importantes balizadores mercadológicos e de publicidade para a organização.

Com base nos achados apresentados e nas discussões realizadas, pretende-se contribuir socialmente despertando a atenção para a formação de discentes engajados no decorrer das aulas, tornando a relação professor-estudante e estudante-estudante mais efetiva no âmbito da aprendizagem. Espera-se que esses esforços reflitam na formação de profissionais preparados para as demandas organizacionais e que sirvam de exemplo para o uso consciente da internet e de dispositivos tecnológicos no decorrer de sua prática profissional.

O recorte temporal da pesquisa, a amostra não probabilística e a interrupção da coleta de dados devido à pandemia da COVID-19 são itens que prejudicam a generalização dos resultados para além da amostra em estudo. Os dados foram coletados a partir do autorrelato, mas pesquisas futuras podem empregar outras técnicas para a coleta de evidências, como as entrevistas. Ademais, o estudo conjunto do cyberloafing com variáveis comportamentais, tais como o bem-estar subjetivo e a satisfação com a vida, é uma oportunidade de pesquisa que pode ser explorada. Os achados da pesquisa também lançam olhares para a possibilidade de analisar a relação entre o comportamento cyberloafing dos estudantes com o desempenho da IES em diferentes modelos de avaliação (e.g., nota no Enade ou nota no Guia do Estudante).

6. CONCLUSÃO

Os avanços tecnológicos e as características da nova geração de estudantes, considerados como nativos digitais, lançam luz sobre a relevância da discussão da temática tanto no nível individual como no nível organizacional. Precedentes pessoais e acadêmicos se relacionaram significativamente ao cyberloafing, que, por sua vez, implicam em diferentes consequências sobre a vida dos indivíduos. A pesquisa simboliza um passo importante no estudo da temática na literatura contábil nacional e contribui no âmbito internacional com a análise conjunta dos precedentes e das consequências do cyberloafing.

REFERENCES

• Akbulut, Y., Dönmez, O., & Dursun, Ö. Ö. (2017). Cyberloafing and social desirability bias among students and employees. Computers in Human Behavior, 72, 87-95. https://doi.org/10.1016/j.chb.2017.02.043
  » https://doi.org/10.1016/j.chb.2017.02.043
• Akbulut, Y., Dursun, Ö. Ö., Dönmez, O., & Şahin, Y. L. (2016). In search of a measure to investigate cyberloafing in educational settings. Computers in Human Behavior, 55, 616-625. https://doi.org/10.1016/j.chb.2015.11.002
  » https://doi.org/10.1016/j.chb.2015.11.002
• Baturay, M. H., & Toker, S. (2015). An investigation of the impact of demographics on cyberloafing from an educational setting angle. Computers in Human Behavior, 50, 358-366. https://doi.org/10.1016/j.chb.2015.03.081
  » https://doi.org/10.1016/j.chb.2015.03.081
• Bechi, D. (2021). The information of business subjectivity and the implementation of performative culture in higher education. Revista Internacional de Educação Superior, 7, e021044. https://doi.org/10.20396/riesup.v7i0.8658347
  » https://doi.org/10.20396/riesup.v7i0.8658347
• Bido, D. S., Mantovani, D. M. N., & Cohen, E. D. (2018). Destruição de escalas de mensuração por meio da análise fatorial exploratória nas pesquisas da área de produção e operações. Gestão & Produção, 25(2), 384-397. https://doi.org/10.1590/0104-530X3391-16
  » https://doi.org/10.1590/0104-530X3391-16
• Blanchard, A. L., & Henle, C. A. (2008). Correlates of different forms of cyberloafing: The role of norms and external locus of control. Computers in Human Behavior, 24(3), 1067-1084. https://doi.org/10.1016/j.chb.2007.03.008
  » https://doi.org/10.1016/j.chb.2007.03.008
• Blumler, J. G. (1979). The role of theory in uses and gratifications studies. Communication Research, 6(1), 9-36. https://doi.org/10.1177/009365027900600102
  » https://doi.org/10.1177/009365027900600102
• Chang, S. J., Van Witteloostuijn, A., & Eden, L. (2010). From the Editors: Common method variance in international business research. Journal of International Business Studies, 41(2), 178-184. https://www.jstor.org/stable/27752488
  » https://www.jstor.org/stable/27752488
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Lawrence Erlbaum.
• Confederação Nacional de Dirigentes Lojistas/Serviço de proteção ao crédito. (2019). Abrir mão do smartphone prejudicaria a rotina de 77% dos jovens conectados revela pesquisa CNDL/SPC Brasil. https://www.spcbrasil.org.br/wpimprensa/wp-content/uploads/2019/08/Release-Pesquisa-Gera%C3%A7%C3%A3o-Z_acesso-tecnologia_v7-1.pdf
  » https://www.spcbrasil.org.br/wpimprensa/wp-content/uploads/2019/08/Release-Pesquisa-Gera%C3%A7%C3%A3o-Z_acesso-tecnologia_v7-1.pdf
• Cummins, R. A., & Gullone, E. (2000). Why we should not use 5-point Likert scales: The case for subjective quality of life measurement. In Proceedings Second International Conference on Quality of Life in Cities (pp. 74-93). Singapore.
• Elhai, J. D., Levine, J. C., O’Brien, K. D., & Armour, C. (2018). Distress tolerance and mindfulness mediate relations between depression and anxiety sensitivity with problematic smartphone use. Computers in Human Behavior, 84, 477-484. https://doi.org/10.1016/j.chb.2018.03.026
  » https://doi.org/10.1016/j.chb.2018.03.026
• Elhai, J. D., Rozgonjuk, D., Yildirim, C., Alghraibeh, A. M., & Alafnan, A. A. (2019). Worry and anger are associated with latent classes of problematic smartphone use severity among college students. Journal of Affective Disorders, 246, 209-216. https://doi.org/10.1016/j.jad.2018.12.047
  » https://doi.org/10.1016/j.jad.2018.12.047
• Hair, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2014). A primer on partial least squares structural equation modeling (PLS-SEM). Sage Publishing. https://doi.org/10.1007/978-3-030-80519-7
  » https://doi.org/10.1007/978-3-030-80519-7
• Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados Bookman.
• Henseler, J., Ringle, C. M., & 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
  » https://doi.org/10.1007/s11747-014-0403-8
• Jamaluddin, H., Ahmad, Z., Alias, M., & Simun, M. (2015). Personal internet use: The use of personal mobile devices at the workplace. Procedia - Social and Behavioral Sciences, 172, 495-502. https://doi.org/10.1016/j.sbspro.2015.01.391
  » https://doi.org/10.1016/j.sbspro.2015.01.391
• Kalayci, E. (2010). The investigation of relationship between cyberloafing and self-regulated learning strategies among undergraduate students. (Unpublished master thesis, Hacettepe University, Ankara).
• Kardefelt-Winther, D. (2014). A conceptual and methodological critique of internet addiction research: Towards a model of compensatory internet use. Computers in Human Behavior, 31(1), 351-354. https://doi.org/10.1016/j.chb.2013.10.059
  » https://doi.org/10.1016/j.chb.2013.10.059
• Khan, H. Z., Fatima, F. & Bose, J. (2019). Understanding pro-environmental behaviour of accounting and business students: Development of a conceptual framework. In K. T. Çalıyurt, Ethics and Sustainability in Accounting and Finance (pp. 69-82). Springer. https://doi.org/10.1007/978-981-13-3203-6_5
  » https://doi.org/10.1007/978-981-13-3203-6_5
• Kim, S. J., & Byrne, S. (2011). Conceptualizing personal web usage in work contexts: A preliminary framework. Computers in Human Behavior, 27(6), 2271-2283. https://doi.org/10.1016/j.chb.2011.07.006
  » https://doi.org/10.1016/j.chb.2011.07.006
• Meriac, J. P. (2012). Work ethic and academic performance: Predicting citizenship and counterproductive behavior. Learning and Individual Differences, 22(4), 549-553. https://doi.org/10.1016/j.lindif.2012.03.015
  » https://doi.org/10.1016/j.lindif.2012.03.015
• Mohiuddin, M., Al Mamun, A., Syed, F. A., Masud, M. M., & Su, Z. (2018). Environmental knowledge, awareness, and business school students’ intentions to purchase green vehicles in emerging countries. Sustainability (Switzerland), 10(5), 1534. https://doi.org/10.3390/su10051534
  » https://doi.org/10.3390/su10051534
• Müller, S. M., Wegmann, E., Stolze, D., & Brand, M. (2020). Maximizing social outcomes? Social zapping and fear of missing out mediate the effects of maximization and procrastination on problematic social networks use. Computers in Human Behavior, 107, 106296. https://doi.org/10.1016/j.chb.2020.106296
  » https://doi.org/10.1016/j.chb.2020.106296
• Podsakoff, P. M., MacKenzie, S. B., & Podsakoff, N. P. (2012). Sources of method bias in social science research and recommendations on how to control it. Annual Review of Psychology, 63, 539-569. https://doi.org/10.1146/annurev-psych-120710-100452
  » https://doi.org/10.1146/annurev-psych-120710-100452
• Ragan, E. D., Jennings, S. R., Massey, J. D., & Doolittle, P. E. (2014). Unregulated use of laptops over time in large lecture classes. Computers and Education, 78, 78-86. https://doi.org/10.1016/j.compedu.2014.05.002
  » https://doi.org/10.1016/j.compedu.2014.05.002
• Rana, N. P., Slade, E., Kitching, S., & Dwivedi, Y. K. (2019). The IT way of loafing in class: Extending the theory of planned behavior (TPB) to understand students’ cyberslacking intentions. Computers in Human Behavior, 101(2), 114-123. https://doi.org/10.1016/j.chb.2019.07.022
  » https://doi.org/10.1016/j.chb.2019.07.022
• Samson, P. (2011). Deliberate engagement of laptops in large lecture classes to improve attentiveness and engagement. ASEE Annual Conference and Exposition, Conference Proceedings, (20), 1-19. http://astro.unl.edu/workshops/2011/PerrySamsonLecture.pdf
  » http://astro.unl.edu/workshops/2011/PerrySamsonLecture.pdf
• Sanchez, G. (2013). PLS path modeling with R Trowchez Editions. http://www.gastonsanchez.com/PLS Path Modeling with R.pdf%0Ai
  » http://www.gastonsanchez.com/PLS Path Modeling with R.pdf%0Ai
• Taneja, A., Fiore, V., & Fischer, B. (2015). Cyber-slacking in the classroom: Potential for digital distraction in the new age. Computers and Education, 82, 141-151. https://doi.org/10.1016/j.compedu.2014.11.009
  » https://doi.org/10.1016/j.compedu.2014.11.009
• Weatherbee, T. G. (2010). Counterproductive use of technology at work: Information & communications technologies and cyberdeviancy. Human Resource Management Review, 20(1), 35-44. https://doi.org/10.1016/j.hrmr.2009.03.012
  » https://doi.org/10.1016/j.hrmr.2009.03.012
• Yaşar, S., & Yurdugül, H. (2013). The investigation of relation between cyberloafing activities and cyberloafing behaviors in higher education. Procedia - Social and Behavioral Sciences, 83, 600-604. https://doi.org/10.1016/j.sbspro.2013.06.114
  » https://doi.org/10.1016/j.sbspro.2013.06.114
• Yilmaz, F. G. K., Yilmaz, R., Öztürk, H. T., Sezer, B., & Karademir, T. (2015). Cyberloafing as a barrier to the successful integration of information and communication technologies into teaching and learning environments. Computers in Human Behavior, 45, 290-298. https://doi.org/10.1016/j.chb.2014.12.023
  » https://doi.org/10.1016/j.chb.2014.12.023
• Young, K. S. (1996). Internet addiction: The emergence of a new clinical disorder. CyberPsychology & Behavior, 1(3), 237−244. https://doi.org/10.1089/cpb.1998.1.237
  » https://doi.org/10.1089/cpb.1998.1.237

• *
  Trabalho apresentado no XXI USP International Conference in Accounting, julho de 2021.

Editado por

Editor-Chefe:

Fábio Frezatti

Editora Associada:

Jacqueline Veneroso Alves da Cunha

Datas de Publicação

• Publicação nesta coleção
  28 Out 2022
• Data do Fascículo
  2022

Histórico

• Recebido
  22 Nov 2021
• Aceito
  07 Dez 2021
• Aceito
  01 Mar 2022