Propiedades psicométricas del CERI y CERM en estudiantes universitarios de Lima
Bibliographic record
Abstract
La investigación analiza las propiedades psicométricas del Cuestionario de Experiencias Relacionadas al Internet (CERI) y del Cuestionario de Experiencias Relacionadas al Móvil (CERM) en 508 estudiantes de una universidad privada de Lima. Se aplicó la Escala de Adicción a Internet de Lima (EAIL), la Escala de Zung para la depresión (SDS), el Inventario de Ansiedad Rasgo-Estado (IDARE) y la Escala de Alexitimia de Toronto (TAS-20) para la validez convergente y discriminante. Para validez de criterio se hicieron comparaciones con las horas de uso de internet y celulares. Para el CERI, se obtuvo una estructura bifactorial con un 33.47% de varianza explicada. La confiabilidad mostró una consistencia interna adecuada para la prueba, siendo de .73, y cuestionable para las áreas siendo de .69 y .62. En el CERM, se obtuvo una estructura unifactorial con un 37.76% de varianza explicada. La confiabilidad mostró una consistencia interna adecuada, siendo de .81. Las relaciones del CERI y CERM con el EAIL resultaron significativas, directas y grandes; con el SDS, IDARE y TAS-20 resultaron significativas, directas y medianas. La comparación del CERI y sus dos áreas con las horas de conexión a internet fue significativa y pequeña para el CERI y su primera área. La comparación del CERM con las horas de conexión al celular fue significativa y pequeña. Con ello, el CERI no evidencia contar con propiedades psicométricas adecuadas para medir el uso problemático de internet, pero se confirma que el CERM cuenta con propiedades psicométricas adecuadas para evaluar el uso problemático del celular.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".