¿Es beneficioso usar la comunicación por Internet para escapar del aburrimiento? La predisposición al aburrimiento interactúa con las ansias de anhelo y evitación inducidas por la señal para explicar los síntomas del trastorno de la comunicación por Internet (2018)

https://doi.org/10.1371/journal.pone.0195742

Compendio

El uso de aplicaciones de comunicación en línea que incluyen mensajeros (por ejemplo, WhatsApp) o servicios de redes sociales (por ejemplo, Facebook) en el teléfono inteligente se ha convertido en una práctica diaria para miles de millones de personas, por ejemplo, durante los tiempos de espera. Un número cada vez mayor de personas muestra un menor control sobre el uso de estas aplicaciones a pesar de las consecuencias negativas en la vida cotidiana. Esto se puede denominar trastorno de comunicación de Internet (ICD). El estudio actual investigó el efecto de la propensión al aburrimiento en los síntomas de un DAI. Además, examinó el papel mediador de los mecanismos cognitivos y afectivos, es decir, las expectativas para evitar sentimientos negativos en línea y el deseo inducido por la señal. Los resultados de un modelo de ecuación estructural (N = 148) ilustran que la propensión al aburrimiento es un factor de riesgo para el desarrollo y mantenimiento de un ICD ya que tuvo un efecto directo significativo en los síntomas de ICD. Además, la predisposición al aburrimiento predijo las expectativas de evitación, así como el deseo inducido por la señal. Ambos a su vez aumentaron el riesgo de desarrollar tendencias de ICD. Además, ambas variables mediaron el efecto de la propensión al aburrimiento en el DAI e interactuaron entre sí. En resumen, los resultados demuestran que las personas que tienen una mayor susceptibilidad a experimentar aburrimiento muestran mayores expectativas de evitar emociones negativas en línea, lo que promueve mayores reacciones de deseo cuando se enfrentan a señales específicas (por ejemplo, un mensaje entrante), y podrían dar lugar a tendencias de DAI.

Cita: Wegmann E, Ostendorf S, Marca M (2018) ¿Es beneficioso utilizar la comunicación por Internet para escapar del aburrimiento? La predisposición al aburrimiento interactúa con las ansias de anhelo y evitación inducidas por la señal para explicar los síntomas del trastorno de la comunicación por Internet. PLoS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Editor: Phil Reed, Swansea University, REINO UNIDO

Recibido: Noviembre 22, 2017; Aceptado: Marzo 28, 2018; Publicado: Sábado, Abril 19, 2018

Copyright: © 2018 Wegmann 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.

Disponibilidad de datos: Todos los datos relevantes están dentro del documento y sus archivos de información de respaldo.

Fondos: Los autores no recibieron financiación específica para este trabajo.

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

Introducción

Con el lanzamiento del teléfono inteligente hace más de diez años, la cantidad de personas que lo usan en la vida cotidiana sigue aumentando. Se prevé que la cantidad de usuarios de teléfonos inteligentes en todo el mundo alcance 2.32 billones en 2017, y se espera que alcance a 2.87 billones de usuarios en 2020 [1]. Entre otras, las aplicaciones en línea más populares utilizadas en el teléfono inteligente son las aplicaciones de comunicación en línea. Permiten a los usuarios tener contacto directo con otros, mantenerse conectados con amigos distantes y compartir información personal, fotos o videos [2, 3]. El término 'aplicaciones de comunicación en línea' incluye aplicaciones muy populares como el servicio de mensajería instantánea WhatsApp con más de 1.3 mil millones de usuarios activos cada mes [4] o servicios de redes sociales como Facebook con 2 mil millones de usuarios activos mensuales [5]. Además de las muchas ventajas de la comunicación por Internet y el uso del teléfono inteligente en general, hay una cantidad creciente de personas que experimentan consecuencias negativas debido al uso excesivo y prolongado de estas aplicaciones [2, 6–8]. Especialmente la disponibilidad de diferentes dispositivos móviles y el acceso fácil y permanente a dichas aplicaciones permite a las personas interactuar y comunicarse con otras personas a lo largo del día, en cualquier momento, en cualquier lugar [9, 10]. Este comportamiento puede llevar a un uso patológico y compulsivo, que es comparable a otras adicciones del comportamiento o trastornos por el uso de sustancias como lo sugieren varios estudios e investigadores [7, 8].

Correlatos cognitivos y afectivos del trastorno de la comunicación por Internet.

El uso creciente de Internet en todo el mundo lleva a la investigación a más y más estudios que se centran en el trastorno del uso de Internet como un tipo específico de adicción conductual [2, 7, 11]. Además, algunos estudios sugieren un tipo específico de trastorno de uso de Internet, el trastorno de comunicación de Internet (ICD). ICD describe el uso adictivo de las aplicaciones de comunicación en línea [6–8, 12]. Los síntomas de un DAI, que se derivan de las características de un trastorno de uso de Internet, se definen como pérdida de control, recaída, síntomas de abstinencia, preocupación, negligencia en los intereses, tolerancia y consecuencias negativas en la vida social, profesional o personal [6, 7, 13, 14]. Davis [12] ofreció el primer modelo teórico que describe los mecanismos de un uso patológico inespecífico de Internet, así como de un trastorno específico del uso de Internet. Más recientemente, Brand, Young [7] introdujo un nuevo modelo teórico, el modelo de interacción de persona-afecto-cognición-ejecución (I-PACE), que resume los mecanismos potenciales del desarrollo y mantenimiento de trastornos específicos del uso de Internet, como el ICD. El modelo I-PACE ilustra la interacción de las características principales de la persona, así como los componentes afectivos, cognitivos y ejecutivos. Sugiere que las características principales de la persona, como la personalidad, las cogniciones sociales, los síntomas psicopatológicos, los factores biopsicológicos y las predisposiciones específicas afectan la percepción subjetiva de una situación. Esta percepción está formada por factores tales como la confrontación con las señales relacionadas con la adicción, el estrés, los conflictos personales, el estado de ánimo anormal y las respuestas afectivas y cognitivas individuales. Entre estos últimos se incluyen la reactividad al cue, el ansia, el sesgo de atención o más sesgos cognitivos relacionados con Internet y el estilo de afrontamiento disfuncional. Se supone que estos factores afectivos y cognitivos individuales median o moderan el efecto de las características principales de una persona en el desarrollo y mantenimiento de un trastorno de uso de Internet específico. Marca, joven [7] ilustran que el efecto de las respuestas afectivas y cognitivas interactúa con factores ejecutivos, como el control inhibitorio. La decisión de usar una determinada aplicación para experimentar la gratificación o la compensación puede llevar a un uso excesivo de esa aplicación, reforzando así las predisposiciones específicas así como factores afectivos, cognitivos y ejecutivos similares a un círculo vicioso (para una descripción más detallada del modelo y una descripción detallada de los estudios empíricos, ver [7]).

Los estudios anteriores ya demostraron que el efecto de los síntomas psicopatológicos, como la depresión y la ansiedad social, y el efecto de los aspectos de la personalidad, como la vulnerabilidad al estrés, la autoestima y la autoeficacia, en las tendencias de un DCI están mediados por cogniciones específicas. como un estilo de afrontamiento disfuncional y expectativas de uso de Internet [8, 15]. Wegmann, Oberst [16] demostró que especialmente las expectativas de evitación, incluido el deseo de escapar de la realidad, distraerse de los problemas de la vida real o evitar la soledad, son relevantes para explicar los síntomas de la CIE. Marca, Laier [17] así como Trotzke, Starcke [18] mostró que las altas expectativas en el uso de aplicaciones específicas como una posibilidad de experimentar placer o distraerse de los problemas median la relación entre los aspectos personales y un trastorno generalizado (no específico) del uso de Internet, así como un trastorno de las compras por Internet, respectivamente.

Además del concepto de expectativas de uso de Internet, Brand, Young [7] argumentan además que la reactividad y el deseo de cue parecen ser construcciones importantes dentro del desarrollo y mantenimiento de un uso patológico de aplicaciones específicas. Este supuesto se basa en investigaciones anteriores sobre trastornos por uso de sustancias (consulte los resultados, por ejemplo, en [19] así como otras adicciones de comportamiento [20], que muestran que los adictos son vulnerables a los estímulos relacionados con la adicción que activan áreas de procesamiento de recompensas en el cerebro [21–25]. El anhelo describe el deseo o la necesidad de tomar drogas o mostrar un comportamiento adictivo repetidamente [26, 27]. El concepto de cue-reactividad y deseo se ha transferido al estudio de las adicciones del comportamiento. Los correlatos de comportamiento de la reactividad al cue y el antojo ya se han observado en el trastorno de las compras por Internet [18], Trastorno de visualización de la pornografía en internet [28, 29], Trastorno del juego en internet [30, 31], Trastorno del juego en internet [32, 33], y ICD [34].

Si bien los estudios enfatizan el importante papel de estos componentes afectivos (cue-reactividad y ansia) y cognitivos (expectativas relacionadas con Internet) en el desarrollo y mantenimiento de un trastorno de uso de Internet específico, la interacción de estos factores, que se postula en el I -El modelo PACE, sigue sin estar claro. El estudio actual se basa en algunas suposiciones principales del modelo I-PACE, especialmente los efectos de mediación de los mecanismos afectivos y cognitivos en la relación entre las características principales de la persona y los síntomas de un DCI. El objetivo de este estudio es investigar el efecto de las características principales de la persona en la DAI mediada por sesgos cognitivos relacionados con Internet (por ejemplo, expectativas de uso de Internet) y sesgos afectivos (por ejemplo, ansia inducida por la señal). Basado en Wegmann, Oberst [16], asumimos que el efecto de la expectativa de evitar emociones negativas mediante el uso de aplicaciones de comunicación en línea está mediado por el deseo inducido por la señal, como se describe en el modelo de Brand, Young [7]. Como segundo objetivo del estudio, nos centramos en la investigación del papel de la susceptibilidad al aburrimiento en el ICD. Por lo tanto, nos gustaría comprender mejor la relación entre las características principales de la persona y los síntomas de un trastorno de uso de Internet específico, que aún no se ha investigado en el contexto de la CIE.

La propensión al aburrimiento como predictor de un DAI

La conceptualización del aburrimiento está determinada por diferentes factores situacionales e individuales [35]. El aburrimiento en sí mismo podría describirse como un estado mental negativo o conflicto interno entre una experiencia esperada y una percibida [36, 37]. Brissett y la nieve [38] definió el aburrimiento como un estado de "subestimulación, falta de excitación y falta de participación psicológica asociada con la insatisfacción, y los individuos tratan de lidiar con el aburrimiento buscando una estimulación adicional" [39]. Este estado también se asocia con sentimientos desagradables, de los cuales los individuos intentan escapar [40, 41]. La propensión meramente aburrida se define como rasgo aburrimiento. El constructo de la propensión al aburrimiento es a menudo "operacionalizado como la susceptibilidad de un individuo a experimentar aburrimiento" [35]. Además, la propensión al aburrimiento incluye la dificultad de un individuo para atraer la atención hacia un estímulo, para ser consciente de este déficit de atención, así como para tratar de reducir la experiencia del aburrimiento como estado [35, 42].

Varios estudios enfatizan la relevancia clínica de la propensión al aburrimiento al ilustrar que el aburrimiento (propensión) está relacionado con el consumo de alcohol [43], el uso de sustancias psicoactivas [44], índices de depresión y ansiedad [35], y problemas de salud en general [45]. Zhou y Leung [46] mostró que el aburrimiento de ocio está relacionado con conductas de riesgo como la delincuencia, la actividad de sensación extrema y el abuso de drogas [36, 46, 47]. Como una posible explicación de la relación entre la propensión al aburrimiento y el uso de sustancias (por ejemplo, beber alcohol), Biolcati, Passini [48] investigó los efectos potenciales de mediación de las expectativas hacia el consumo de alcohol. Los resultados ilustraron que el efecto de la propensión al aburrimiento en el comportamiento de beber en exceso está mediado por la expectativa de escapar del aburrimiento, escapar de los problemas y hacer frente a los sentimientos negativos [48]. Además, la investigación empírica sobre diferentes adicciones de comportamiento o comportamientos patológicos explica la relevancia del aburrimiento para comportamientos de riesgo. Por ejemplo, Blaszczynski, McConaghy [49] mostró que los individuos con trastorno de juego obtuvieron mejores calificaciones en las medidas de aburrimiento en comparación con los no jugadores. El juego parece ser una posibilidad para evitar o reducir estados negativos o estados de ánimo. Esto es consistente con los resultados reportados por Fortune and Goodie [50] que ilustra que el juego patológico está asociado con la susceptibilidad al aburrimiento, que es una subescala de la Forma V de la Escala de Búsqueda de Sensaciones de Zuckerman, Eysenck [51].

Como se describió anteriormente, el uso de teléfonos inteligentes en la vida cotidiana resulta de un acceso fácil y permanente que permite la comunicación y el entretenimiento continuos [2, 52]. Nuestra hipótesis es que la posibilidad de tener una estimulación duradera conduce a un uso excesivo y que consume mucho tiempo del teléfono inteligente y las aplicaciones de comunicación en línea. Del mismo modo, evitar los sentimientos de aburrimiento parece ser la principal motivación para usar Internet [53]. Lin, Lin [37] mostró que la propensión al aburrimiento y una alta participación en Internet aumentan la probabilidad de un trastorno del uso de Internet. Los autores enfatizan que Internet parece ser una posibilidad de buscar excitación y placer, lo que eleva el nivel de un uso patológico. Esto es consistente con investigaciones anteriores que enfatizan la relación entre un trastorno de uso de Internet y una mayor inclinación al aburrimiento [54–56]. Zhou y Leung [46] especificó esta relación y demostró que el aburrimiento es un predictor del uso patológico de los sitios de redes sociales, así como del comportamiento patológico del juego en los servicios de redes sociales. Elhai, Vasquez [42] ilustró que una mayor propensión al aburrimiento media el efecto de la depresión y la ansiedad en el comportamiento problemático de los teléfonos inteligentes. En general, asumimos que la propensión al aburrimiento como rasgo aburrimiento es un factor de riesgo personal con respecto al desarrollo de un ICD.

Resumen de los objetivos del estudio.

El presente estudio pretende contribuir a una mejor comprensión de los mecanismos afectivos y cognitivos subyacentes con respecto a los síntomas de un DAI. Nuestras suposiciones se basan en estudios anteriores, que informaron el efecto de la propensión al aburrimiento en conductas de riesgo como el abuso de sustancias [57], factores de riesgo para la salud [46], juego patológico [50], o trastorno del uso de internet [37, 54]. Suponemos que las personas que tienen una mayor susceptibilidad a experimentar aburrimiento y que usan el teléfono inteligente repetidamente como una estrategia de adaptación inadaptada tienen más probabilidades de desarrollar un uso patológico de las aplicaciones de comunicación en línea. De acuerdo con el modelo I-PACE de Brand, Young [7], suponemos que el efecto de la propensión al aburrimiento está mediado por cogniciones específicas. Además y basado en el estudio de Biolcati, Passini [48] también asumimos que especialmente las personas que tienen una mayor inclinación al aburrimiento, así como las expectativas de evitar las emociones negativas mediante el uso de aplicaciones de comunicación en línea, experimentan más consecuencias negativas debido al uso de dichas aplicaciones. Como objetivo adicional, investigamos los efectos de las respuestas afectivas y cognitivas. El modelo I-PACE sugiere que el efecto de la expectativa de evitación en los síntomas de ICD está mediado por experiencias de mayor deseo. En general, el efecto de mediación del deseo inducido por la señal también podría ser relevante para el efecto de mediación de las expectativas de evitación entre la propensión al aburrimiento y la DAI. Fig 1 Resume las hipótesis en un modelo de ecuación estructural.

Fig. 1. Modelo hipotético.

El modelo hipotetizado para analizar los efectos directos e indirectos sugeridos, incluidas las variables latentes de la CIE.

https://doi.org/10.1371/journal.pone.0195742.g001

Métodos

Participantes y procedimiento.

Ciento cuarenta y ocho participantes de edades comprendidas entre 18 y 60 años (M = 25.61, SD = 8.94) participó en el presente estudio. De estos, 91 eran hembras y 57 eran machos. Todos los participantes eran usuarios de aplicaciones de comunicación en línea, que iban desde dos hasta 19 años de uso (M = 8.09, SD = 3.09). La aplicación de comunicación en línea WhatsApp fue la aplicación más utilizada (97.97% de todos los participantes), seguida de Facebook (78.38% de todos los participantes), Facebook Messenger (62.84% de todos los participantes) e Instagram (53.38% de todos los participantes) . Otras aplicaciones de comunicación en línea como Twitter, iMessage, Snapchat o Skype fueron utilizadas por menos del 50% de todos los participantes. Los participantes gastan en promedio 125.41 minutos (SD = 156.49) por día usando WhatsApp, seguido de Instagram (M = 57.97, SD = 78.76), Snapchat (M = 53.71, SD = 65.40), y Facebook (M = 55.48, SD = 84.74). Todas las demás aplicaciones se utilizaron en promedio menos de 30 minutos por día.

Reclutamos la muestra en la Universidad de Duisburg-Essen (Alemania) a través de listas de correo, redes sociales en línea y recomendaciones de boca en boca. El estudio se realizó en un laboratorio, entorno individual. En primer lugar, los participantes fueron informados por escrito sobre el procedimiento y dieron su consentimiento por escrito. Les pedimos que cambiaran sus teléfonos inteligentes al modo vuelo y que lo mantuvieran en su bolsillo durante la participación. A partir de entonces, los participantes respondieron cuestionarios en línea y realizaron un paradigma de reactividad de señal así como otros paradigmas experimentales que no son relevantes para el manuscrito actual. Después de eso, los participantes respondieron a otros cuestionarios en línea, como la Escala de Aburrimiento de Aburrimiento, la Escala de Expectativas de Uso de Internet o la breve Prueba de Adicción a Internet, que se explicará a continuación. En general, el estudio duró aproximadamente una hora. Los estudiantes obtuvieron puntos de crédito por su participación. El comité de ética de la Universidad de Duisburg-Essen aprobó el estudio.

Instrumentos

Versión modificada de la breve prueba de adicción a Internet para el trastorno de la comunicación de Internet (s-IAT-ICD).

Pawlikowski, Altstötter-Gleich midieron las tendencias de un ICD con la versión corta de Internet Addiction Test (s-IAT).58]. Para este estudio utilizamos la versión modificada para ICD (s-IAT-ICD) [15]. La escala evalúa las quejas subjetivas en la vida cotidiana debido al uso de aplicaciones de comunicación en línea. Al principio, se da una definición de aplicaciones de comunicación en línea. Las instrucciones enfatizan que el término aplicaciones de comunicación en línea incluye el uso activo (por ejemplo, escribir nuevas publicaciones) y pasivo (por ejemplo, navegar y leer nuevas publicaciones) de redes sociales y blogs como Facebook, Twitter e Instagram. , así como mensajeros instantáneos como WhatsApp.

Los participantes deben calificar doce ítems en una escala Likert de cinco puntos (de 1 = “nunca” a 5 = “muy a menudo”). Se calculó una puntuación total entre doce y 60. Las puntuaciones> 30 indican un uso problemático de las aplicaciones de comunicación en línea, mientras que las puntuaciones> 37 indican un uso patológico de las aplicaciones de comunicación en línea. El cuestionario consta de dos factores (seis ítems cada uno): pérdida de control / gestión del tiempo (s-IAT-ICD 1: α = .849) y problemas sociales / ansias (s-IAT-ICD 2: α = .708). La consistencia interna general fue α = .842. Ambos factores representan la dimensión latente de la CIE en el modelo de ecuaciones estructurales.

Cue-reactividad y ansia.

Para investigar la reactividad y el deseo, se aplicó un paradigma de reactividad que consiste en doce imágenes relacionadas con las aplicaciones de comunicación en línea [34, 59]. Las señales visuales mostraron diferentes teléfonos inteligentes que muestran una conversación a través de diferentes aplicaciones de comunicación en línea. Los estímulos fueron probados y descritos en un estudio anterior realizado por Wegmann, Stodt [34]. En el estudio actual, los participantes calificaron cada imagen con respecto a la excitación, la valencia y la necesidad de usar el teléfono inteligente en una escala Likert de cinco puntos (desde 1 = "sin excitación / valencia / urgencia" a 5 = "alta excitación / valencia / urgencia" ). Presentación^® (Versión 16.5, www.neurobs.com) fue utilizado para la presentación de cue y calificaciones.

Además, utilizamos el Cuestionario del Deseo de Alcohol [60] modificado para uso de smartphone para evaluar el deseo [34]. El cuestionario se presentó antes y después del paradigma de reactividad de señal para medir el deseo de referencia (DAQ-ICD-línea de base), así como los posibles cambios de deseo después de la exposición a la señal (DAQ-ICD después del deseo). Por lo tanto, los participantes tuvieron que calificar los ítems 14 (por ejemplo, "Usar el teléfono inteligente sería satisfactorio en este momento") en una escala Likert de siete puntos (desde 0 = "desacuerdo total" a 6 = "acuerdo completo"). Después de invertir un elemento, calculamos la puntuación media [59]. Las consistencias internas fueron α = .851 para DAQ-ICD, deseo de referencia y α = .919 para DAQ-ICD después del deseo. En los siguientes análisis, el post-deseo DAQ-ICD y las calificaciones del paradigma de reactividad de señal se usaron para representar la dimensión latente del deseo inducido por señal en el modelo de ecuación estructural.

Versión modificada de la Escala de expectativas de uso de Internet para la comunicación en línea (IUES).

La Escala de Expectativas de Uso de Internet (IUES) [17] modificado para la comunicación en línea se utilizó para evaluar las expectativas de los participantes hacia el uso de aplicaciones de comunicación en línea [16]. El cuestionario contiene dos factores (seis elementos cada uno): refuerzo positivo (por ejemplo, "uso aplicaciones de comunicación en línea para experimentar placer"; IUES positivo: α = .838) y expectativas de evitación (por ejemplo, "uso aplicaciones de comunicación en línea para distraerme de los problemas "; IUES evitación α = .732). Los participantes tuvieron que calificar cada elemento en una escala Likert de seis puntos (de 1 = "totalmente en desacuerdo" a 6 = "totalmente de acuerdo"). Sobre la base de investigaciones anteriores y supuestos teóricos, solo la variable de expectativas de evitación fue relevante para los siguientes análisis.

Escala de mal humor corta aburrimiento (BPS).

La Escala de Proneness Corto Aburrimiento (BPS) por Struk, Carriere [61] se usó para evaluar la propensión al aburrimiento del rasgo. La escala consta de ocho elementos (p. Ej., "Se necesita más estímulo para que me mueva más que la mayoría de las personas"), que se calificaron en una escala Likert de siete puntos (de 1 = "totalmente en desacuerdo" a 7 = "totalmente de acuerdo ”). Se calculó un valor medio global. La consistencia interna fue α = .866.

Análisis estadístico

Los análisis estadísticos se llevaron a cabo utilizando SPSS 25.0 para Windows (IBM SPSS Statistics, lanzado 2017). Calculamos las correlaciones de Pearson para probar las relaciones bivariadas entre dos variables. Las correlaciones se interpretaron con más detalle utilizando tamaños de efecto. Basado en Cohen [62], Coeficiente de correlación de Pearson r ≥ .01 indica un pequeño, r ≥ .03 un medio, y r ≥ .05 un gran efecto. Los análisis del modelo de ecuación estructural (SEM) se calcularon utilizando Mplus 6 [63]. Para evaluar el ajuste del modelo del SEM, utilizamos la raíz cuadrada media residual estandarizada (SRMR; valores <.08 indican un buen ajuste con los datos), la raíz cuadrada del error de aproximación (RMSEA; valores <.08 indican un buen y <.10 un ajuste aceptable con los datos) e índices de ajuste comparativos (CFI y TLI; valores> .90 indican un ajuste aceptable y> .95 indican un buen ajuste con los datos) [64, 65]. También utilizamos el χ²-Prueba para comprobar si los datos derivan del modelo definido. Como un paso adicional para reducir los errores de medición para el SEM, usamos el método de parcelación de elementos para las variables que se representan como variables manifiestas. Este método permite construir las dimensiones latentes para estas variables en el SEM [66, 67]. Por lo tanto, verificamos las correlaciones entre los elementos de cada escala y luego creamos dos factores para las dimensiones latentes de los IUES y el BPS.

Resultados

Valores descriptivos y estadísticas multivariadas.

Los valores medios y las desviaciones estándar de todos los cuestionarios, así como las calificaciones del paradigma cue-reactivity, se pueden encontrar en Tabla 1. Las variables construidas de la parcelación del elemento se incluyen como valores adicionales. Tabla 2 Muestra las correlaciones bivariadas entre estas variables. Basado en las puntuaciones de corte de Pawlikowski, Altstötter-Gleich [58], Los participantes de 23 mostraron una problemática y siete participantes mostraron un uso patológico de aplicaciones de comunicación en línea, que se asocia con quejas subjetivas en la vida cotidiana debido al uso de estas aplicaciones y describe los síntomas de un ICD.

Tabla 1. Valores medios, desviaciones estándar y rango de las puntuaciones del s-IAT-ICD y las escalas aplicadas.

https://doi.org/10.1371/journal.pone.0195742.t001

Descargar:

• PPT

Diapositiva de PowerPoint

• PNG

Ampliar imagen

• TIFF

imagen original

Tabla 2. Correlaciones bivariadas entre las puntuaciones del s-IAT-ICD y las escalas aplicadas.

https://doi.org/10.1371/journal.pone.0195742.t002

El modelo de ecuación estructural.

El hipotético modelo de ecuación estructural, en un nivel latente, mostró un excelente ajuste con los datos (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). los χ²-Test también mostró un buen ajuste (χ² = 22.25, p =. 074, χ²/ df = 1.59). Todas las dimensiones latentes definidas estaban bien representadas por las variables manifiestas utilizadas. En el primer paso, los resultados indican que la propensión al aburrimiento (β = .384, SE =. 096, p ≤ .001), ansia inducida por la señal (β = .414, SE =. 102, p ≤ .001), y expectativas de evitación (β = .255, SE =. 109, p = .011) fueron predictores significativos de las tendencias de ICD. La propensión al aburrimiento también tuvo un efecto directo en el deseo inducido por la señal (β = .411, SE =. 100, p ≤ .001) y expectativas de evitación (β = .567, SE =. 084, p ≤ .001). Además, las expectativas de evitación fueron un predictor significativo del deseo inducido por la señal (β = .361, SE =. 107, p = .001). El efecto de la propensión al aburrimiento en los síntomas de un DCI fue mediado por el deseo inducido por la señal (β = .170, SE =. 058, p = .003) y por expectativas de evitación (β = .145, SE =. 063, p = .021). El efecto de las expectativas de evitación en las tendencias de CDI también estuvo mediado por el deseo inducido por la señal (β = .149, SE =. 059, p = .011). Además, la relación entre la propensión al aburrimiento y los síntomas de un DCI estuvo mediada por la expectativa de evitación y, además, por el deseo inducido por la señal (propensión al aburrimiento, la expectativa de evitación, el deseo inducido por la señal, CDI; β = .085, SE =. 037, p = .021); Sin embargo, esta mediación sólo tuvo un pequeño efecto. En general, el modelo analizado explicó significativamente 81.60% de la varianza de los síntomas de ICD. Fig 2 muestra el modelo con las cargas factoriales, los pesos β y los coeficientes.

Descargar:

• PPT

Diapositiva de PowerPoint

• PNG

Ampliar imagen

• TIFF

imagen original

Fig. 2. Resultados del modelo de ecuación estructural.

Los resultados del modelo de ecuación estructural con ICD como variable dependiente, incluidas las cargas factoriales en las variables latentes descritas y los pesos β adjuntos, p-valores, y residuos.

https://doi.org/10.1371/journal.pone.0195742.g002

Análisis adicionales

El modelo descrito anteriormente se basó en consideraciones teóricas y evidencia empírica adicional, como los modelos de ecuaciones estructurales de Wegmann, Stodt [15] y Wegmann y Brand [8]. Sin embargo, queríamos controlar posteriormente el modelo para otros posibles factores de influencia con el fin de comprender mejor los mecanismos subyacentes de un ICD. El primer tema que abordamos fue la estrecha asociación de la propensión al aburrimiento con la depresión y la ansiedad [35, 68, 69]. Un estudio actual de Elhai, Vásquez [42] ilustra que la relación entre los síntomas psicopatológicos y el uso problemático de teléfonos inteligentes está mediada por una mayor inclinación al aburrimiento. Evaluamos síntomas psicopatológicos como depresión (M = 0.53, SD = 0.53), sensibilidad interpersonal (M = 0.72, SD = 0.64), y ansiedad (M = 0.55, SD = 0.49) utilizando el cuestionario breve de inventario de síntomas de Derogatis [70]. Dado que las variables operacionalizando los síntomas psicopatológicos se correlacionaron significativamente con las otras variables del modelo actual (todas r≤ .448, todos p's ≤ .024), incluimos síntomas psicopatológicos (a saber, depresión, sensibilidad interpersonal y ansiedad) como una dimensión latente adicional en el modelo. Basado en el modelo de mediación de Elhai, Vásquez [42] verificamos si el efecto de la propensión al aburrimiento se basa en la construcción de síntomas psicopatológicos o si la propensión al aburrimiento describe un incremento estadístico propio como se enfatizó en estudios anteriores [35, 42, 68].

Como se ilustra en Fig 3, los resultados indican que los síntomas psicopatológicos desempeñan un papel crucial en el desarrollo y mantenimiento de un ICD, que está en línea con investigaciones anteriores [8, 15, 42]. Sin embargo, la relevancia de la propensión al aburrimiento como un importante predictor de los síntomas de un DAI no disminuye significativamente después de incluir los síntomas psicopatológicos en el modelo de ecuación estructural. Esto enfatiza que la propensión al aburrimiento y los síntomas psicopatológicos están relacionados, pero los constructos independientes cuyos efectos en las tendencias de un DCI están mediados por componentes cognitivos y afectivos. Los resultados del modelo de ecuación estructural adicional, incluidas las cargas factoriales en las variables latentes descritas y los pesos β adjuntos, p-los valores, y los residuos se resumen en Fig 3.

Fig. 3. Resultados del modelo de ecuación estructural adicional.

Los resultados del modelo de ecuación estructural con síntomas psicopatológicos como una variable predictiva adicional, incluidas las cargas factoriales en las variables latentes descritas y los pesos β adjuntos, p-valores y residuos (Abreviaturas: PP = síntomas psicopatológicos, PA = propensión al aburrimiento, AE = expectativas de evitación, CRAV = ansia inducida por la señal, ICD = trastorno de la comunicación por Internet).

https://doi.org/10.1371/journal.pone.0195742.g003

También consideramos la edad y el género como variables potenciales que pueden afectar la estructura del modelo actual. Por lo tanto, primero calculamos las correlaciones entre la edad y todas las demás variables. Los resultados indican pequeñas correlaciones (todas r's ≤ -.376). Estas correlaciones ilustran un patrón familiar en el que los participantes más jóvenes experimentan mayores quejas subjetivas en la vida cotidiana debido al uso excesivo de las aplicaciones de comunicación en línea. Como un paso adicional, controlamos nuestros datos para las diferencias de género mediante el uso de comparaciones de prueba t para muestras independientes. Los resultados mostraron que no hubo diferencias significativas entre los participantes masculinos y femeninos (p ≥ .319). El modelo de ecuación estructural con análisis adicional por género se calculó utilizando el análisis estructural medio como una forma de proceder [71]. Los índices de ajuste del modelo de ecuación estructural indican un buen ajuste con los datos (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Tanto para los participantes masculinos como femeninos encontramos patrones de resultados similares. Las participantes femeninas mostraron efectos de mediación similares a los ilustrados en el modelo de ecuación estructural hipotetizado. Para los machos, no encontramos ningún efecto directo de las expectativas de evitación a las tendencias de un DAI (β = .153, SE =. 133, p = .249), ningún efecto de mediación de las expectativas de evitación en la relación entre la propensión al aburrimiento y el ICD (β = .029, SE =. 030, p = .327), y no hay efecto de mediación del deseo en la relación entre la propensión al aburrimiento y los síntomas de un ICD (β = .073, SE =. 065, p = .262). Debido a los tamaños de muestra pequeños, especialmente con respecto a la muestra masculina, los resultados deben discutirse con precaución y deben controlarse en estudios posteriores.

Discusión

En el estudio actual, probamos la validez de un modelo teórico asumiendo las interacciones entre la propensión al aburrimiento y los componentes afectivos y cognitivos para explicar los síntomas de la DAI. El modelo de ecuación estructural, a nivel latente, produjo un ajuste excelente con los datos utilizando el método de parcelación de elementos para reducir los errores de medición. En conjunto, la propensión al aburrimiento y los efectos de mediación de los componentes cognitivos y afectivos, es decir, la expectativa de evitación y el deseo inducido por el indicio, explicaron el 81.60% de la varianza en los síntomas de ICD. Los resultados ilustran que la propensión al aburrimiento tiene un efecto directo en el desarrollo y mantenimiento de un ICD. Fue un importante predictor de las expectativas de evitar las emociones negativas y de escapar de la realidad, así como del deseo inducido por la señal. Estos componentes afectivos y cognitivos mediaron el efecto de la propensión al aburrimiento en el ICD. Los resultados enfatizan aún más la interacción de los mediadores mencionados, ya que el efecto de la expectativa de evitación en los síntomas de la CDI fue parcialmente mediado por el deseo inducido por la señal. Además, la mediación de las expectativas de evitación en la relación entre la propensión al aburrimiento y los síntomas de la CDI estuvo mediada por el deseo inducido por la señal.

Los resultados apoyan la hipótesis de que la relación entre la susceptibilidad al aburrimiento como parte de las características principales de la persona y la experiencia de las consecuencias negativas debidas a un uso excesivo de las aplicaciones de comunicación en línea está mediada por respuestas afectivas y cognitivas a estímulos externos relacionados con el contexto. , como señales visuales que muestran conversaciones a través de diferentes aplicaciones de comunicación en línea. Los resultados actuales amplían los hallazgos de estudios anteriores, que ya demostraron que los síntomas psicopatológicos (como la depresión o la ansiedad social) y los aspectos de la personalidad (como la vulnerabilidad al estrés o la autoestima) tienen un efecto sobre los síntomas de la DAI, que está mediada por cogniciones específicas. (como un estilo de afrontamiento disfuncional o expectativas de uso de Internet) [8, 15]. Los resultados son consistentes con el modelo teórico I-PACE propuesto por Brand, Young [7]. Un elemento central del modelo I-PACE es el efecto de las características centrales de la persona en la percepción subjetiva de una situación, por ejemplo, cuando se enfrenta a estímulos relacionados con la adicción, conflictos personales o estrés. La percepción subjetivamente coloreada de los elementos situacionales conduce a respuestas afectivas y cognitivas individuales, como la reactividad y el deseo, que se describen como el deseo de usar una determinada aplicación y reducir los estados afectivos negativos [20, 24]. Los resultados del estudio actual respaldan esta suposición al mostrar que los participantes que tienen una mayor susceptibilidad a experimentar aburrimiento (como una de las características principales de una persona) o que no pueden regular la atención hacia los estímulos [35], tienen un mayor riesgo de utilizar excesivamente las aplicaciones de comunicación en línea. Los resultados también son mejorados por el estudio de Elhai, Vasquez [42] así como por nuestro análisis adicional, que enfatiza que los síntomas psicopatológicos como la depresión, la sensibilidad interpersonal y la ansiedad podrían conducir a una mayor susceptibilidad al aburrimiento y a un mayor riesgo de un uso patológico de las aplicaciones de comunicación en línea. Este comportamiento se refuerza cuando las personas se enfrentan a estímulos específicos (relacionados con la comunicación con el teléfono inteligente) y experimentan el deseo de usar el teléfono inteligente o una aplicación de comunicación específica. Parece ser un hábito automático usar el teléfono inteligente después de ver un icono o escuchar el sonido de un mensaje entrante [34]. Los usuarios de aplicaciones de comunicación en línea podrían haber desarrollado ese hábito para tratar de lidiar con sentimientos desagradables como el aburrimiento y, por lo tanto, escapar de la experimentada falta de estimulación [20, 36].

El efecto de mediación de las expectativas de evitación en la relación de la propensión al aburrimiento y los síntomas de ICD apoya esta suposición. De manera similar al deseo inducido por el cue, los resultados demuestran que la susceptibilidad a experimentar aburrimiento conduce a la expectativa de evitar emociones negativas en línea y distraer de los problemas mediante el uso del teléfono inteligente o las aplicaciones de comunicación en línea. Esto está en línea con Biolcati, Passini [48] que muestra que la relación entre la propensión al aburrimiento y el comportamiento de beber en exceso está mediada por las expectativas de escapar de la estimulación insuficiente y de la realidad. Los autores asumen que, especialmente los adolescentes, que son más propensos a experimentar el aburrimiento en su tiempo libre, esperan escapar de las emociones negativas al beber alcohol, lo que refuerza el riesgo de una conducta de consumo excesivo de alcohol [48]. El comportamiento riesgoso parece ser una especie de mecanismo de adaptación inadaptado, en el que los individuos tratan de encontrar estrategias para reducir la propensión a experimentar aburrimiento [35, 39, 40]. Los resultados de Biolcati, Passini [48], Biolcati, Mancini [39], y Harris [40] ilustran las principales suposiciones del modelo I-PACE, como la hipótesis de que los individuos tratan de escapar de las emociones negativas o de manejar un estado anormal de ánimo, especialmente cuando se enfrentan a estímulos relacionados con la adicción, lo que podría llevar a la decisión de utilizar una determinada aplicación. Desde Zhou y Leung [46] ya descrita la asociación de la propensión al aburrimiento con los juegos en entornos de redes sociales, los resultados actuales especifican esta relación. La experiencia de gratificación o la estimulación en una situación de falta de excitación podría describirse como un factor importante que aumenta el riesgo de usar ciertas aplicaciones en línea debido a la expectativa de reducir los estados afectivos negativos en situaciones similares en varias ocasiones. Esto está en línea con los hallazgos de un estudio de neuroimagen realizado por Montag, Markowetz [72] que mostró los aspectos gratificantes del uso de Facebook a través de un teléfono inteligente y una mayor activación del estriado ventral cuando las personas pasan tiempo en los servicios de redes sociales.

El segundo objetivo del estudio fue investigar la interacción de las respuestas afectivas y cognitivas a los estímulos externos. Los estudios anteriores ya examinaron la relevancia de la reactividad al cue y el deseo [34] así como las expectativas de uso de Internet [8, 15] y especialmente las expectativas de evitación [16] para el desarrollo y mantenimiento de un ICD. La importancia de estos dos constructos ya se demostró para trastornos específicos del uso de Internet, como el trastorno de las compras por Internet o la compra patológica [18, 59], Trastorno de visualización de la pornografía en internet [29], Trastorno del juego en internet [30, 73, 74], o trastorno generalizado (no específico) del uso de Internet [17]. Según nuestro conocimiento, no hubo ningún estudio que investigara la interacción del deseo inducido por la señal y las expectativas de uso de Internet según la hipótesis del modelo I-PACE [7]. Los autores del modelo I-PACE asumen que las expectativas de uso de Internet predicen el deseo inducido por la señal, lo que tiene un efecto sobre los síntomas de un trastorno específico del uso de Internet. Por lo tanto, planteamos la hipótesis de que el deseo inducido por la señal actúa como un mediador entre las expectativas de uso de Internet (principalmente las expectativas de evitación) y los síntomas de ICD. La hipótesis es apoyada por los resultados actuales. Los resultados indican que los componentes afectivos y cognitivos interactúan entre sí, lo que enfatiza los mecanismos clave del modelo teórico. Las personas con cogniciones específicas relacionadas con Internet (por ejemplo, la expectativa de distraerse de los problemas, escapar de la realidad o evitar la soledad) parecen ser vulnerables a las señales relacionadas con la adicción y parecen experimentar mayores reacciones de deseo. Con respecto a los mecanismos de refuerzo propuestos en el modelo I-PACE, se asume que los individuos deciden usar sus aplicaciones de "primera elección" para distraerse de este estado negativo y experimentar gratificación o compensación. Esto aumenta el riesgo de perder el control sobre el uso de Internet [7]. Los resultados son un primer signo que señala la interacción entre las respuestas afectivas y cognitivas a los estímulos externos e internos. Dado que hay otros componentes como el sesgo de atención y las asociaciones implícitas, así como la relevancia del control inhibitorio y las funciones ejecutivas [7], las asociaciones entre estos factores deben investigarse con más detalle. Por lo tanto, los estudios futuros deberían centrarse en la ICD, pero también en otros trastornos específicos del uso de Internet.

Perspectivas e implicaciones

El uso de teléfonos inteligentes y aplicaciones de comunicación en línea en la vida cotidiana parece no ser problemático en general. Para la mayoría de las personas, es un hábito común usar el teléfono inteligente mientras se espera a otra persona o al tren, por ejemplo. Turel y Bechara [75] ilustran la relevancia de la impulsividad como factor de riesgo de un DAI también. En general, las aplicaciones de comunicación en línea parecen ser un buen ejemplo de la relación entre la propensión al aburrimiento y el uso patológico. Se puede suponer que la experiencia de gratificación y compensación mediante el uso de estas aplicaciones es un mecanismo clave en relación con el proceso de desarrollo de un ICD. Aunque los resultados son consistentes con los supuestos teóricos del modelo I-PACE por Brand, Young [7], el desarrollo de un comportamiento de comunicación en línea adictivo y los síntomas de la CDI, así como el papel de la propensión al aburrimiento y los componentes afectivos y cognitivos adicionales deben investigarse en los estudios longitudinales. Por lo tanto, se necesita más investigación, especialmente con respecto a los mecanismos específicos de refuerzo.

Teniendo en cuenta esto, además de la susceptibilidad de experimentar el aburrimiento, la investigación también debe centrarse en la situación percibida subjetivamente. Ben-Yehuda, Greenberg [76] ya abordó la relevancia del aburrimiento estatal como un factor de riesgo potencial para desarrollar una adicción a los teléfonos inteligentes, que debe investigarse en futuras investigaciones. Esto incluye la experiencia de una estimulación insuficiente y una excitación insuficientes como estado dependiente del contexto [38, 57]. Se puede suponer que el aburrimiento percibido realmente es una explicación más relevante de por qué los individuos desarrollan el hábito automático de usar el teléfono inteligente en una situación de subestimulación. Esto podría reforzarse con la gratificación y compensación experimentadas y, por lo tanto, aumentar la probabilidad de usar el teléfono inteligente en una situación comparable nuevamente. Hasta ahora, más estudios deben tener en cuenta que los factores situacionales como el estado de ánimo real, los conflictos personales, el aburrimiento real experimentado o el estrés percibido podrían afectar los componentes cognitivos y afectivos, así como la decisión de usar una aplicación determinada [7, 77].

Dado que cada vez más personas experimentan consecuencias negativas en la vida cotidiana, como conflictos con familiares y amigos o problemas relacionados con el trabajo que resultan de un uso incontrolado de Internet y sus aplicaciones específicas, existe una creciente necesidad de información adecuada y orientada. intervenciones En el contexto de los trastornos de uso de Internet y sus formas específicas, como el ICD, se supone que el éxito de la prevención y la intervención depende principalmente de la idoneidad de abordar los factores relevantes. Teniendo en cuenta que las características personales pueden ser potencialmente difíciles de modificar, las intervenciones deberían centrarse en moderar, así como en la mediación de aspectos para evitar el uso excesivo de ciertas aplicaciones de Internet [7]. En este estudio, se ha enfatizado la expectativa de evitar sentimientos negativos en línea y las reacciones de deseo inducidas por la señal para desempeñar un papel mediador en el desarrollo y mantenimiento de un DAI. Aprovechar las expectativas específicas de uso de Internet para cambiar las cogniciones no conductivas podría ser un primer paso hacia un uso funcional de Internet. Las personas que tienen problemas para soportar el aburrimiento o que tienen una mayor susceptibilidad a experimentar el aburrimiento deben ser capacitadas para darse cuenta de que Internet o el uso del teléfono inteligente no es la única manera de enfrentar situaciones cotidianas que involucran falta de estimulación o incluso sentimientos desagradables. Este aspecto es particularmente importante porque tener la expectativa de que las aplicaciones de comunicación en línea pueden fomentar el escape de los problemas de la vida real, pueden promover e intensificar las reacciones de deseo como lo demuestran los resultados actuales, especialmente cuando se producen estímulos específicos. En la vida diaria, tales estímulos en la vida diaria pueden ser, por ejemplo, ver a otras personas usando el teléfono inteligente o notando un mensaje entrante. Esto, de hecho, puede hacer que sea aún más difícil para las personas resistirse del deseo de usar ciertas aplicaciones. En conjunto, los individuos pueden desarrollar un control disminuido sobre su uso de Internet y tener consecuencias negativas. Además, las tendencias de acercamiento hacia las aplicaciones de comunicación en línea debidas al deseo experimentado deben disminuirse sistemáticamente a través de programas de capacitación que permitan a las personas aprender a evitar reacciones no reguladas ante estímulos específicos [7]. La efectividad de los métodos de entrenamiento comunes requiere mayor investigación, especialmente para un ICD.

Finalmente, hay que mencionar algunas limitaciones. El estudio se realizó con una muestra de conveniencia, que no es representativa para toda la población ni para los pacientes que buscan tratamiento con un trastorno de uso de Internet. Sobre la base de los resultados actuales, parece valer la pena investigar la interacción de la propensión al aburrimiento, el deseo y las expectativas de uso en otras muestras, como adolescentes y pacientes que buscan tratamiento. Una limitación adicional es que nos hemos centrado únicamente en ICD. Dado que otras aplicaciones de Internet también pueden usarse para escapar del aburrimiento o los sentimientos negativos, el estudio debe repetirse con muestras que tengan otros usos de primera elección, como los juegos en Internet, las compras por Internet o el uso de pornografía en Internet.

Conclusión

El presente estudio tuvo como objetivo investigar suposiciones teóricas sobre el desarrollo y mantenimiento de un ICD. Basado en el modelo I-PACE, el enfoque se centró en mediar los efectos de los componentes cognitivos y afectivos, es decir, las expectativas de evitación y el deseo inducido por la señal, en la relación entre las características principales de la persona y los síntomas de la DAI. Este estudio examinó el efecto de la propensión al aburrimiento como una variable de rasgo que posiblemente predice los síntomas de DAI. Los resultados actuales muestran que la propensión al aburrimiento podría jugar un papel importante en la CIE. Las personas que tienen una mayor susceptibilidad a experimentar aburrimiento muestran mayores expectativas de evitar sentimientos negativos mediante el uso de aplicaciones de comunicación en línea, lo que a su vez aumenta las consecuencias negativas en la vida diaria. Además, tener expectativas de evitación se asocia con una mayor experiencia de deseo. Esto podría deberse a una vulnerabilidad potencialmente mayor a las señales relacionadas con la comunicación por Internet, lo que hace que sea aún más difícil no utilizar las aplicaciones de comunicación en línea. Con estos resultados, los mecanismos subyacentes de un ICD entran en relieve shaper. Los intentos de intervención que tienen como objetivo evitar un uso excesivo y no regulado de Internet y sus aplicaciones específicas pueden optimizarse potencialmente considerando el concepto de propensión al aburrimiento y su interacción con la reactividad al cue, el deseo y las expectativas.

Información de soporte

S1 File.sav

higocomparte

Descargar

Dataset_PoNE-D-17-41307R2.sav.

Este archivo es el conjunto de datos del estudio actual y contiene todas las variables e información para los análisis realizados.

(SAV)

Archivo S1. Dataset_PoNE-D-17-41307R2.sav.

Este archivo es el conjunto de datos del estudio actual y contiene todas las variables e información para los análisis realizados.

https://doi.org/10.1371/journal.pone.0195742.s001

(SAV)

Referencias

1. 1. Statista Número de usuarios de teléfonos inteligentes en todo el mundo, desde 2014 a 2020 (en miles de millones) 2017 [citado 2017 22 / 11 / 2017].
2. 2. Kuss DJ, Griffiths MD. Red social en línea y adicción: Una revisión de la literatura psicológica. Revista Internacional de Investigación Ambiental y Salud Pública. 2011; 8: 3528 – 52. pmid: 22016701
   • Ver artículo
   • PubMed / NCBI
   • Google Scholar
3. 3. Amichai-Hamburger Y, Vinitzky G. Uso de redes sociales y personalidad. Computadoras en el comportamiento humano. 2010; 26 (6): 1289 – 95.
4. Ver artículo
5. Google Scholar
6. 4. Statista Número de usuarios de WhatsApp activos mensuales en todo el mundo, desde 2013 de abril hasta 2017 de julio (en millones) 2017 [citado 2017 22 / 11 / 2017].
7. 5. Statista Número de usuarios activos mensuales de Facebook en todo el mundo a partir del 3rd trimestre 2017 (en millones) 2017 [citado 2017 22 / 11 / 2017].
8. Ver artículo
9. PubMed / NCBI
10. Google Scholar
11. Ver artículo
12. PubMed / NCBI
13. Google Scholar
14. Ver artículo
15. PubMed / NCBI
16. Google Scholar
17. Ver artículo
18. PubMed / NCBI
19. Google Scholar
20. Ver artículo
21. Google Scholar
22. Ver artículo
23. PubMed / NCBI
24. Google Scholar
25. Ver artículo
26. Google Scholar
27. Ver artículo
28. PubMed / NCBI
29. Google Scholar
30. Ver artículo
31. Google Scholar
32. Ver artículo
33. PubMed / NCBI
34. Google Scholar
35. Ver artículo
36. PubMed / NCBI
37. Google Scholar
38. Ver artículo
39. Google Scholar
40. Ver artículo
41. PubMed / NCBI
42. Google Scholar
43. Ver artículo
44. PubMed / NCBI
45. Google Scholar
46. Ver artículo
47. Google Scholar
48. Ver artículo
49. PubMed / NCBI
50. Google Scholar
51. Ver artículo
52. PubMed / NCBI
53. Google Scholar
54. Ver artículo
55. PubMed / NCBI
56. Google Scholar
57. Ver artículo
58. Google Scholar
59. Ver artículo
60. PubMed / NCBI
61. Google Scholar
62. Ver artículo
63. PubMed / NCBI
64. Google Scholar
65. Ver artículo
66. PubMed / NCBI
67. Google Scholar
68. Ver artículo
69. PubMed / NCBI
70. Google Scholar
71. Ver artículo
72. PubMed / NCBI
73. Google Scholar
74. Ver artículo
75. PubMed / NCBI
76. Google Scholar
77. Ver artículo
78. PubMed / NCBI
79. Google Scholar
80. Ver artículo
81. PubMed / NCBI
82. Google Scholar
83. Ver artículo
84. PubMed / NCBI
85. Google Scholar
86. Ver artículo
87. Google Scholar
88. Ver artículo
89. Google Scholar
90. Ver artículo
91. Google Scholar
92. Ver artículo
93. PubMed / NCBI
94. Google Scholar
95. Ver artículo
96. Google Scholar
97. Ver artículo
98. PubMed / NCBI
99. Google Scholar
100. Ver artículo
101. Google Scholar
102. Ver artículo
103. Google Scholar
104. Ver artículo
105. Google Scholar
106. Ver artículo
107. PubMed / NCBI
108. Google Scholar
109. Ver artículo
110. Google Scholar
111. Ver artículo
112. PubMed / NCBI
113. Google Scholar
114. Ver artículo
115. Google Scholar
116. Ver artículo
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. Ver artículo
128. PubMed / NCBI
129. Google Scholar
130. Ver artículo
131. PubMed / NCBI
132. Google Scholar
133. Ver artículo
134. PubMed / NCBI
135. Google Scholar
136. Ver artículo
137. Google Scholar
138. Ver artículo
139. Google Scholar
140. Ver artículo
141. Google Scholar
142. Ver artículo
143. PubMed / NCBI
144. Google Scholar
145. Ver artículo
146. Google Scholar
147. Ver artículo
148. PubMed / NCBI
149. Google Scholar
150. Ver artículo
151. Google Scholar
152. Ver artículo
153. PubMed / NCBI
154. Google Scholar
155. 6. Young KS, Pistner M, O'Mara J, Buchanan J. Trastornos cibernéticos: El problema de salud mental para el nuevo milenio. Ciberpsicología y comportamiento. 1999; 2: 475–9. pmid: 19178220
156. 7. Marca M, Young KS, Laier C, Wölfling K, Potenza MN. Integración de consideraciones psicológicas y neurobiológicas con respecto al desarrollo y mantenimiento de trastornos específicos del uso de Internet: un modelo de interacción de persona-afecto-cognición-ejecución (I-PACE). Neurociencias y revisiones biobehavioral. 2016; 71: 252 – 66. pmid: 27590829
157. 8. Wegmann E, Brand M. Trastorno de la comunicación por Internet: es una cuestión de aspectos sociales, de afrontamiento y de expectativas de uso de Internet. Las fronteras de la psicología. 2016; 7 (1747): 1 – 14. pmid: 27891107
158. Ver artículo
159. Google Scholar
160. Ver artículo
161. PubMed / NCBI
162. Google Scholar
163. Ver artículo
164. Google Scholar
165. Ver artículo
166. PubMed / NCBI
167. Google Scholar
168. Ver artículo
169. Google Scholar
170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Song WY, Kim S, et al. Comparación de los factores de riesgo y de protección asociados con la adicción a los teléfonos inteligentes y la adicción a Internet. Diario de adicciones de comportamiento. 2015; 4 (4): 308 – 14. pmid: 26690626
171. Ver artículo
172. PubMed / NCBI
173. Google Scholar
174. Ver artículo
175. PubMed / NCBI
176. Google Scholar
177. Ver artículo
178. PubMed / NCBI
179. Google Scholar
180. Ver artículo
181. PubMed / NCBI
182. Google Scholar
183. Ver artículo
184. Google Scholar
185. Ver artículo
186. Google Scholar
187. Ver artículo
188. PubMed / NCBI
189. Google Scholar
190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B, et al. Uso de teléfonos inteligentes en el siglo 21st: ¿Quién está activo en WhatsApp? BMC Research Notes. 2015; 8: 1 – 6.
191. 11. Brand M, Young KS, Laier C. Control prefrontal y adicción a Internet: un modelo teórico y revisión de los hallazgos neuropsicológicos y de neuroimagen. Fronteras en la neurociencia humana. 2014; 8 (375): 1 – 36. pmid: 24904393
192. 12. Davis RA. Un modelo cognitivo-conductual de uso patológico de internet. Computadoras en el comportamiento humano. 2001; 17: 187 – 95.
193. 13. Spada MM. Una visión general del uso problemático de Internet. Comportamientos adictivos. 2014; 39: Epub antes de imprimir. 3 – 6. pmid: 24126206
194. 14. Billieux J, Maurage P, López-Fernández O, Kuss DJ, Griffiths MD. ¿Se puede considerar el uso desordenado de teléfonos móviles como una adicción conductual? Una actualización sobre la evidencia actual y un modelo integral para futuras investigaciones. Informes de adicciones actuales. 2015; 2 (2): 156 – 62.
195. 15. Wegmann E, Stodt B, Brand M. El uso adictivo de los sitios de redes sociales puede explicarse por la interacción de las expectativas de uso de Internet, el conocimiento de Internet y los síntomas psicopatológicos. Diario de adicciones de comportamiento. 2015; 4 (3): 155 – 62. pmid: 26551905
196. 16. Wegmann E, Oberst U, Stodt B, Marca M. El temor específico de la línea a perderse y las expectativas de uso de Internet contribuyen a los síntomas del trastorno de la comunicación por Internet. Informes de Comportamientos Adictivos. 2017; 5: 33 – 42. pmid: 29450225
197. 17. Marca M, Laier C, Young KS. Adicción a Internet: estilos de afrontamiento, expectativas e implicaciones de tratamiento. Las fronteras de la psicología. 2014; 5: 1 – 14.
198. 18. Trotzke P, Starcke K, Müller A, Marca M. Compra patológica en línea como una forma específica de adicción a Internet: una investigación experimental basada en modelos. Más uno. 2015; 10 (10): e0140296. pmid: 26465593
199. 19. Sayette MA. El papel del deseo en los trastornos por uso de sustancias: cuestiones teóricas y metodológicas. Revisión anual de la psicología clínica. 2016; 12: 407 – 33. pmid: 26565121.
200. 20. Hormes JM. La importancia clínica del deseo en las conductas adictivas: una revisión. Informes de adicciones actuales. 2017; 4 (2): 132 – 41.
201. 21. Bechara A. Toma de decisiones, control de los impulsos y pérdida de la fuerza de voluntad para resistir las drogas: una perspectiva neurocognitiva. La neurociencia de la naturaleza. 2005; 8: 1458 – 63. pmid: 16251988
202. 22. Carter BL, Tiffany ST. Metanálisis de la reactividad al cue en la investigación de la adicción. Adiccion. 1999; 94: 327 – 40. pmid: 10605857
203. 23. Skinner MD, Aubin HJ. El lugar de Craving en la teoría de la adicción: contribuciones de los modelos principales. Neurociencias y revisiones biobehavioral. 2010; 34: 606 – 23. pmid: 19961872
204. 24. Drummond DC. Teorías del ansia de drogas, antiguas y modernas. Adicción (Abingdon, Inglaterra). 2001; 96: 33 – 46.
205. 25. Schiebener J, Laier C, Brand M. ¿Se atasca con la pornografía? El uso excesivo o el abandono de las señales de cibersexo en una situación de multitarea se relaciona con los síntomas de la adicción al cibersexo. Diario de adicciones de comportamiento. 2015; 4 (1): 14 – 21. pmid: 25786495
206. 26. Niu GF, Sun XJ, Subrahmanyam K, Kong FC, Tian Y, Zhou ZK. Antojo inducido por el cue para Internet entre los adictos a Internet. Comportamientos adictivos. 2016; 62: 1 – 5. pmid: 27305097
207. 27. Tiffany ST, Wray JM. La importancia clínica del ansia de drogas. Anales de la Academia de Ciencias de Nueva York. 2012; 1248: 1 – 17. pmid: 22172057
208. 28. Snagowski J, Brand M. Los síntomas de la adicción al cibersexo pueden relacionarse tanto con el acercamiento como con la prevención de los estímulos pornográficos: los resultados de una muestra analógica de usuarios regulares de cibersexo. Las fronteras de la psicología. 2015; 6: 653. pmid: 26052292
209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, Adicción a la marca M. Cybersex: la excitación sexual experimentada al mirar pornografía y no los contactos sexuales de la vida real hace la diferencia. Diario de adicciones de comportamiento. 2013; 2: 100 – 7. pmid: 26165929
210. 30. Thalemann R, Wölfling K, Grüsser SM. Reactividad de señales específicas en señales relacionadas con juegos de computadora en jugadores excesivos. Neurociencia del comportamiento. 2007; 121: 614 – 8. pmid: 17592953
211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, y otros. Activación del estriado ventral y dorsal durante la reactividad de la señal en el trastorno de los juegos de Internet. Biología de la adicción. 2017; 3 (2): 791 – 801. pmid: 26732520.
212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY, et al. El efecto de la exposición repetida a las señales de juego virtuales en el impulso de jugar. Comportamientos adictivos. 2015; 41: 61 – 4. pmid: 25306387
213. 33. Fernie BA, Caselli G, Giustina L, Donato G, Marcotriggiani A, Spada MM. El deseo de pensar como predictor del juego. Comportamientos adictivos. 2014; 39: 793 – 6. pmid: 24531634
214. 34. Wegmann E, Stodt B, Brand M. Antojo inducido por señales en el trastorno de la comunicación por Internet utilizando señales visuales y auditivas en un paradigma de reactividad por señales. Investigación y teoría de las adicciones. 2017: Publicación electrónica antes de la impresión.
215. 35. LePera N. Relaciones entre la propensión al aburrimiento, la atención plena, la ansiedad, la depresión y el uso de sustancias. El nuevo boletín de psicología escolar. 2011; 8 (2): 15 – 23.
216. 36. Iso-Ahola SE, Weissinger E. Percepciones del aburrimiento en el ocio: Conceptualización, confiabilidad y validez de la Escala de Aburrimiento de Ocio. Revista de investigación de ocio. 1990; 22 (1): 1 – 17.
217. 37. Lin CH, Lin SL, Wu CP. Los efectos del control parental y el aburrimiento del ocio en la adicción a Internet de los adolescentes. Adolescencia. 2009; 44 (176): 993 – 1004. Epub 2009 / 01 / 01. pmid: 20432612.
218. 38. Brissett D, Snow RP. Aburrimiento: donde el futuro no está. Interacción simbólica. 1993; 16 (3): 237 – 56.
219. 39. Biolcati R, Mancini G, Trombini E. Pronombre al aburrimiento y las conductas de riesgo durante el tiempo libre de los adolescentes. Informes psicológicos. 2017: 1 – 21. Epub 2017 / 08 / 05. pmid: 28776483.
220. 40. Harris MB. Correlatos y características del aburrimiento propensión y el aburrimiento. Revista de psicología social aplicada. 2000; 30 (3): 576 – 98.
221. 41. Mikulas WL, Vodanovich SJ. La esencia del aburrimiento. El registro psicológico. 1993; 43 (1): 3 – 12.
222. 42. Elhai JD, Vásquez JK, Lustgarten SD, Levine JC, Hall BJ. La predisposición al aburrimiento media las relaciones entre el uso problemático de teléfonos inteligentes con la depresión y la gravedad de la ansiedad. Social Computer Computer Review. 2017: 1 – 14.
223. 43. Wiesner M, Windle M, Freeman A. Estrés laboral, uso de sustancias y depresión entre los trabajadores adultos jóvenes: un examen del modelo de efecto principal y moderador. Revista de psicología de la salud ocupacional. 2005; 10 (2): 83 – 96. pmid: 15826220.
224. 44. Anshel MH. Una encuesta a atletas de élite sobre las causas percibidas del uso de drogas prohibidas en el deporte. Diario de comportamiento deportivo. 1991; 14 (4): 283 – 310.
225. 45. Thackray RI. El estrés del aburrimiento y la monotonía: una consideración de la evidencia. Medicina psicosomática. 1981; 43 (2): 165 – 76. pmid: 7267937.
226. 46. Zhou SX, Leung L. La gratificación, la soledad, el aburrimiento del ocio y la autoestima como factores predictivos de la adicción al juego SNS y el patrón de uso entre los estudiantes universitarios chinos. Revista Internacional de Comportamiento Cibernético, Psicología y Aprendizaje. 2012; 2 (4): 34 – 48.
227. 47. Caldwell LL, Smith EA. Conductas sanitarias de ocio juveniles enajenados. Loisir et Société / Sociedad y Ocio. 1995; 18 (1): 143 – 56.
228. 48. Biolcati R, Passini S, Mancini G. "No puedo soportar el aburrimiento". Expectativas de consumo excesivo de alcohol en la adolescencia. Informes de Comportamientos Adictivos. 2016; 3 (Suplemento C): 70 – 6. pmid: 29532002
229. 49. Blaszczynski A, McConaghy N, Frankova A. Aburrimiento propensión al juego patológico. Informes psicológicos. 1990; 67 (1): 35 – 42. Epub 1990 / 08 / 01. pmid: 2236416.
230. 50. Fortune EE, Goodie AS. La relación entre el juego patológico y la búsqueda de sensaciones: el papel de las puntuaciones de subescala. Revista de estudios de juego. 2010; 26 (3): 331 – 46. pmid: 19943092.
231. 51. Zuckerman M, Eysenck S, Eysenck HJ. Búsqueda de sensaciones en Inglaterra y América: comparaciones interculturales, de edad y de sexo. Revista de consultoría y psicología clínica. 1978; 46 (1): 139 – 49. Epub 1978 / 02 / 01. pmid: 627648.
232. 52. Neubaum G, Krämer NC. Mis amigos a mi lado: una investigación de laboratorio sobre predictores y las consecuencias de experimentar la cercanía social en los sitios de redes sociales. CiberPsicología, Comportamiento y Redes Sociales. 2015; 18 (8): 443 – 9. pmid: 26252929
233. 53. Lin CH, Yu SF. Uso de Internet por los adolescentes en Taiwan: Explorando las diferencias de género. Adolescencia. 2008; 43 (170): 317 – 31. pmid: 18689104.
234. 54. Rahmani S, Lavasani MG. La relación entre la dependencia de internet con la búsqueda de sensaciones y la personalidad. Procedia — Ciencias Sociales y del Comportamiento. 2011; 30 (Suplemento C): 272 – 7.
235. 55. Chaney MP, Chang CY. Un trío de turmoi para hombres adictos al Internet que tienen sexo con hombres: propensión al aburrimiento, conexión social y disociación. Adicción y compulsividad sexual. 2005; 12 (1): 3–18.
236. 56. Velezmoro R, Campo de encaje K, Roberti JW. Percepción del estrés, la búsqueda de sensaciones y el abuso de Internet por parte de estudiantes universitarios. Computadoras en el comportamiento humano. 2010; 26 (6): 1526 – 30.
237. 57. Weybright EH, Caldwell LL, Ram N, Smith EA, Wegner L. ¿Aburrimiento propenso o nada que hacer? La distinción entre el estado y el aburrimiento por ocio de rasgo y su asociación con el uso de sustancias en adolescentes de Sudáfrica. Ciencias del ocio. 2015; 37 (4): 311 – 31. pmid: 26085700.
238. 58. Pawlikowski M, Altstötter-Gleich C, marca M. Validación y propiedades psicométricas de una versión corta de la Prueba de adicción a Internet de Young. Computadoras en el comportamiento humano. 2013; 29: 1212 – 23.
239. 59. Trotzke P, Starcke K, Pedersen A, marca M. Ansia inducida por la cue en la compra patológica: evidencia empírica e implicaciones clínicas. Medicina psicosomática. 2014; 76 (9): 694 – 700. pmid: 25393125.
240. 60. Love A, James D, Willner P. Una comparación de dos cuestionarios de ansia por el alcohol. Adicción (Abingdon, Inglaterra). 1998; 93 (7): 1091 – 102.
241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Una corta escala de insensatez del aburrimiento. Evaluación. 2015; 24 (3): 346 – 59. pmid: 26467085.
242. 62. Cohen J. Análisis estadístico de poder para las ciencias del comportamiento. 2 ed. Hillsdale, NJ: Erlbaum; 1988.
243. 63. Muthén L, Muthén B. MPlus. Los Ángeles: Muthén & Muthén; 2011.
244. 64. Hu L, Bentler PM. Evaluando el ajuste del modelo. En: Hoyle RH, editora. Conceptos de la ecuación estructural, conceptos, problemas y aplicaciones. Londres: Sage Publications, Inc; 1995. pag. 76 – 99.
245. 65. Hu L, Bentler PM. Criterios de corte para los índices de ajuste en el análisis de la estructura de covarianza: criterios convencionales frente a nuevas alternativas. Modelización de ecuaciones estructurales: una revista multidisciplinar. 1999; 6: 1 – 55.
246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, Von Davier M. Por qué los paquetes de artículos (casi) nunca son apropiados: dos errores no hacen una derecha: camuflar la especificación errónea con paquetes de artículos en modelos CFA. Métodos psicológicos. 2013; 18 (3): 257 – 84. pmid: 23834417.
247. 67. Poco TD, Cunningham WA, Shahar G, Widaman KF. Para parcelar o no parcelar: Explorando la pregunta, sopesando los méritos. Modelización de ecuaciones estructurales: una revista multidisciplinar. 2002; 9 (2): 151 – 73.
248. 68. Sommers J, Vodanovich SJ. La propensión al aburrimiento: su relación con los síntomas psicológicos y de salud física. Revista de psicología clínica. 2000; 56 (1): 149 – 55. Epub 2000 / 02 / 08. pmid: 10661377.
249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Las propiedades psicométricas de la Escala de propensión al aburrimiento: un examen de su validez. Estudios psicologicos. 1997; 42 (2 – 3): 85 – 97.
250. 70. Derogatis LR. BSI Brief Symptom Inventory: Manual de administración, puntaje y procedimientos. 1993. Epub Tercera Edición.
251. 71. Dimitrov DM. Comparación de grupos en variables latentes: un enfoque de modelado de ecuaciones estructurales. Trabajo (lectura, misa). 2006; 26 (4): 429 – 36. Epub 2006 / 06 / 22. pmid: 16788262.
252. 72. Montag C, Markowetz A, Blaszkiewicz K, Andone I, Lachmann B, Sariyska R, et al. Uso de Facebook en smartphones y volumen de materia gris del núcleo accumbens. Investigación del comportamiento del cerebro. 2017; 329: 221 – 8. pmid: 28442353.
253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. El cerebro se correlaciona con el deseo de jugar en línea bajo la exposición de referencia en sujetos con adicción a Internet y en sujetos remitidos. Biología de la adicción. 2013; 18: 559 – 69. pmid: 22026537
254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Las activaciones cerebrales tanto para el impulso de juego inducido por la señal como para el deseo de fumar entre los sujetos comórbidos con la adicción a los juegos de Internet y la dependencia de la nicotina. Revista de investigación psiquiátrica. 2013; 47 (4): 486 – 93. pmid: 23245948
255. 75. Turel O, Bechara A. Efectos de la impulsividad motora y la calidad del sueño en el juramento, comportamientos interpersonales desviados y desventajosos en los sitios de redes sociales en línea. Personalidad y diferencias individuales. 2017; 108: 91 – 7.
256. 76. Ben-Yehuda L, Greenberg L, Weinstein A. Adicción a Internet mediante el uso de las relaciones de los teléfonos inteligentes entre la adicción a Internet, la frecuencia del uso de teléfonos inteligentes y la mirada mental de estudiantes y estudiantes. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
257. 77. Tavolacci MP, Ladner J, Grigioni S, Richard L, Villet H, Dechelotte P. Prevalencia y asociación de estrés percibido, uso de sustancias y adicciones de comportamiento: un estudio transversal entre estudiantes universitarios en Francia, 2009 – 2011. BMC de salud pública. 2013; 13: 724. pmid: 23919651.