
Revista Fidélitas ׀ Vol.6 (1) ׀ Enero - Junio 2025 10
El sector de la construcción en Perú ha experimentado un crecimiento signicativo en las últimas décadas, pero este crecimiento
no siempre ha ido acompañado de una mejora proporcional en las prácticas de gestión de proyectos. Factores como la complejidad
de los proyectos, la variabilidad de las condiciones del sitio, las uctuaciones económicas y los cambios en las regulaciones
gubernamentales contribuyen a un entorno de alto riesgo para los proyectos de construcción pública (León & Mariños. V.,
2014).
Estudios previos; tales como, (Betancur et al., 2021) La gestión de riesgos y el éxito del proyecto están estrechamente
relacionados: el mejor enfoque para la gestión de riesgos del proyecto aumenta las posibilidades de éxito del proyecto en
términos de alcance, calidad, cronograma y costo. De la misma forma, según, (Denicol, Davies & Krystallis, 2020) La principal
razón de los malos resultados de los grandes proyectos de innovación tecnológica es la introducción de tecnologías no probadas
(se trata de un riesgo), que provocan sobrecostos y mayores plazos., han demostrado que la implementación de prácticas de
gestión de riesgos puede tener un impacto positivo en el desempeño de los proyectos (Gómez Sánchez, 2017). En consecuencia,
tales resultados pueden ser aplicados al entorno especíco de la construcción pública en Perú.
Según, (Rodriguez, 2007) el objetivo de este estudio es proponer un modelo integrado de gestión de riesgos adaptado al contexto
peruano, que permita reducir los sobrecostos y retrasos en proyectos de construcción pública. Este modelo busca integrar las
mejores prácticas internacionales con las realidades y desafíos especícos del sector de la construcción en Perú (Rodriguez,
2007).
Para lograr este objetivo, se realizó un estudio cuantitativo con una muestra de 204 profesionales del sector construcción en Perú
(Gómez Sánchez, 2022). Se analizaron cuatro dimensiones clave de la gestión de riesgos: construcción, operación, mercado/
nancieros y políticos (Gómez Sánchez, 2022). Los resultados de este estudio proporcionan claves valiosas sobre las prácticas
actuales de gestión de riesgos en el sector y las áreas de oportunidad para mejorar.
La relevancia de este estudio radica en su potencial para contribuir signicativamente a la mejora de la eciencia y efectividad
de los proyectos de construcción pública en Perú (Gómez Sánchez, 2022). Al proporcionar un modelo adaptado al contexto
local, se espera que los resultados de esta investigación puedan ayudar a establecer políticas públicas y prácticas de gestión que
conduzcan a una mejor utilización de los recursos públicos y a la entrega oportuna de infraestructura crítica para el desarrollo
del país (Gómez Sánchez, 2022).
2. Metodología
Se realizó un estudio cuantitativo con diseño no experimental transversal. Se aplicó una encuesta a 204 profesionales del sector
construcción en Perú, seleccionados mediante muestreo probabilístico aleatorio simple. El instrumento de recolección de datos
fue un cuestionario estructurado con escala Likert, validado por expertos (α de Cronbach = 0.889) (Gómez Sánchez, 2022).
Se analizaron cuatro dimensiones de gestión de riesgos: construcción, operación, mercado/nancieros y políticos (Dávila &
Cedano, 2020). Se utilizó el coeciente de correlación de Spearman para evaluar la relación entre estas dimensiones y la
reducción de malas prácticas en plazos y costos (Gómez Sánchez, 2022).
Justicación detallada del uso de las técnicas estadísticas (Hernández, Fernández y Baptista, 2014):
Coeciente Alfa de Cronbach:
Se utilizó este coeciente para evaluar la conabilidad del instrumento de medición. El Alfa de Cronbach es particularmente
apropiado para escalas de Likert, como la empleada en este estudio (Hernández et al., 2014). Se eligió este método porque
(Gómez Sánchez, 2022):
● Permite evaluar la consistencia interna del instrumento.
● Es ampliamente aceptado en la investigación en ciencias sociales.
● Proporciona un valor único de consistencia para escalas multidimensionales.
● El valor obtenido de 0.889 indica una alta conabilidad del instrumento según los criterios establecidos por George y
Mallery (2003), quienes sugieren que un valor superior a 0.8 es considerado bueno.
Prueba de Kolmogorov-Smirnov:
Se aplicó esta prueba para determinar la normalidad de la distribución de los datos (Hernández et al., 2014). Se seleccionó esta
prueba debido a (Gómez Sánchez, 2022):