Desarrollo de la escala de propensión a la adicción a teléfonos inteligentes de Corea para jóvenes (2012)

Más uno. 2014 mayo 21; 9 (5): e97920. doi: 10.1371 / journal.pone.0097920.

Kim D1, Lee Y1, Lee J1, Nam JK1, Chung y2.

Información del autor

  • 1Departamento de Educación, Universidad Nacional de Seúl, Seúl, Corea del Sur.
  • 2Departamento de Educación, Universidad Nacional de Educación de Corea, CheongJu, Corea del Sur.

Resumen

Este estudio desarrolló una Escala de Propensión a la Adicción a los Teléfonos Inteligentes (SAPS) basada en las escalas existentes de adicción a Internet y teléfonos celulares. Para el desarrollo de esta escala, se seleccionaron inicialmente 29 ítems (1.5 veces el número final de ítems) como ítems preliminares, en base a los estudios previos sobre adicción a internet / teléfono así como a la experiencia clínica de los expertos involucrados. La escala preliminar se administró a una muestra representativa a nivel nacional de 795 estudiantes en escuelas primarias, intermedias y secundarias en Corea del Sur. Luego, se seleccionaron los últimos 15 ítems de acuerdo con los resultados de la prueba de confiabilidad. La escala final constaba de cuatro subdominios: (1) alteración de las funciones adaptativas, (2) orientación a la vida virtual, (3) retraimiento y (4) tolerancia. La escala final indicó una alta confiabilidad con un α de Cronbach de .880. El apoyo a la validez de criterio de la escala se ha demostrado por su relación con la escala de adicción a Internet, KS-II (r = .49). Para el análisis de la validez de constructo, probamos el Modelo de Ecuación Estructural. Los resultados mostraron que la estructura de cuatro factores es válida (NFI = .943, TLI = .902, CFI = .902, RMSEA = .034). La adicción a los teléfonos inteligentes está ganando mayor atención como posiblemente una nueva forma de adicción junto con la adicción a Internet. El SAPS parece ser una escala de diagnóstico confiable y válida para evaluar a adolescentes que pueden estar en riesgo de adicción a los teléfonos inteligentes. Se discuten más implicaciones y limitaciones.

Figuras

Cita: Kim D, Lee Y, Lee J, Nam JK, Chung Y (2014) Desarrollo de la Escala de la Prenidad de Adicción a los Teléfonos Inteligentes de Corea para Jóvenes. PLoS ONE 9 (5): e97920. doi: 10.1371 / journal.pone.0097920

Editor: Amanda Bruce, Universidad de Missouri-Kansas City, Estados Unidos de América

Recibido: Diciembre 19, 2013; Aceptado: Abril 16, 2014; Publicado: 21 de mayo de 2014

Copyright: © 2014 Kim et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que el autor original y la fuente estén acreditados.

Fondos: Los autores no tienen apoyo o financiación para informar.

Conflicto de intereses: Los autores han declarado que no existen intereses en pugna.

Introducción

La propagación de las computadoras personales en la década de 1990 dio origen a una revolución digital. Los escritorios personales pronto se convirtieron en PMP, tabletas y teléfonos inteligentes, dispositivos que se han vuelto cada vez más comunes en la vida de las personas. En particular, la tasa de distribución de teléfonos inteligentes está en una tendencia al alza en todo el mundo desde 2000 [ 1 ]. Este uso generalizado de los teléfonos inteligentes se ha denominado "Revolución inteligente" y ha traído cambios dramáticos en la vida diaria de las personas. Aunque el uso de teléfonos inteligentes ha hecho la vida más cómoda para muchas personas, también ha provocado efectos adversos en los ámbitos del bienestar psicológico, las relaciones interpersonales y la salud física. Por ejemplo, debido al fácil acceso al entorno en línea a través de teléfonos inteligentes, las consecuencias negativas de efecto de desinhibicion en linea caracterizada por inhibiciones de comportamiento reducidas [ 2 ] [ 3 ] Se están volviendo más rampantes, particularmente en las formas de violencia cibernética.

Los adolescentes de hoy son muy receptivos a nuevas formas de medios como los teléfonos inteligentes. [ 4 ] ya que son la primera generación que ha crecido rodeada de varias formas de medios de alta tecnología [ 5 ]. Esto podría significar que los jóvenes son más susceptibles a los efectos adversos de los medios inteligentes que los grupos de mayor edad. En Corea del Sur, los jóvenes adictos al teléfono inteligente han alcanzado el 11.4% de la población, y el 2.2% superior enfrenta dificultades para vivir su vida cotidiana debido a su adicción. [ 6 ]. Antes de la propagación de los teléfonos inteligentes, los teléfonos celulares ocupaban una gran parte de la vida de los adolescentes hasta el punto en que algunos informaron experimentar altos niveles de ansiedad cuando su teléfono no siempre estaba encendido. [ 4 ]. La adicción a los teléfonos celulares y la edad parecen ser inversamente proporcionales, y las personas más jóvenes usan sus teléfonos con más frecuencia [ 8 ]y dos veces más probabilidades de admitir que son un "adicto a los teléfonos celulares" que los adultos [ 9 ]. Para los adolescentes, la comunicación por teléfono es una forma importante de mantener sus relaciones sociales [ 7 ]. Dado que la adicción a los teléfonos inteligentes se está convirtiendo en un problema importante entre los jóvenes, parece urgente desarrollar una escala que pueda estimar los niveles y las condiciones de la adicción a los teléfonos inteligentes entre los adolescentes para protegerlos de los efectos adversos de la adicción.

Debido a que la distribución de teléfonos inteligentes es un fenómeno relativamente reciente, los estudios que han definido los síntomas únicos de la adicción a los teléfonos inteligentes son raros. El concepto más cercano a la adicción a los teléfonos inteligentes puede ser la adicción a los teléfonos celulares, que se considera un tipo de adicción conductual caracterizada por problemas con el control de los impulsos. Los síntomas notificados de adicción a los teléfonos celulares incluyen abstinencia, tolerancia, alteración de las funciones adaptativas, compulsión e inmersión patológica. [ 12 ] y abstinencia, falta de control y problemas derivados del uso, y tolerancia e interferencia con otras actividades. [ 13 ]. Escalas de adicción a celulares existentes [ 47 ] [ 48 ] [ 49 ] Se han desarrollado en base a Young [ 10 ]de Internet Addiction Test (IAT) y Goldberg [ 11 ]Criterios diagnósticos de la adicción a internet.

Sin embargo, los teléfonos inteligentes son diferentes a los teléfonos celulares en cuatro formas principales. Primero, los usuarios de teléfonos inteligentes están más involucrados dinámicamente con el dispositivo que los usuarios de teléfonos celulares normales. Los usuarios de teléfonos inteligentes se involucran activamente con el dispositivo y los contenidos (aplicaciones) simultáneamente, y pueden desempeñar un papel de productor al crear aplicaciones personalizadas. Dado que las aplicaciones permiten a los usuarios de teléfonos inteligentes dar una respuesta inmediata y mutua, los usuarios de teléfonos inteligentes tienden a ser activos, participativos, relacionales, competentes y productivos. [ 15 ]. En consecuencia, se ha demostrado que el uso del teléfono inteligente es directamente proporcional al uso de la aplicación [ 14 ]. En segundo lugar, los teléfonos inteligentes dan una mayor importancia a las características sensoriales que estimulan el lado expresivo de los usuarios. [ 16 ]. El sistema de interfaz de usuario distintivo del teléfono inteligente, que incluye operación de pantalla táctil, disposición de teclado, íconos, diseño sensible y otros componentes, permite al usuario revelar su individualidad. [ 17 ]. La importancia del aspecto expresivo de las aplicaciones de teléfonos inteligentes también se puede ver en el hecho de que los usuarios prefieren las aplicaciones que permiten a múltiples usuarios divertirse juntos y ser socialmente expresivas sobre las aplicaciones que solo se pueden disfrutar solas. [ 18 ]. En tercer lugar, los teléfonos inteligentes proporcionan una convergencia de servicios como la cámara, MP3, GPS, navegación web, llamadas, correo electrónico, juegos y servicios de redes sociales (SNS) [ 19 ] [ 20 ] en un dispositivo portátil. También llamada "Internet portátil", la portabilidad de los teléfonos inteligentes permite servicios personalizados y en tiempo real en cualquier lugar que no se podrían realizar en una computadora de escritorio típica. Además, el "Servicio Push" del teléfono inteligente notifica a los usuarios con actualizaciones relevantes, como los correos electrónicos más recientes o las respuestas de Facebook, incluso antes de que el usuario las solicite. [ 21 ]. Estos servicios personalizados proporcionados por los teléfonos inteligentes pueden ser útiles, pero también pueden inducir a las personas a usarlos en exceso. [ 22 ] [ 23 ]. Finalmente, las personas de diferentes grupos de edad muestran diferentes patrones de uso de teléfonos inteligentes. Los adolescentes utilizan principalmente sus teléfonos inteligentes para la cámara, MP3 y otras funciones de entretenimiento; las personas de 20 años utilizan principalmente SNS; y las personas de entre 30 y 40 años suelen administrar sus horarios, lista de contactos, correo electrónico y otras funciones relacionadas con el negocio [ 24 ] [ 25 ].

A pesar de las características distintivas de los teléfonos inteligentes como se mencionó anteriormente, muchas de las escalas de adicción a los teléfonos inteligentes existentes eran idénticas a la escala de adicción a los teléfonos celulares, con la palabra "teléfono celular" simplemente reemplazada por "teléfono inteligente". Uno de los más recientes, Casey [ 26 ] La escala de adicción a los teléfonos inteligentes también había extraído elementos de escalas que miden otros tipos de adicción a los medios, como la Escala de problemas de uso de teléfonos móviles. [ 27 ], Prueba de adicción a internet [ 10 ]y la Escala de Adicción a la Televisión [ 28 ]. Además, dado que la adicción a los teléfonos celulares también era vista como un tipo de adicción conductual debido a problemas de control de impulsos, generalmente estaba compuesta por elementos de la adicción a Internet.

Por lo tanto, el estudio actual desarrolló la Escala de adicción a la adicción a teléfonos inteligentes de Corea (SAPS) para jóvenes al agregar elementos que reflejan las características únicas de los teléfonos inteligentes a la Escala de adicción a la adicción a Internet (IAPS) para jóvenes [ 29 ]. El IAPS es una escala de ítems 20 que se ha utilizado para verificar el nivel de adicción a Internet entre los jóvenes en Corea del Sur desde 2007. El SAPS desarrollado a través del estudio actual será una herramienta útil para examinar el fenómeno del uso excesivo de teléfonos inteligentes entre los jóvenes y, en última instancia, contribuirá a prevenir la adicción a los teléfonos inteligentes.

Método

Participantes

Este estudio es un análisis de datos secundarios sobre los datos de la encuesta nacional del proyecto de la Agencia Nacional de Información de Corea sobre la adicción a los teléfonos inteligentes realizado en 2012 [ 34 ]. Los investigadores de este estudio habían participado en el proyecto como el investigador principal y los investigadores asistentes. Debido a que este proyecto se llevó a cabo a nivel nacional, los datos resultantes fueron de una muestra a gran escala que es representativa en términos de región, edad y género. La encuesta distribuida estableció explícitamente el propósito del proyecto y notificó a los participantes que están aceptando participar al completar la encuesta. En proporción a la distribución de la población real en Corea, los estudiantes de las escuelas primarias, intermedias y secundarias de 795 (hombres de 461 y mujeres de 324) completaron la encuesta. Las agencias regionales se seleccionaron al azar de cada una de las cuatro áreas: área metropolitana de Seúl, área de Chungcheong / Gangwon, área de Honam (incluido Jeju) y área de Yeongnam. Muchos (44.7%) eran estudiantes de escuela intermedia, seguidos por estudiantes de secundaria (37.7%) y estudiantes de escuela primaria superior (17.6%).

Medidas

Cuestionario demográfico.

En el paquete de la encuesta se incluyó un cuestionario demográfico que incluía elementos relacionados con la información personal del estudiante, el alcance y la naturaleza del uso de teléfonos inteligentes y el rendimiento académico.

Artículos de la adicción a la adicción a los teléfonos inteligentes.

Sobre la base de las escalas de diagnóstico y los hallazgos de investigación desarrollados anteriormente, así como de las experiencias clínicas de numerosos especialistas, se seleccionaron elementos que, teóricamente y empíricamente, representan las características distintivas de la adicción a los teléfonos inteligentes, para formar parte de la escala. La escala preliminar estaba compuesta por veintinueve elementos, y cada elemento se calificó con una escala Likert de puntos 4 (1 = muy en desacuerdo, 2 = en desacuerdo, 3 = de acuerdo, 4 = de acuerdo). Los veintinueve elementos preliminares se estructuraron en torno a cuatro subdominios: alteración de las funciones adaptativas (elementos 9), retiro (elementos 7), tolerancia (elementos 6) y orientación de la vida virtual (elementos 7).

Escala de problemas de salud mental.

Para verificar la validez del SAPS, se desarrolló una medida que evalúa los problemas de salud mental relacionados con la adicción a los teléfonos inteligentes. Las dificultades psicológicas que podrían acompañar a la adicción a los teléfonos inteligentes incluyen ansiedad, depresión, impulsividad y agresión. [ 50 ]. Así, NEO prueba de personalidad juvenil [ 30 ] Los ítems relacionados con estos problemas (factores) fueron modificados e incluidos en la escala actual. La escala consta de 32 ítems, 8 ítems para cada factor. Los elementos se califican en una escala de 4 puntos (1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = de acuerdo, 4 = totalmente de acuerdo). La consistencia entre ítems para la escala es alta con un alfa de Cronbach de .944 en general y .865, .870, .820, .878 para cada factor.

Escala de Proneness de Adicción a Internet para Jóvenes (KS-II).

Para comparar la adicción a los teléfonos inteligentes con la adicción a Internet, se utilizó el artículo KS-II de 15. KS-II desarrollado por la Agencia Nacional de Sociedad de la Información. [ 31 ] ha pasado por el proceso de estandarización en Corea a través de una encuesta de campo a nivel nacional. KS-II se estructura en torno a cuatro factores: (1) alteración de las funciones adaptativas, (2) retraimiento, (3) tolerancia y (4) orientación a la vida virtual. Los elementos se califican en una escala de 4 puntos (1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = de acuerdo, 4 = totalmente de acuerdo). La consistencia entre ítems de la escala es alta con un alfa de Cronbach de .87.

Procedimiento

Primero, al revisar las escalas relacionadas que se desarrollaron previamente y al examinar sus antecedentes teóricos, los especialistas seleccionaron los ítems para un cuestionario preliminar. Este grupo inicial tenía aproximadamente el doble de elementos que la escala final. La escala preliminar fue administrada a los estudiantes y se recolectaron datos. Luego, los elementos finales se seleccionaron de acuerdo con los resultados de las pruebas de confiabilidad para cada subescala. Finalmente, el modelo de validez de constructo para cada subdominio se validó en AMOS. Una descripción más detallada de cada paso del procedimiento es la siguiente.

Escala preliminar de la adicción a la adicción a los teléfonos inteligentes para jóvenes.

Se desarrolló un conjunto de elementos preliminares para la Escala de Proneness de Adicción al Smartphone (SAPS, por sus siglas en inglés) para jóvenes basándose en los hallazgos de la literatura anterior sobre adicción a Internet, adicción a teléfonos móviles y adicción a los medios digitales. Dado que el teléfono inteligente es un dispositivo móvil que permite el uso de Internet, las escalas de adicción a Internet existentes se utilizaron como referencia. Las características de la adicción a los medios digitales sugeridas por Young. [ 38 ] y Greenfield [ 44 ] También se reflejaron en los ítems desarrollados. Teniendo en cuenta que los teléfonos inteligentes pueden ser vistos como versiones avanzadas de teléfonos móviles normales, las escalas de teléfonos móviles existentes [ 12 ] [ 8 ] fueron examinados también. En consecuencia, los subdominios de SAPS llegaron a incluir la alteración de las funciones adaptativas, el retiro, la tolerancia y la orientación de la vida virtual. Finalmente, los expertos (especialistas en educación, psiquiatras) crearon elementos preliminares de 29 que reflejan estos cuatro subdominios de la adicción a los teléfonos inteligentes.

Administración de escalas.

El SAPS se distribuyó en escuelas primarias, intermedias y secundarias seleccionadas al azar para que los participantes puedan seleccionarse en proporción a la distribución real de la población en Corea.

Selección de ítems mediante análisis de confiabilidad.

Los análisis de fiabilidad de los 29 elementos preliminares se realizaron por subdominio. Se seleccionaron un total de 15 ítems que parecen adecuados. Finalmente, se calculó el alfa de Cronbach para la escala final con 15 ítems.

Construir modelo de validez para cada subdominio.

Para confirmar la validez de constructo de SAPS, el modelo de validez de constructo para cada subdominio se validó en AMOS.

Resultados

Selección de elementos finales a través de análisis de confiabilidad en subdominios

De los 29 elementos originales, los elementos que parecían inadecuados para cada subdominio se eliminaron o revisaron según los resultados de los análisis de confiabilidad. Para verificar la confiabilidad de los ítems en cada subdominio, se examinaron los alfa de Cronbach. Para la escala final se seleccionaron los elementos que redujeron la confiabilidad general del subdominio si se eliminan, así como los elementos con la confiabilidad más alta. Además, para detectar respondedores descuidados o inconsistentes, se incluyeron ítems de codificación inversa con alta confiabilidad. Tabla 1 a continuación se muestran los resultados de fiabilidad de cada subdominio, y Tabla 2 muestra los ítems finales de 15 seleccionados.

uña del pulgar

Tabla 1. Selección de elementos finales mediante análisis de confiabilidad en subescalas.

doi: 10.1371 / journal.pone.0097920.t001

uña del pulgar

Tabla 2. Artículos finales.

doi: 10.1371 / journal.pone.0097920.t002

Fiabilidad

La fiabilidad de SAPS se verificó con un alfa de Cronbach de 0.88.

Validez

Criterio de análisis de validez.

Para confirmar la validez del criterio de SAPS, se compararon las puntuaciones de SAPS y la Escala de problemas de salud mental. Tabla 3 Muestra los resultados de correlación de Pearson de las dos escalas. Como resultado, el coeficiente de correlación resultó ser 0.43. Además, las correlaciones entre las subescalas de SAPS y la Escala de problemas de salud mental estaban todas en el rango 0.49 ~ 0.67, lo que confirma un cierto grado de correlación.

uña del pulgar

Tabla 3. Análisis de correlación entre SAPS y la Escala de Problemas de Salud Mental.

doi: 10.1371 / journal.pone.0097920.t003

Se analizó la correlación entre SAPS y KS-II; Tabla 4 muestra los resultados del análisis de correlación de Pearson. El coeficiente de correlación de 0.49 mostró que si la puntuación en SAPS era alta, la puntuación KS-II probablemente también lo era. Adicionalmente, las correlaciones entre las subescalas del KS-II y SAPS estuvieron entre 0.12 y 0.51, mostrando nuevamente un cierto grado de correlación.

uña del pulgar

Tabla 4. Análisis de correlación entre SAPS y KS-II.

doi: 10.1371 / journal.pone.0097920.t004

Análisis de validez de constructo.

El análisis factorial confirmatorio se realizó utilizando AMOS 7.0 para confirmar la estructura factorial de SAPS. Para esto, el modelo de estructura factorial se estableció de la siguiente manera (Figura 1 y XNUMX).

uña del pulgar

Figura 1. La estructura factorial de SAPS.

El modelo estructural de los cuatro subdominios de la adicción a los teléfonos inteligentes (alteración de las funciones adaptativas, orientación de la vida virtual, retiro y tolerancia) y sus elementos pertinentes parecían válidos.

doi: 10.1371 / journal.pone.0097920.g001

Primero, los índices de ajuste del modelo NFI, TLI, CFI y RMSEA fueron .943, .902, .962 y .034, respectivamente, lo que muestra que el modelo pertinente fue adecuado para los datos. Por lo tanto, el modelo estructural de los cuatro subdominios de la adicción a los teléfonos inteligentes (alteración de las funciones adaptativas, orientación de la vida virtual, retiro y tolerancia) y sus elementos pertinentes parecían ser válidos.

Además, para determinar cómo cada elemento explica los factores relacionados, se examinó el coeficiente de regresión de cada variable observable y su grado de significación estadística. En todas las variables observables, a excepción de la "orientación de vida virtual", los coeficientes estandarizados fueron mayores que .5 en promedio, lo que fue estadísticamente significativo (p<.001). Tabla 5 muestra estas estadísticas.

uña del pulgar

Tabla 5. Coeficientes de regresión de variables observables respecto a cada factor.

doi: 10.1371 / journal.pone.0097920.t005

Discusión

Como parte del proyecto de la Agencia Nacional de Información de Corea sobre la adicción a los teléfonos inteligentes en los jóvenes realizado en 2012 [ 34 ], este estudio buscó sentar las bases de los esfuerzos de prevención / intervención para la adicción a los teléfonos inteligentes de los jóvenes. Específicamente, el estudio desarrolló una breve escala de propensión a la adicción a los teléfonos inteligentes con el elemento 15 que podría usarse en los esfuerzos de recopilación de datos a nivel nacional. Los desarrolladores prestaron especial atención a la simplicidad de los elementos de escala y la facilidad de uso en la administración de escala para facilitar la utilización real.

El alfa de Cronbach del SAPS final fue de .880, lo que demuestra que la escala es confiable. También se ha informado que las escalas de adicción a Internet o teléfonos inteligentes existentes son confiables con los alfa de Cronbach superiores a .7. Sin embargo, puede ser imprudente confiar en sus valores de confiabilidad porque su proceso de recolección de datos no estaba estandarizado o el tamaño de la muestra era pequeño. Por ejemplo, Beard and Wolf [ 37 ] Intenté mejorar en Young [ 38 ] Criterios de diagnóstico de adicción a Internet, pero su proceso de desarrollo de escala no estaba estandarizado. Widyanto y McMurren [ 39 ], por otro lado, siguió un procedimiento estandarizado para el desarrollo de escalas, pero no pudo recopilar suficientes datos (n = 86). Además, recopilaron datos en línea, lo que podría significar que su recopilación de datos estaba sesgada. Limitaciones similares están presentes entre las escalas de adicción a teléfonos inteligentes existentes también. Kwon et al. [ 36 ] había desarrollado una escala basada en los ítems de la escala K y las características del dispositivo inteligente, e informó que la escala tenía un alfa de Cronbach de .91. Sin embargo, debe tenerse en cuenta que la recopilación de datos se llevó a cabo en dos escuelas ubicadas en una región particular de Corea, lo que genera dudas sobre el valor de confiabilidad de su escala. Por lo tanto, el SAPS de este estudio puede considerarse más confiable en comparación con las escalas existentes, ya que se desarrolló sobre la base de los datos recopilados de 795 estudiantes en toda Corea en proporción a la distribución de la población real de la nación.

SAPS parecía estar estructurado de manera válida en torno a cuatro subdominios (funciones adaptativas, abstinencia, tolerancia y orientación a la vida virtual) de la adicción a los teléfonos inteligentes. Para decidir los subdominios de la escala, se examinaron investigaciones previas con especial atención a los estudios sobre escalas de adicción a Internet y los criterios de diagnóstico para otras adicciones conductuales. Se incluyeron factores que comúnmente aparecen entre estos estudios, así como factores que reflejan las características de los teléfonos inteligentes. Se realizó un análisis factorial confirmatorio utilizando AMOS 7.0 para verificar la validez de constructo de la escala. Finalmente, se verificaron las correlaciones entre SAPS y KS-II (una escala de adicción a Internet) así como entre SAPS y la Escala de Problemas de Salud Mental para confirmar la validez de criterio de SAPS.

Las escalas de adicción a Internet desarrolladas y validadas en varios países varían en sus estructuras de factores. Canan et al. [ 40 ] desarrolló una escala de adicción a Internet para adolescentes turcos y encontró que sus elementos se agruparon como un factor. Del mismo modo, Khazaal et al. [ 41 ] desarrolló una escala de adicción a Internet para adultos franceses y descubrió que sus elementos se agrupaban como un solo factor. Sin embargo, otros estudios han informado que los ítems de su escala de adicción a Internet se agruparon en varios factores, como la obsesión, la negligencia y el trastorno de control. [ 42 ] [ 43 ]. La escala K más utilizada en Corea también se compone de muchos factores, como funciones de adaptación, retraimiento, tolerancia y orientación a la vida virtual. Como tal, los estudiosos parecen estar en desacuerdo sobre los subdominios de las escalas de adicción a Internet, lo que implica que la estructura factorial de las escalas de adicción a Internet puede no ser bastante estable.

Las limitaciones de este estudio y las sugerencias para futuros estudios son las siguientes.

En primer lugar, la "tolerancia", un subdominio de SAPS, así como las escalas de adicción a Internet, no es un factor central de la adicción según Charlton y Danforth [ 45 ]. En otras palabras, el uso de Internet durante muchas horas no puede ser un criterio para la adicción hasta que tal comportamiento tenga consecuencias negativas. [ 35 ]. Dado que los teléfonos inteligentes son dispositivos que las personas llevan consigo y usan en todas partes, la tolerancia puede no ser el factor central de la adicción a los teléfonos inteligentes. Esto requiere encuestas adicionales a nivel nacional y análisis de datos sobre este tema. Además, la validación de la escala podría mejorarse, por ejemplo, administrando la escala a poblaciones de jóvenes adictos y no adictos para examinar la validez discriminante de la escala.

A continuación, SAPS para jóvenes puede utilizarse ampliamente en la investigación sobre adicciones a los teléfonos inteligentes que está ganando impulso en estos días. Los dispositivos de medios digitales de hoy se han desarrollado rápidamente desde formularios basados ​​en PC hasta teléfonos inteligentes y varias tabletas. En otras palabras, los medios existentes y los medios recientes están pasando por un proceso de competencia y sustitución. Dado que los jóvenes en estos días son considerados nativos digitales [ 46 ] Quienes aceptan y usan activamente los medios más actualizados. [ 32 ]Parece urgente investigar los posibles efectos secundarios del uso de los medios en su salud mental. El uso excesivo de los medios digitales puede traer consecuencias negativas en los aspectos físicos, psicológicos y sociales de la vida de los adolescentes, e incluso puede desencadenar conductas delictivas. Por ejemplo, Kross et al. [ 33 ] encontró que el uso de Facebook no es útil para la interacción social y se asocia con bajos niveles de bienestar psicológico subjetivo. Por lo tanto, la investigación sobre los síntomas de la adicción a los teléfonos inteligentes, así como los efectos de la adicción a los teléfonos inteligentes en la salud mental de los adolescentes, es necesaria, y SAPS puede ser bien utilizado en tal esfuerzo.

Contribuciones de autor

Concebido y diseñado los experimentos: DK YHL. Analicé los datos: JYL YJC. Reactivos aportados / materiales / herramientas de análisis: DK YHL. Escribió el papel: DK YHL JYL JEKN YJC.

Referencias

  1. 1. Chen J, Yen D, Chen K (2009) La aceptación y difusión del uso innovador de teléfonos inteligentes. Información y Gestión 46: 241 – 248. doi: 10.1016 / j.im.2009.03.001
  2. 2. Lapidot-Lefler N, Barak A (2012) Efectos del anonimato, la invisibilidad y la falta de contacto visual sobre la desinhibición tóxica en línea. Computadoras en comportamiento humano 28: 434 – 443. doi: 10.1016 / j.chb.2011.10.014
  3. Ver artículo
  4. PubMed / NCBI
  5. Google Scholar
  6. Ver artículo
  7. PubMed / NCBI
  8. Google Scholar
  9. Ver artículo
  10. PubMed / NCBI
  11. Google Scholar
  12. Ver artículo
  13. PubMed / NCBI
  14. Google Scholar
  15. 3. Suler J (2004) El efecto de desinhibición en línea. CyberPsychology & Behavior 7: 321–326. doi: 10.1089 / 1094931041291295
  16. Ver artículo
  17. PubMed / NCBI
  18. Google Scholar
  19. Ver artículo
  20. PubMed / NCBI
  21. Google Scholar
  22. 4. Sohn S (2005) Competencia y sustitución de medios digitales: patrones de uso de noticias, deportes y contenido para adultos. Diario de Cibercomunicación 16: 273 – 308.
  23. Ver artículo
  24. PubMed / NCBI
  25. Google Scholar
  26. 5. Song Y, Oh S, Kim E, Na E, Jung H, Park S (2007) Patrones de usuarios de medios de adolescentes en un entorno multimedia: una evaluación de las diferencias de género y de ingresos. Diario de la investigación de la comunicación 46 (2): 33 – 65.
  27. Ver artículo
  28. PubMed / NCBI
  29. Google Scholar
  30. Ver artículo
  31. PubMed / NCBI
  32. Google Scholar
  33. Ver artículo
  34. PubMed / NCBI
  35. Google Scholar
  36. Ver artículo
  37. PubMed / NCBI
  38. Google Scholar
  39. Ver artículo
  40. PubMed / NCBI
  41. Google Scholar
  42. Ver artículo
  43. PubMed / NCBI
  44. Google Scholar
  45. 6. Informe de la Agencia Nacional de la Sociedad de la Información (2011) sobre el desarrollo de la Escala de Aditud de Adicción a los Teléfonos Inteligentes de Corea para Jóvenes y Adultos.
  46. Ver artículo
  47. PubMed / NCBI
  48. Google Scholar
  49. 7. Skierkowski D, Wood RM (2012) ¿Texto o no texto? La importancia de los mensajes de texto entre los jóvenes en edad universitaria. Computadoras en comportamiento humano 28: 744 – 756. doi: 10.1016 / j.chb.2011.11.023
  50. Ver artículo
  51. PubMed / NCBI
  52. Google Scholar
  53. Ver artículo
  54. PubMed / NCBI
  55. Google Scholar
  56. Ver artículo
  57. PubMed / NCBI
  58. Google Scholar
  59. 8. Lee H (2008) Exploración de las variables predictivas que afectan el uso adictivo del teléfono móvil. La Revista Coreana de Psicología Social y de la Personalidad 22 (1): 133 – 157.
  60. Ver artículo
  61. PubMed / NCBI
  62. Google Scholar
  63. 9. Informe de la Agencia Nacional de la Sociedad de la Información (2010): Plan de mejora de la legislación sobre prevención y solución de la adicción a Internet.
  64. Ver artículo
  65. PubMed / NCBI
  66. Google Scholar
  67. Ver artículo
  68. PubMed / NCBI
  69. Google Scholar
  70. Ver artículo
  71. PubMed / NCBI
  72. Google Scholar
  73. 10. Young KS (1998) Psicología del uso de la computadora: Uso adictivo de internet: un caso que rompe el estereotipo. Informes psicológicos 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
  74. 11. Goldberg I (1996). Desorden de adicción al internet. Mensaje electrónico publicado en la lista de discusión de la investigación. http://users.rider.edu/~suler/psycyber/s​upportgp.html (accedido a abril 20, 2011).
  75. Ver artículo
  76. PubMed / NCBI
  77. Google Scholar
  78. Ver artículo
  79. PubMed / NCBI
  80. Google Scholar
  81. 12. Kang H, Son C (2009) Desarrollo y validación de la Escala de adicción a teléfonos móviles para adolescentes. Revista Coreana de Psicología de la Salud 14 (3): 497 – 510.
  82. Ver artículo
  83. PubMed / NCBI
  84. Google Scholar
  85. Ver artículo
  86. PubMed / NCBI
  87. Google Scholar
  88. Ver artículo
  89. PubMed / NCBI
  90. Google Scholar
  91. Ver artículo
  92. PubMed / NCBI
  93. Google Scholar
  94. Ver artículo
  95. PubMed / NCBI
  96. Google Scholar
  97. Ver artículo
  98. PubMed / NCBI
  99. Google Scholar
  100. Ver artículo
  101. PubMed / NCBI
  102. Google Scholar
  103. Ver artículo
  104. PubMed / NCBI
  105. Google Scholar
  106. Ver artículo
  107. PubMed / NCBI
  108. Google Scholar
  109. Ver artículo
  110. PubMed / NCBI
  111. Google Scholar
  112. Ver artículo
  113. PubMed / NCBI
  114. Google Scholar
  115. Ver artículo
  116. PubMed / NCBI
  117. Google Scholar
  118. Ver artículo
  119. PubMed / NCBI
  120. Google Scholar
  121. Ver artículo
  122. PubMed / NCBI
  123. Google Scholar
  124. Ver artículo
  125. PubMed / NCBI
  126. Google Scholar
  127. 13. Choliz M (2010) Adicción al teléfono móvil: un punto problemático. Adicción 105 (2): 373 – 375. doi: 10.1111 / j.1360-0443.2009.02854.x
  128. 14. Zsolt D, Beatrix S, Sandor R (2008) El modelo de tres factores de la adicción a Internet: el desarrollo del cuestionario de uso de Internet problemático. Métodos de investigación de comportamiento 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
  129. 15. Kim D, Tae J (2010) Un estudio sobre las experiencias de mediación de los usuarios de teléfonos inteligentes. Revista de la Sociedad de Contenido de Humanidades de Corea 19: 373 – 394.
  130. 16. Kim D, Lee C (2010) Tendencias tecnológicas de la interfaz de usuario de teléfonos inteligentes. Revisión de la Sociedad de Ciencias de la Información de Corea 28 (5): 15 – 26.
  131. 17. Hwang H, Sohn S, Choi Y (2011) Exploración de los factores que afectan la adicción a los teléfonos inteligentes: características de los usuarios y atributos funcionales. Korean Journal of Broadcasting 25 (2): 277–313.
  132. 18. Kim M (2011) Estudio sobre la relación en línea y fuera de línea de los usuarios de redes sociales de teléfonos inteligentes: centrado en Twitter. La Escuela de Graduados de la Universidad de Mujeres de Ewha. Tesis de maestría.
  133. 19. Noh M, Kim J, Lee J (2010) Análisis de Smartphone y Convergencia de Funciones a través de Association Analysis. Revista de la Sociedad de Sistemas de Información de Gestión de Corea 1: 254 – 259.
  134. 20. Apple Pty Ltd. (2011). Características del iPhone. http://www.apple.com/au/iphone/features/ Accedió a Mar 19 2011.
  135. 21. Kim J (2010) La evolución del servicio de Internet móvil. Revisión de estándares y tecnología de OSIA 38 (1): 4–12.
  136. 22. Park I, Shin D (2010) Uso de la Teoría de Usos y Gratificaciones para entender el uso y las gratificaciones de los teléfonos inteligentes. Revista de Ciencias de la Comunicación 10 (4): 192 – 225.
  137. 23. Choi WS (2010) Estudio sobre la importancia de las características funcionales de los teléfonos inteligentes. Journal of Information Technology Application & Management 1: 289–297.
  138. 24. Informes Digieco (2010) Un análisis del efecto socioeconómico del iPhone. Instituto de Investigación KT Management Economics.
  139. 25. Koh Y, Lee H (2010) Un estudio sobre los cambios en los patrones de comportamiento en usuarios de teléfonos inteligentes por los usuarios tempranos de iPhone. Diario de Commodity Science 28 (1): 111 – 120.
  140. 26. Casey BM (2012) vincula los atributos psicológicos con la adicción a los teléfonos inteligentes, la comunicación cara a cara, la ausencia actual y el capital social. Proyecto de Graduación, Escuela de Graduados de la Universidad China de Hong Kong.
  141. 27. Bianchi A, Phillips JG (2005) Predictores psicológicos del uso problemático de teléfonos móviles. CyberPscyhology, comportamiento y redes sociales 8 (1): 2152 – 2715.
  142. 28. Horvath CW (2004) Medición de la adicción a la televisión. Revista de difusión y medios electrónicos 48 (3): 378 – 398. doi: 10.1207 / s15506878jobem4803_3
  143. 29. Kim DI, Chung Y, Lee E, Kim DM, Cho Y (2008) Desarrollo de la Escala de Propensión a la Adicción a Internet - Forma corta. La Revista Coreana de Consejería 9 (4): 1703 – 1722.
  144. 30. Kim DI (2005). Gran Test de Personalidad 5 para Niños y Adolescentes. Seúl, Corea: Hakjisa.
  145. 31. Informe de la Agencia Nacional de la Sociedad de la Información (2011): Tercera estandarización de la Escala de adicción a la adicción a Internet de Corea
  146. 32. Kim DI, Lee YH, Lee JY, Kim MC, Keum CM, et al. (2012) Nuevos patrones en la adicción a los medios: ¿Es el teléfono inteligente un sustituto o un complemento de Internet? La Revista Coreana de Consejería Juvenil 20 (1): 71 – 88.
  147. 33. Kross E, Verduyn P, Demiralp E, Park J, et al. (2013) El uso de Facebook predice declinaciones en el bienestar subjetivo en adultos jóvenes. PLoS ONE 8 (8): e69841. doi: 10.1371 / journal.pone.0069841
  148. 34. Informe de Shin K, Kim DI, Chung Y (2011): Desarrollo de la Escala de adicción a la adicción a teléfonos inteligentes de Corea para jóvenes y adultos. Agencia Nacional de la Sociedad de la Información.
  149. 35. Griffiths MD (2010) El uso de metodologías en línea en la recopilación de datos para juegos y adicciones a juegos. Revista Internacional de Salud Mental y Adicciones 8: 8 – 20. doi: 10.1007 / s11469-009-9209-1
  150. 36. Kwon M, Kim DJ, Cho H, Yang S (2013) La escala de adicción a teléfonos inteligentes: desarrollo y validación de una versión corta para adolescentes. PLoS ONE 8 (12): e83558 doi: 10.1371 / journal.pone.0083558.
  151. 37. Beard KW, Wolf EM (2001) Modificación en los criterios de diagnóstico propuestos para la adicción a Internet. CyberPsychology & Behavior. 4 (3): 377–383. doi: 10.1089 / 109493101300210286
  152. 38. Young KS (1996) Uso adictivo de internet: un caso que rompe el estereotipo. Informes psicológicos 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
  153. 39. Widyanto L, McMurren M (2004) Las propiedades psicométricas de la prueba de adicción a Internet. CyberPsychology & Behavior 7 (4): 443–450. doi: 10.1089 / cpb.2004.7.443
  154. 40. Canan F, Ataoglu A, Nichols LA, Yildirim T, Ozturk O (2010) Evaluación de las propiedades psicométricas de la escala de adicción a Internet en una muestra de estudiantes turcos de escuela secundaria. Ciberpsicología, comportamiento y redes sociales 13 (3): 317 – 320. doi: 10.1089 / cyber.2009.0160
  155. 41. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Validación francesa de la prueba de adicción a Internet. CyberPsychology & Behavior 11 (6): 703–706. doi: 10.1089 / cpb.2007.0249
  156. 42. Demetrovics Z, Szereredi B, Rozsa S (2008) El modelo de tres factores de la adicción a Internet: el desarrollo del cuestionario de uso problemático de Internet. Métodos de investigación de comportamiento 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
  157. 43. Kelley KJ, Gruber EM (2010) Propiedades psicométricas del Cuestionario de uso problemático de Internet. Computadoras en comportamiento humano 26: 1838 – 1845. doi: 10.1016 / j.chb.2010.07.018
  158. 44. Greenfield DN (1999) Características psicológicas del uso compulsivo de Internet: un análisis preliminar. CyberPsychology & Behavior 8 (5): 403–412. doi: 10.1089 / cpb.1999.2.403
  159. 45. Charlton JP, Danforth IDW (2007) Distinción de adicción y alto compromiso en el contexto de los juegos en línea. Computadoras en comportamiento humano 23 (3): 1531 – 1548. doi: 10.1016 / j.chb.2005.07.002
  160. 46. Prensky M (2001) nativos digitales, inmigrantes digitales parte 1. En el Horizon 9: 1 – 6. doi: 10.1108 / 10748120110424816
  161. 47. Park W (2005) Adicción al teléfono móvil. Comunicaciones móviles. Trabajo cooperativo soportado por computadora vol. 31: 253 – 272. doi: 10.1007 / 1-84628-248-9_17
  162. 48. Kang H, Son C (2009) Desarrollo y validación de la Escala de adicción a teléfonos móviles para adolescentes. Revista coreana de psicología de la salud 14 (3): 497 – 510.
  163. 49. Koo H (2013) Desarrollo de una escala de adicción a teléfonos celulares para padres coreanos de niños pequeños. Investigación en Enfermería de Salud Infantil 19 (1): 29 – 38. doi: 10.4094 / chnr.2013.19.1.29
  164. 50. Keum C (2013) Investigación sobre la propensión a la adicción a los teléfonos inteligentes y el problema de salud mental en estudiantes de secundaria y preparatoria en Corea. Tesis de Maestría de la Universidad Nacional de Seúl.