Estudio sobre el uso y el abuso de la tecnología en adolescentes
Bibliographic record
Abstract
La presente Tesis doctoral tiene como objetivo conocer el uso que hacen niños y adolescentes de la tecnología, en especial del móvil, Internet y los videojuegos. Por un lado, se propone conocer si el uso que hacen es adecuado o excesivo, basándonos en aspectos sociodemográficos como por ejemplo el hecho de tener móvil u ordenador propio, si utilizan o no las redes sociales o el tiempo diario que dedican al uso de las tecnologías, buscando si existen diferencias según variables como la edad o el sexo. Otro de los aspectos de este trabajo es relacionar el uso de las tecnologías en esta población con la percepción de riesgo que tienen ellos mismos sobre su uso, así como relacionar las características de la personalidad con el uso excesivo de la tecnología. Además, se elaboran modelos predictivos del uso excesivo de la tecnología relacionando todas estas variables a partir de un análisis de regresión logística binaria. En este trabajo han participado un total de 781 participantes de la provincia de Córdoba (382 eran chicos y 395 eran chicas) con edades comprendidas entre los 10 y los 18 años. Para dar respuesta a los objetivos de esta investigación, se utilizó la adaptación española del Mobile Phone Problem Use Scale en Adolescentes (MPPUSA) (López- Fernández et al., 2012), una adaptación ad hoc del Cuestionario de Experiencias Relacionadas con Internet (CERI) (Beranuy et al., 2009) y el Test de Adicción a Internet de Echeburúa (1999), el Cuestionario de Detección de Nuevas Adicciones (DENA) (Labrador et al., 2008), un cuestionario ad hoc sobre percepción de riesgo, y el Inventario de Personalidad NEO-FFI-R (Costa y McCrae, 1994), versión reducida de 60 ítems respecto a su original, el NEO-PI-R, que consta de 240 ítems. Como se puede comprobar en los capítulos de esta tesis, se presentan tres estudios. Los resultados del primero indican que existen diferencias de uso según la edad y el sexo. Las escalas de uso indican que la mayor parte de los participantes son usuarios habituales o sin problema de cada una de las tecnologías, aunque sí son preocupantes las cifras de usuarios que se encuentran en riesgo de presentar un uso problemático. En el segundo estudio, encontramos que perciben mayor riesgo de las tecnologías a una mayor edad, y que cuanto más tiempo diario utilizan las tecnologías y más tienden a ser usuarios en riesgo o problemáticos, mayor es la percepción de riesgo que tienen. Señalan con mayor riesgo “irse a dormir más tarde”, “tardar más en comer” y “tener menos tiempo para hacer actividades de ocio” por dedicar demasiado tiempo al uso de las tecnologías. En el tercer y último estudio, sobre las características de la personalidad, se compararon los grupos caracterizados por cada uno de los rasgos (neuroticismo vs estabilidad emocional, extraversión vs introversión, apertura a la experiencia vs cerrado a la experiencia, amabilidad vs oposicionismo y responsabilidad vs falta de responsabilidad) en función del uso que hacían de la tecnología. En general, aquellos que le caracteriza el neuroticismo frente a la estabilidad emocional, la introversión frente a la extroversión, los cerrados a la experiencia frente a los abiertos a la experiencia, los oposicionistas frente a los amables y los que tienen una falta de responsabilidad frente a los responsables presentan un mayor uso de la tecnología. Posteriormente, teniendo en cuenta que la personalidad se conforma por varias características a la vez, se formaron grupos a partir del análisis de clúster, encontrando que tanto los chicos como las chicas que presentan un uso problemático de las tecnologías pertenecen al grupo caracterizado por la introversión, el oposicionismo y la falta de responsabilidad. Por último, se realizó un análisis de regresión logística binaria para las chicas y otro para los chicos. Para las chicas, en cuanto al uso del móvil se ha observado que las horas de uso, la percepción de riesgo, y pertenecer al grupo caracterizado por neuroticismo son factores de riesgo a presentar un uso problemático del mismo, mientras que pertenecer al grupo caracterizado por ser estables emocionalmente y cerradas a la experiencia es un factor protector. Este modelo es capaz de predecir el 91,5% de casos de la muestra. En el uso de Internet, el modelo predice el 73,8% de la muestra de chicas. Los factores de riesgo de presentar un uso problemático son la edad, el uso de Facebook, las horas de uso, y la percepción de riesgo. Los factores de protección son pertenecer al grupo caracterizado por la estabilidad emocional y cerradas a la experiencia, y pertenecer al grupo normativo. En los videojuegos, se formó un modelo para el 88,7% de las participantes, con tres factores de riesgo (edad, tener ordenador, horas de uso). Para los chicos, en cuanto al uso del móvil la percepción de riesgo, y pertenecer al grupo caracterizado por introversión, oposicionismo y falta de responsabilidad son factores de riesgo de un uso problemático. En el uso de Internet, los factores de riesgo son pertenecer al grupo caracterizado por introversión, oposicionismo y falta de responsabilidad, las horas de uso y la percepción de riesgo, para el 73,1% de la muestra. Finalmente, en el uso de videojuegos el análisis indica que los factores de riesgo son las horas de uso, la percepción de riesgo, pertenecer al grupo caracterizado por introversión, oposicionismo y falta de responsabilidad, y pertenecer al grupo caracterizado por oposicionismo, para el 81,9% de la muestra de chicos. Se discuten las posibles razones de este uso problemático de las tecnologías en los adolescentes y se reflexiona sobre la importancia de llevar a la práctica programas preventivos y una buena intervención psicoeducativa para atender este problema.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".