PROPIEDADES PSICOMÉTRICAS DEL TEST DE DEPENDENCIA DE ...
Transcript of PROPIEDADES PSICOMÉTRICAS DEL TEST DE DEPENDENCIA DE ...
FACULTAD DE HUMANIDADES
Carrera de Psicología
PROPIEDADES PSICOMÉTRICAS DEL TEST DE
DEPENDENCIA DE VIDEOJUEGOS TDV EN
ADULTOS JOVENES PERUANOS
Trabajo de investigación para optar el Grado Académico de
Bachiller en Psicología
ALDO PIERO IZQUIERDO PRIALÉ
(0000-0002-6543-1616)
Asesor: Mg. Renzo Felipe Carranza Esteban
(0000-0002-4086-4845)
Lima – Perú
2020
Resumen
El objetivo del presente trabajo fue la determinación de las propiedades psicométricas del
Test de Dependencia de Videojuegos (TDV) en adultos jóvenes peruanos. La muestra estuvo
constituida por 219 participantes de entre 17 y 31 años de edad. Se utilizó el Análisis
Factorial Confirmatorio (AFC) para hallar evidencias de validez por estructura interna, a su
vez se aplicaron el cuestionario de Ansiedad Rasgo del IDARE y la Escala Breve de
Búsqueda de Sensaciones (BSSS8) para hallar evidencias de validez en relación con otras
variables. No se hallaron evidencias significativas de validez basada en la estructura interna
ni de validez basada en la relación con otras variables. Por último, el análisis de confiabilidad
utilizando el coeficiente OMEGA que se obtuvo para el modelo unifactorial del TDV (.929)
demostró que el instrumento posee una alta confiabilidad.
Palabras clave: Adicción a videojuegos, TDV, validez, confiabilidad.
Abstract
The objective of this work was to determine the psychometric properties of the Videogame
Dependence Test (TDV) in young peruvian adults. The sample consisted of 219 participants
between 17 and 31 years of age. The Confirmatory Factor Analysis (CFA) was used to find
evidence of validity by internal structure, in turn, the IDARE Trait Anxiety questionnaire
and the Brief Sensation Seeking Scale (BSSS8) were applied to find evidence of validity in
relation to other variables. No significant evidence of validity based on the internal structure
or validity based on the relationship with other variables was found. Finally, the reliability
analysis using the OMEGA coefficient obtained for the one-factor model of TDV (.929)
showed that the instrument has high reliability.
Keywords: Videogame addiction, TDV, validity, reliability
1
Introducción
Desde finales del siglo pasado han existido reportes de adicciones sin drogas o
adicciones no relacionadas al consumo de sustancias químicas. Dicho conjunto de trastornos,
denominado adicciones comportamentales (Salas, Merino, Chóliz & Marco, 2017), se
caracteriza por provocar síntomas como dependencia, modificación del estado de ánimo,
desarrollo de tolerancia, intentos de erradicar la adicción, conflicto, recaídas, etc. (Kardefelt
et al., 2017). De este conjunto derivan múltiples patologías específicas como la adicción a
las redes sociales, al internet, a la actividad sexual, entre otros. La Adicción a videojuegos
(AVJ), trastorno que se busca investigar en este trabajo, forma parte de este grupo de
patologías adictivas (Chóliz & Marco, 2011).
Los pacientes que sufren de este trastorno, padecen de síntomas como preocupación
causada por los videojuegos, síntomas de abstinencia cuando no se les permite jugar,
tolerancia que produce una necesidad de aumentar constantemente el tiempo de juego,
múltiples intentos fallidos de controlar la actividad, pérdida de interés en todas las formas
de entretenimiento a excepción de los videojuegos, uso excesivo de los videojuegos, siendo
consciente de que le ocasiona problemas psicosociales, engañar a familiares, terapeutas y
otros sobre el tiempo de juego, utilizar los videojuegos como vía para aliviar sentimientos
negativos, sabotear relaciones significativas, trabajo, estudio u oportunidades de desarrollo
laboral y/o académico por jugar (American Psychiatric Association [APA], 2013).
La importancia de la investigación en este campo es considerable, puesto que cada
vez más personas alrededor del mundo juegan a videojuegos, con un total de tres mil
millones de horas invertidas en este hobby diariamente. En los Estados Unidos, el mayor
consumidor de estos productos a nivel global, el 42% de su población son jugadores
habituales y su promedio de edad es de 35 años (Entertainment Software Association, 2015),
de estos más de 200 millones pasan en promedio 13 horas semanales jugando (Newzoo,
2015). La investigación más grande realizada en este país, que incluyó a un total de 4028
adolescentes, evidenció que 4.9% de ellos evidenciaban síntomas de “gaming” excesivo. A
su vez, la prevalencia de estos síntomas era mayor en hombres (5.8%) en comparación con
2
las mujeres (3.0%), lo cual señala un porcentaje mayor de varones que sufren de este
trastorno en relación a las mujeres (Desai, Krishnan - Sarin, Cavallo & Potenza, 2010).
En cuanto a América Latina, solo representa el 4% del total de “gamers” a nivel
mundial, que es diminuto en comparación con el 36% de Asia y el 32% de América del
Norte; sin embargo, a diferencia de los dos últimos continentes hasta el momento no existen
cifras de sectores sociodemográficos específicos, del total de jugadores ni del porcentaje de
los mismos que presenta sintomatología adictiva.
Por lo expuesto anteriormente, es evidente la necesidad de realizar investigación
sobre este trastorno, sobre todo en lo que respecta a Latinoamérica. Por ello en las últimas
décadas se han desarrollado múltiples técnicas, métodos e instrumentos para el estudio y
evaluación de la AVJ, desafortunadamente la mayoría de estos no cuentan con fundamento
psicométrico, puesto que se basan en técnicas cualitativas como la entrevista y, por lo tanto,
no cuentan con evidencias suficientes de validez y confiabilidad.
Por otro lado, un factor que dificulta significativamente la investigación de este
trastorno es la gran heterogeneidad sociodemográfica de la población vulnerable (Newzoo,
2015). Por lo tanto, un instrumento validado para adolescentes, población que es investigada
por la gran mayoría de literatura científica sobre la AVJ, no necesariamente será
representativo de otros grupos etarios como el adulto (Griffiths, Davies & Chappell, 2003).
Considerando que según la ESA (2015) el jugador estadounidense promedio tiene 35
años podría resultar irresponsable la generalización del análisis psicométrico de
instrumentos como el TDV en los cuales solo se utilizaron adolescentes como participantes,
puesto que tomando como punto de partida dichas cifras no sería descabellado asumir que
un porcentaje significativo de la población de videojugadores peruanos no pertenece al
sector demográfico para el cual fue validado el instrumento.
3
De la misma manera, es importante tomar en consideración que en investigaciones
como la de Choi, Chu y Choi (2018) se encontró evidencia de que el riesgo de desarrollar
AVJ se incrementa cuando el individuo es sometido a factores relacionados al área laboral
como el abuso psicológico en el área de trabajo, la supervisión abusiva y los conflictos entre
los roles de trabajador y miembro de una familia, factores que suelen presentarse con
frecuencia en trabajadores peruanos (Clemente, Reig-Botella & Coloma, 2015).
Por otro lado, al analizar más en profundidad las características de la AVJ según los
criterios diagnósticos del DSM-IV, se destaca que para que un trastorno sea diagnosticado
utilizando estos criterios deben presentarse en el paciente un conjunto de signos y síntomas
durante un determinado período de tiempo, frecuentemente restándole importancia al origen
o la causa de los mismos. Es decir, que basándose en esto las adicciones comportamentales
se definirían como la dependencia del paciente hacia una determinada conducta que no se
puede explicar mediante sustancias bioquímicas, sino que es causada por factores
psicológicos. Lo cual implica que tanto las adicciones comportamentales y las adicciones a
drogas se basan en una relación patológica de dependencia. Por lo tanto, es factible utilizar
los mismos criterios diagnósticos de las adicciones a las drogas a la evaluación y diagnóstico
de adicciones comportamentales, teniendo en cuenta que se cambia la fuente de dependencia
de una sustancia química a una conducta como puede ser el jugar a videojuegos (Chóliz &
Marco, 2011).
De la misma manera, los instrumentos más comunes utilizados para apoyar el
diagnóstico de este trastorno son la “Videogame Addiction Scale for Children (VASC)” la
“Internet Gaming Disorder Scale” (IGDS) y el Test de Dependencia de Videojuegos (TDV),
este último fue diseñado utilizando específicamente los criterios diagnósticos del DSM-IV
para medir la AVJ. Sus autores Chóliz y Marco (2011) lo validaron para la población
española y posteriormente fue validado para adolescentes peruanos por Salas et al. (2017).
El TDV es una escala de tipo Likert que consta de 25 ítems que se dividen en 4 factores, los
cuales incluyen Abstinencia, Abuso y Tolerancia, Problemas ocasionados por los
videojuegos y Dificultad en el control (Chóliz & Marco, 2011).
4
Por otro lado, en cuanto a la relación de la AVJ con otras variables psicológicas,
Mehroof y Griffiths (2010) encontraron correlaciones significativas entre la AVJ y múltiples
variables psicológicas como neuroticismo, depresión y ansiedad en jóvenes universitarios.
En dicha investigación la variable AVJ obtuvo las magnitudes de correlación más elevadas
con las variables búsqueda de sensaciones y ansiedad estado.
A pesar de lo expuesto anteriormente, el propósito de este trabajo no es brindar una
percepción negativa de este hobby, puesto que los videojuegos brindan una serie de
beneficios innegables (Griffiths & Meredith, 2008). Algunos ejemplos de esto incluyen
brindar una experiencia virtual al jugador en la cual sus acciones no tienen consecuencias en
la realidad, ser relajantes, asequibles, accesibles, ofrecer un ambiente cognitiva y
emocionalmente estimulante, la posibilidad de jugarse solos o en compañía, ayudar al
desarrollo de la autoestima, brindar una sensación de logro y competencia, desarrollar la
deportividad, desarrollar la autoconfianza, etc. (Castellana, Sánchez-Carbonell, Beranu &
Graner, 2006).
Desafortunadamente, estas características, aunque indudablemente beneficiosas, son
las que motivan al jugador a invertir cada vez mayor cantidad de tiempo jugando (Chóliz,
2011). De la misma manera, el tiempo excesivo de juego puede pasar de ser una conducta
problemática (Tejeiro & Bersabé, 2002) a tener en ciertos casos características adictivas
(Griffiths, 2008).
Antecedentes
Chóliz y Marco (2011) realizaron una investigación con el objetivo de analizar las
conductas de juego de los videojugadores y diseñar un cuestionario de dependencia de los
videjuegos que utilice como base lo propuesto en el DSM-IV. La muestra estuvo conformada
por 621 niños y adolescentes de edades entre los 10 y los 16 años. A quienes se les aplicó el
Test de Dependencia de Videojuegos (TDV). Los resultados mostraron que la estructura
factorial de este instrumento se adecúa al constructo de dependencia propuesto por el DSM-
IV-TR con una consistencia interna de α=.94 y un índice de homogeneidad mayor a .5 en
5
todos los ítems. A su vez, se extrajeron 4 factores de los cuales el primero Abstinencia
representaba el 40% de la varianza total; el segundo, catalogado como Abuso y Tolerancia,
conforma el 5% de la varianza; el tercero, denominado Problemas ocasionados por los
videojuegos, equivale al 4% de la varianza y finalmente el cuarto Dificultad en el control
contenía el 4% de la varianza. Estos datos permitieron catalogar la AVJ en el conjunto de
adicciones tecnológicas, junto con la adicción a las redes sociales y al celular.
Salas et al. (2017) realizaron un estudio con el objetivo de realizar un análisis
psicométrico del instrumento TDV para la población peruana. Para esto utilizaron una
muestra de 467 escolares cuyas edades oscilaban entre los 11 y 18 años, provenientes de 5
instituciones educativas diferentes. Los resultados mostraron altas correlaciones
interfactoriales en todos los ítems (α >.8), por lo que se decidió aplicar el AFC utilizando un
modelo unifactorial (χ2 = 524.389, RMSEA = .051, SRMR = .048, CFI = .992) además del
modelo de cuatro factores originalmente planteado (χ2 = 479.789, RMSEA = .047, SRMR
= .047, CFI = .993). Los resultados no mostraron evidencia estadística contundente a favor
de ninguno de los dos modelos sobre el otro, por lo que se recomendó mayor investigación
sobre el constructo.
Griffiths, Davies y Chappell (2004) realizaron un trabajo en el que comparaban los
comportamientos de varones adolescentes y adultos que jugaban regularmente al popular
videojuego Everquest. La muestra fue conformada por 540 participantes varones de los
cuales el 16% eran adolescentes (19 años o menores) y un 84% de adultos (cuyas edades
variaban entre 20 y 70 años con un promedio de 30). Los resultados mostraron que los
adolescentes llevaban jugando a dicho título hacía 24 meses en promedio comparado con los
27% promedio de los adultos. Por otro lado, 9% de los adolescentes afirmaban haber jugado
desde hacía más de 3 años comparado con el 20% de los adultos. Asimismo, los adolescentes
evidenciaron una mayor probabilidad de descuidar sus responsabilidades por jugar n (22.7%
adolescentes; 7.3% adultos) y pasaban ligeramente más tiempo jugando a la semana que los
adultos (26.25 h adolescentes, 24.7 h adultos). Por otro lado, un porcentaje significativo de
los adultos reportaba haber modificado sus horarios de sueño (18.5%), así como haber
disminuido significativamente su tiempo de socialización (20.8% comparado con el 12.5%
6
de los adolescentes) y haber descuidado responsabilidades académicas y/o laborales (7.3%)
debido a su deseo de jugar. Adicionalmente, se determinó que los adolescentes tenían una
mayor probabilidad de descuidar estudios y/o trabajo por jugar que los adultos (χ2 = 19.18,
d. f. = 1, p<0.000). Sin embargo, los adultos mostraron una mayor probabilidad de reducir
su tiempo de socialización por jugar (χ2 = 3.24, d. f. = 1, p<0.045).
Yilmaz, Griffiths y Kan (2017) realizaron una investigación con el objetivo de
diseñar y validar la “VideoGame Addiction Scale for Children” (VASC). Para ello utilizaron
una muestra de 780 niños de edades entre los 9 y 12 años. Dicha muestra fue dividida en dos
grupos, posteriormente se utilizó el análisis factorial exploratorio para analizar los datos del
primer grupo y el análisis factorial confirmatorio con los datos del segundo. El resultado fue
una consistencia interna de .89, con un α >.7 en los 4 factores (Autocontrol, Recompensa /
Refuerzo, Problemas e Involucramiento), así como una carga factorial mayor a .6 en 17 de
los 20 ítems y mayor a .4 en los 3 restantes. Lo cual indica valores aceptables en cuanto a la
estructura interna del instrumento en niños turcos.
Stockdale y Coyne (2018) realizaron un trabajo que tenía como objetivo comparar
un grupo de adultos jóvenes que sufrían de AVJ según los criterios de la “Internet Gaming
Disorder Scale” (IGDS) con un grupo control de personas con puntuaciones normales. Los
participantes fueron 1, 205 estudiantes universitarios (entre adictos y no adictos) con una
edad promedio de 20 años. Los resultados mostraron que entre otras cosas los participantes
que sufrían de AVJ presentaban un peor procesamiento cognitivo (F (1, 209) = 37.46, p<
.001, η 2 p = .15) y salud mental (F (1, 209) = 20.63, p< .001, η 2 p = .09) que el grupo
control.
Monacis, de Palo y Griffiths y Sinatra (2016) realizaron una investigación con el
objetivo de validar la versión corta de la “Internet Gaming Disorder Scale” (IGDS) en una
población cuya lengua materna sea el italiano. Se utilizó una muestra de 757 participantes
los cuales incluían adolescentes en etapa escolar y adultos jóvenes en etapa universitaria.
Los datos fueron analizados utilizando el análisis factorial confirmatorio. Los indicadores
de ajuste fueron aceptables: χ2 = 182.132, RMSEA = .091, CFI = .958, SRMR = .03. Por lo
7
tanto, se confirmó la estructura uni-factorial del instrumento y se obtuvo evidencia de su
validez para dicha población.
Pontes y Griffiths (2016) realizaron un estudio que tenía por objetivo validar la
“Internet Gaming Disorder Scale” (IGDS) en su forma corta para una población de habla
portuguesa. Para ello se utilizó una muestra de 509 adolescentes. Los datos se analizaron
utilizando el análisis factorial confirmatorio. Se obtuvieron buenos indicadores de ajuste y
se confirmó la estructura uni-factorial del instrumento: χ2 (27) = 46.96, RMSEA = 0.039,
CFI = 0.974, SRMR = 0.035. Por lo tanto, se obtuvo evidencia de la validez del instrumento
para dicha población.
En síntesis, sobre todo, a nivel europeo se han realizado múltiples investigaciones
con el objetivo de diseñar y validar instrumentos para medir AVJ y, por otro lado, analizar
los efectos de dicho trastorno en la vida de los que lo padecen. Los hallazgos realizados fruto
de dichos trabajos muestran que se debe seguir investigando este trastorno y sobre todo en
contextos como el latinoamericano donde los estudios realizados al respecto son sumamente
escasos. Por lo tanto, el objetivo de este trabajo es obtener evidencias de validez basada en
la estructura interna y validez en relación con otras variables para el instrumento TDV en
una población de adultos peruanos.
Es así como, el objetivo de este trabajo es realizar un análisis psicométrico del
instrumento TDV y sus cuatro factores (Abstinencia, Abuso y Tolerancia, Problemas
ocasionados por los videojuegos y Dificultad en el control) en adultos peruanos. Dicho
objetivo se pretende alcanzar mediante la obtención de evidencias de confiabilidad (desde la
perspectiva de la consistencia interna), validez basada en la estructura interna (mediante el
Análisis Factorial Confirmatorio [AFC]) y validez basada en la relación con otras variables.
Se decidió utilizar el TDV no solo por ya poseer evidencias de validez psicométrica
en un sector de la población peruana, sino también porque, a diferencia del VASC (diseñado
8
originalmente para utilizarse en niños), este fue diseñado originalmente para medir la AVJ
en un grupo etario más próximo a la población objetivo de este estudio.
De la misma manera, este estudio se justifica debido a que no existe un instrumento
para medir la AVJ validado para este sector demográfico ya que el único estudio realizado
al respecto utilizó únicamente participantes adolescentes, por lo cual la pertinencia de su uso
en adultos jóvenes no ha sido comprobada.
De esta forma, este estudio brindará evidencias empíricas sobre la utilidad de este
instrumento para profesionales de la salud mental como psiquiatras y psicólogos, los cuales
requieren que sus herramientas de evaluación y diagnóstico sean lo más precisas posible.
Esto permitirá un mayor acierto para el diagnóstico de la AVJ.
9
Método
Tipo y diseño de investigación
Esta investigación es de tipo instrumental. Lo cual, según Ato, López y Benavente
(2013) implica que tiene como objetivo realizar un análisis de las propiedades psicométricas
de un instrumento de evaluación psicológica, utilizando los criterios propuestos por la
American Psychological Association (APA), en concreto, un instrumento que mida AVJ en
adultos jóvenes peruanos.
El diseño de esta investigación es no experimental y descriptivo. Lo cual quiere decir
que tiene como objetivo la definición, descripción, clasificación y/o categorización de
procesos mentales y conductas explícitas (Ato et al., 2013).
Participantes
Nunnally y Bernstein (1995) recomiendan que para realizar un análisis de
propiedades psicométricas preciso se debe contar al menos con 5 participantes por ítem del
instrumento de medición. Por lo tanto, siguiendo con este criterio se utilizó una muestra
conformada por 219 participantes cuyas edades variaban entre los 17 y 31 años. Se hizo uso
de un tipo de muestreo no probabilístico y por bola de nieve.
Como criterio de inclusión se consideró a adultos de ambos sexos, de edades entre
los 17 y 31 años, que hayan nacido o hayan vivido un tiempo significativo de al menos 5
años en el Perú, que tengan el español como lengua materna y que hayan aceptado
voluntariamente participar del estudio mediante un consentimiento informado.
Como criterios de exclusión se consideró a personas que no se encuentren dentro del
rango de edades establecido, que cuenten con alguna discapacidad física o mental o que no
hayan deseado participar voluntariamente de la investigación.
10
Instrumento
Test de Dependencia de Videojuegos (TDV) fue creado por Chóliz y Marco (2011),
es una escala Likert compuesta por 25 ítems divididos en 4 factores, de los cuales los ítems
3, 4, 6, 7, 10, 11, 13, 14, 21 y 25 pertenecen a la dimensión de Abstinencia, los ítems 1, 5, 8,
9 y 12 al factor de Abuso y Tolerancia, los ítems 16, 17, 19 y 23 al factor denominado
Problemas ocasionados por los videojuegos y los ítems 2, 15,18, 20, 22 y 24 a la dimensión
referida como Dificultad en el control. De la misma manera en su trabajo estos autores
obtuvieron una consistencia interna de α=.94 en todo el instrumento y α >.8 en los 4 factores.
Además, por su parte Salas et al., (2017) realizaron un análisis psicométrico de este test para
la población de adolescentes peruanos en el cual obtuvieron correlaciones interfactoriales
mucho más altas del mínimo requerido para ser significativas (α >.8), por lo cual decidieron
utilizar un AFC de modelo unifactorial (χ2 = 524.389, RMSEA = .051, SRMR = .048, CFI
= .992) además del de cuatro factores originalmente planteado (χ2 = 479.789, RMSEA =
.047, SRMR = .047, CFI = .993). Por lo cual concluyeron que existía la posibilidad de la
existencia de un solo factor denominado Adicción a Videojuegos en vez de los cuatro
anteriormente planteados.
Escala Breve de Búsqueda de Sensaciones (BSSS8) diseñada por Hoyle, Stephenson,
Palmgreen, Lorch y Donohew (2002) y validada para la población peruana por Merino y
Salas (2017). Dicho instrumento consta de 8 ítems que representan los 4 factores que
componen la Busqueda de Sensaciones: búsqueda de experiencias (ítems 1 y 5), búsqueda
de aventura y emociones (2 y 6), desinhibición (3 y 7) y susceptibilidad al aburrimiento
(4 y 8). El instrumento es una escala Likert con 5 alternativas de respuesta por ítem que
varían desde Muy en Desacuerdo hasta Muy de Acuerdo. En las instrucciones se le pide al
participante que responda valorando sus preferencias y gustos. Merino y Salas-Blas (2017)
obtuvieron resultados satisfactorios en la consistencia interna (α =.745) para la población
peruana.
Cuestionario de Ansiedad Rasgo, que forma parte del Inventario de Ansiedad Estado-
Rasgo (IDARE) diseñado por Spielberger y Diaz-Guerrero (2007) y validado para la
población peruana por Dominguez, Villegas, Sotelo y Sotelo (2012). El instrumento consiste
11
de un cuestionario uni-dimensional con formato de escala Likert compuesto por 20 ítems
con 4 alternativas cada uno que varían desde Casi Nunca a Casi Siempre. Durante la
validación del instrumento para la población peruana se obtuvieron resultados satisfactorios
(α =.908). Los resultados del análisis factorial (KMO = .855, test de Bartlett [χ2 = 852.591;
g.l.= 171], método de componentes principales con rotación promax de .504, análisis
paralelo para la extracción de los factores) mostraron la existencia de dos factores
denominados Presencia de Ansiedad y Ausencia de Ansiedad.
Procedimiento
En primera instancia se solicitó a los autores originales acceso al instrumento y su
método de puntuación. Una vez obtenido el permiso se procedió a la elaboración del
formulario “online” utilizando la plataforma de “Google Forms”, dicho cuestionario
constaba del consentimiento informado (en el cual se señalaba el carácter anónimo y
voluntario del mismo, así como los objetivos de la investigación), la ficha sociodemográfica
y los instrumentos TDV (eliminando el ítem 22 cuyo contenido no era acorde con el sector
demográfico que se busca investigar) y el cuestionario de Ansiedad Rasgo (parte del
inventario IDARE). Para la recolección el link al cuestionario fue distribuido mediante redes
sociales haciendo énfasis en el grupo objetivo de la investigación (jóvenes adultos que
jueguen regularmente a videojuegos). Además, se solicitó la ayuda de algunos participantes
para difundir con mayor eficacia el cuestionario hacia la población objetivo. La recolección
de datos se realizó durante un periodo de tres semanas. Los datos recolectados fueron
digitalizados en una hoja de Excel y posteriormente importados a los programas estadísticos
Rstudio y Jamovi para su análisis.
Análisis de datos
Inicialmente, se tabularon los datos obtenidos a una hoja Excel y se realizó la
limpieza de los mismos para asegurar que se cumplieran con los criterios de inclusión y
exclusión. Posteriormente, se trasladaron al programa estadístico Rstudio para su análisis.
Se llevó a cabo un Análisis Factorial Confirmatorio (AFC) para analizar la validez por
estructura interna. Para ello se utilizaron el coeficiente chi cuadrado (χ2) con un nivel de
significancia de (p>0.05); el “Comparative-of-Fit Index” (CFI) y el “Tucker- Lewis Index”
12
(TLI), cuyos valores mayores o iguales a .90 se consideran aceptables; el “Root Mean
Square Error of Approximation” (RMSEA) y el “Standardized Root Mean Square
Residuals” (SRMR), cuyos valores menores a .08 son considerados aceptables(Hu &
Bentler, 1999; Yu, 2002).. En cuanto a la validez basada en la relación con otras variables
se aplicó la prueba de correlación R de Pearson con todas las dimensiones de las escalas
mencionadas (TDV, BSSS8 e IDARE). Se consideró el nivel de significancia estadística p<
0.05. Con el objetivo de obtener un análisis más preciso se decidió utilizar el coeficiente
Omega, puesto que es un coeficiente más apropiado para el análisis de variables psicológicas
que el comúnmente usado Alfa de Cronbach (Ventura & Caycho, 2017; Domínguez &
Merino, 2015).
13
Resultados
En primera instancia, se obtuvieron los estadísticos descriptivos de cada ítem del
TDV, los cuales incluían media (ME), desviación estándar (DE), asimetría (G1) y curtosis
(G2).
Tabla 1
Estadísticos descriptivos de los ítems del TDV
Ítems ME DE G1 G2
Ítem 1 1.48 1.33 0.35 -1.15
Ítem 2 1.46 1.17 0.34 -0.75
Ítem 3 0.671 1.02 1.48 1.34
Ítem 4 2.07 1.39 -0.165 -1.31
Ítem 5 1.56 1.33 0.298 -1.17
Ítem 6 1.25 1.14 0.528 -0.748
Ítem 7 1.12 1.18 0.823 -0.351
Ítem 8 1.55 1.37 0.222 -1.37
Ítem 9 2.21 1.32 -0.324 -1.06
Ítem 10 1.78 1.34 0.0495 -1.31
Ítem 11 2.08 1.35 -0.117 -1.12
Ítem 12 1.49 1.25 0.326 -0.994
Ítem 13 1.08 1.15 0.667 -0.55
Ítem 14 1.1 1.2 0.802 -0.564
Ítem 15 1.39 1.23 0.311 -1.12
Ítem 16 2.89 1.38 -1.04 -0.279
Ítem 17 1.19 1.32 0.78 -0.655
Ítem 18 2.78 1.31 -0.923 -0.246
Ítem 19 1.18 1.35 0.734 -0.809
Ítem 20 0.557 0.939 1.8 2.75
Ítem 21 1.15 1.24 0.739 -0.652
Ítem 22 2.45 1.21 -0.548 -0.534
Ítem 23 2.03 1.27 -0.129 -1.07
Ítem 24 1.08 1.2 0.73 -0.71
ME: Media, DE: Desviación Estándar, g1: Asimetría y g2: Curtosis
Para explorar la estructura interna del instrumento en una muestra de adultos
peruanos, se pusieron a prueba dos modelos a través del análisis factorial confirmatorio,
mediante el estimador de Mínimos Cuadrados Ponderados Robustos (WLSMV). El primer
modelo (M1) estuvo conformado por cuatro factores (M1), siguiendo la propuesta de la
14
versión original del instrumento (Chóliz & Marco, 2011); mientras que el segundo modelo
(M2) corresponde a un modelo unifactorial (M2) mencionado propuesto en el estudio de
Salas et al., (2017) con adolescentes peruanos. Los índices de ajuste obtenidos se presentan
en la tabla 2.
Tabla 2
Índices de ajuste, AFC.
χ2 p valor (χ2) CFI TLI RMSEA SRMR
Modelo 1 599.243 .00 .909 .898 .082 .081
Modelo 2 642.057 .00 .900 .890 .085 .084
Como se puede observar en la tabla 1 ambos modelos poseen índices de ajuste
aceptables, siendo el modelo de cuatro factores original (M1) el que obtiene ligeramente
mejores resultados en todos los coeficientes utilizados, sin embargo, dicho modelo evidenció
cargas factoriales cruzadas en el ítem 2 (perteneciente al factor Dificultad para el control)
con el factor Abuso y tolerancia y entre el ítem 3 (perteneciente al factor Abstinencia) con
los factores Abuso y tolerancia y Dificultad para el control. A su vez los índices de
modificación recomendaron pasar el ítem 2 a la dimensión de Abstinencia. Por lo
anteriormente expuesto se podría llegar a aceptar el modelo unifactorial (M2) propuesto por
Salas et al. (2017), sin embargo, los hallazgos obtenidos no son concluyentes. Por otro lado,
en cuanto a los análisis de confiabilidad, se obtuvo un Omega de .929 lo cual es considerado
aceptable.
Validez basada en la relación con otras variables
En la tabla 3 se observan los resultados de las correlaciones entre ambas dimensiones
del Cuestionario de Ansiedad Rasgo del IDARE y el modelo unifactorial del TDV.
15
Tabla 3
Correlación inter-factorial
TDV
Ausencia de
Ansiedad
r = .005
p = .938
Presencia de
Ansiedad
r = .169
p = .013
Búsqueda de
Sensaciones
r = .022
p = .753
Los resultados de dicha prueba mostraron correlaciones estadísticamente
significativas (con un IC = 95%) entre el modelo unifactorial del TDV con la dimensión
Presencia de ansiedad del Cuestionario Ansiedad Rasgo del IDARE. Sin embargo, no se
encontraron evidencias de correlaciones significativas con el factor Ausencia de Ansiedad
Rasgo del IDARE o la variable Búsqueda de Sensaciones, medida utilizando el BSSS8.
16
Discusión
La presente investigación tuvo como objetivo hallar evidencias de validez del instrumento
TDV para la población de jóvenes adultos peruanos. Se utilizaron las fuentes de validez
basada en la estructura interna, haciendo uso del AFC y basada en la relación con otras
variables correlacionando los resultados obtenidos de las variables AVJ (medida con el
TDV) y la Ansiedad Rasgo (medida por el Cuestionario Ansiedad Rasgo del IDARE).
Actualmente, cada vez más personas son expuestas a la posibilidad de desarrollar
adicciones comportamentales como la AVJ (Salas, et al, 2017). Dicho trastorno puede ser
extremadamente dañino para el desarrollo normal del paciente que lo sufre (American
Psychiatric Association [APA], 2013). En nuestro país no existen cifras precisas sobre la
cantidad de jugadores con riesgo de desarrollar este trastorno, pero si observamos las
estadísticas de Estados Unidos, donde la edad promedio de un “gamer” es de 35 años
(Entertainment Software Association, 2015), no es disparatado asumir que algo similar
ocurre en el Perú, por lo cual el análisis psicométrico realizado anteriormente por Salas et
al. (2017) que se enfocó en la población adolescente no brindó evidencias de validez y
confiabilidad psicométrica del instrumento para un porcentaje significativo de la población
de jugadores.
Por lo tanto, el presente trabajo busca complementar el estudio de Salas et al. (2017)
realizando el análisis psicométrico del TDV en adultos peruanos. De la misma manera, al
igual que los autores previamente mencionados se decidió que el modelo más apropiado era
el compuesto por un único factor denominado Adicción a Videojuegos, en lugar de los cuatro
factores propuestos originalmente por Chóliz y Marco (2011). Dicha decisión se debió
principalmente a las cargas factoriales cruzadas obtenidas entre algunos ítems con factores
a los cuales no pertenecían y a la evidencia estadística que sugería la transición del Ítem 2,
perteneciente al factor Dificultad para el control, al factor Abstinencia.
17
Por otro lado, los resultados obtenidos por el AFC no logran cumplir con los
estándares mínimos propuestos por Hu y Bentler (1999) para afirmar que existen evidencias
de validez basada en la estructura interna, a pesar de no estar muy lejos de los mismos. Los
resultados de este estudio contrastan con los obtenidos por Salas, et al. (2017), quienes sí
lograron hallar evidencias de validez basada en la estructura interna. Por lo cual se requiere
mayor investigación para determinar si dichos resultados también pueden ser obtenidos en
una población adulta.
Por otro lado, la propuesta de la existencia de un solo factor difiere de lo reportado
por Yilmaz, Griffiths y Kan (2017) quienes desarrollaron la “VideoGame Addiction Scale
for Children” (VASC), instrumento diseñado para medir la AVJ en poblaciones
anglosajonas y que al igual que el TDV fue diseñado basándose en un modelo de 4 factores
relacionados a las categorías de síntomas de adicciones comportamentales presentadas en el
DSM-IV. A su vez, el modelo unifactorial, es acorde con la “Internet Gaming Disorder
Scale” (IGDS), instrumento diseñado por Stockdale y Coyne (2018) para medir la AVJ y
validado para poblaciones de habla italiana y portuguesa (Monacis, de Palo, Griffiths &
Sinatra, 2016; Pontes & Griffiths,2016). Puesto que dicho instrumento fue diseñado en base
a un único factor denominado adicción a videojuegos, lo cual apoya la propuesta realizada
en este estudio.
En cuanto a la validez basada en la relación con otras variables, los resultados
obtenidos confirmaron una correlación significativa entre la variable AVJ y la variable
Presencia de Ansiedad Rasgo en la muestra analizada. Dichos resultados son acordes a los
obtenidos por Mehroof y Griffiths (2010), sin embargo, a diferencia de estos no se pudo
hallar evidencias de correlación significativa entre la AVJ y la Ausencia de Ansiedad Rasgo
en la muestra analizada.
Con respecto a la coyuntura actual de pandemia por covid-19, la cual implica menor
movilización de la población y significativamente mayor tiempo en casa. Situación que
aumenta la probabilidad de desarrollar AVJ debido a la cantidad limitada de actividades que
se pueden realizar. Resulta curioso que no se hayan encontrado evidencias de la misma
18
durante este estudio. La causa de ello puede ser a la necesidad de recolectar los datos de
forma virtual o el tamaño reducido de la muestra. Sin embargo, es importante tomar en
cuenta que el 56% de la muestra pertenece a estudiantes universitarios, el 31% de la misma
a personas que actualmente laboran y el 12% de participantes que realizan ambas actividades
simultáneamente. Por lo cual, considerando que dichos grupos demográficos, debido a las
exigencias propias de sus actividades no pueden invertir mucho tiempo a actividades
recreativas como los videojuegos, sobre todo en la época de pandemia actual donde se ha
reportado un aumento significativo en las horas de trabajo promedio exigidas por actividades
laborales y de educación superior.
Limitaciones
Las principales limitaciones están relacionadas a la pandemia por covid-19 y como
afecta de manera significativa el estado mental y estilo de vida de la población objetivo. A
su vez, dificulta la recolección de los datos, puesto que debió ser realizada de forma virtual
y únicamente se pudo utilizar un tamaño de muestra limitado.
Conclusiones
En síntesis, no fue posible completar el objetivo propuesto para esta investigación de
hallar evidencias de validez basada en la estructura interna y en la relación con otras
variables para el instrumento TDV en adultos peruanos. Sin embargo, los resultados sugieren
que con mayor investigación dichos objetivos pueden ser cumplidos en el futuro por un
nuevo estudio.
19
Referencias
American Psychiatric Association, Diagnostic and statistical manual of mental disorders
(5th ed.), (2013). Arlington, VA. American Psychiatric Publishing.
doi: 10.1176/appi.books.9780890425596
Arnao, J., Falla, G., & Jiménez, A. (2011). Los juegos en línea en adolescentes y jóvenes.
Un estudio cuanti-cualitativo, descriptivo y analítico en jóvenes del Perú. Lima:
Centro de Información y Educación para la Prevención del Abuso de Drogas
(CEDRO).
Recuperado de:
https://repositorio.urp.edu.pe/bitstream/handle/urp/375/Cuba_je.pdf?sequence=1&i
sAllowed=y
Ato, M., López, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños
de investigación en psicología. Anales de Psicología, 3(29), 1038-1059.
doi: 10.6018/analesps.29.3.178511
Castellana, M., Sánchez-Carbonell, X., Beranuy, M. & Graner, C., (2006). La relació
de l’ adolescent amb les TIC: Un tema de rellevàn-cia social. Full Informatiu del
Col·legi Oficial de Psicòlegs de Catalunya, 192, 22-23.
Recuperado de: https://www.redalyc.org/pdf/3498/349832318002.pdf
20
Chóliz, M. (2011). PrevTec 3.1: Programa de Prevención de Adicciones Tecnológicas.
Valencia: FEPAD.
Recuperado de:
http://usoresponsablenuevastecnologias.files.wordpress.com/2009/10/prevtec.pdf
Chóliz, M., & Marco, C. (2011). Patrón de uso y dependencia de videojuegos en infancia
y adolescencia. Anales de Psicología, 27(2), 418-426.
Recuperado de: https://revistas.um.es/analesps/article/view/123051
Choi, Y., Chu, K., & Choi, E. (2018). The Impact of Video Game Addiction in the
Workplace. International Journal of Cyber Behavior, Psychology and Learning
(IJCBPL), 8(2), 1–19. doi:10.4018/978-1-7998-0954-8.ch003
Clemente, M., Reig-Botella, A., & Coloma, R. (2015). The Occupational Health of
Correctional Officers in Peru: The Impact of Length of Work Experience. The
Prison Journal, 95(2), 244–263. doi: 10.1177/0032885515575275
Desai, R., Krishnan-Sarin, S., Cavallo, D., Potenza, M. (2010). Video-gaming among
high school students: health correlates, gender differences, and problematic
gaming. Pediatrics, 126(6), 1414-1424. doi: 10.1542/peds.2009-2706
21
Dominguez, S., & Merino, C. (2015). ¿Por qué es importante reportar los intervalos de
confianza del coeficiente alfa de Cronbach? Revista Latinoamericana de
Ciencias Sociales, niñez y Juventud, 13(2), 1326-1328.
Recuperado de: http://revistaumanizales.cinde.org.co/rlcsnj/index.php/Revista
Latinoamericana/article/view/2030
Dominguez, S., Villegas, G., Sotelo, N. & Sotelo, L. (2012). Revisión Psicométrica del
Inventario de Ansiedad Estado-Rasgo (IDARE) en una Muestra de Universitarios
de Lima Metropolitana. Revista de Peruana de Psicología y Trabajo Social, 1(1),
45-54.
Recuperado de:
https://www.uigv.edu.pe/fileadmin/facultades/psicologia/documentos/revista_2012
1_completa.pdf#page=44
Entertainment Software Association. (2015). Essential Facts About the Computer and
Video Game Industry. Recuperado de
http://www.theesa.com/wpcontent/uploads/2015/04/ESA-Essential Facts2015.pdf
Griffiths, M. (2008). Videogame Addiction: Further Thoughts and Observations.
International Journal of Mental Health and Addiction, 6, 182185.
Griffiths, M., Davies, M., & Chappell, D. (2003). Breaking the stereotype: the case of
online gaming. CyberPsychology & Behavior, 6, 81-91.
doi: 10.1089/109493103321167992
22
Griffiths, M., Davies, M. & Chappell, D. (2004). Online computer gaming: A comparison
of adolescent and adult gamers. Journal of Adolescence, 27 (1), pp. 87-96.
doi: 10.1016/j.adolescence.2003.10.007
Griffiths, M. & Meredith, A. (2008). Videogame Addiction and its Treatment. Journal
of Contemporary Psychology, 39, 247-253. doi: 10.1007/s10879-009-9118-4
Hoyle, R., Stephenson, M., Palmgreen, P., Lorch, E. & Donohew, R. (2002). Reliability
and validity of a brief measure of sensation seeking. Personality and
Individual Differences, 32, 401–414. doi: 10.1016/S0191-8869(01)00032-0
Hu, L., & Bentler, P. (1999). Cutoff criteria for fit indexes in covariance structure
analysis: Conventional criteria versus new alternatives. Structural Equation
Modeling: A Multidisciplinary Journal, 6(1), 1–55.
doi: 10.1080/10705519909540118
Kardefelt, W., Heeren, A., Schimmenti, A., Rooij, A., Maurage, P., Carras, M., Edman,
J., Blaszczynski, A., Khazaal, Y., & Billieux, J. (2017). How can we conceptualize
behavioural addiction without pathologizing common behaviours? Addiction,
112(10), 1709–1715. doi: 10.1111/add.13763
23
Mehroof, M. & Griffiths, M. (2010). Online Gaming Addiction: The Role of Sensation
Seeking, Self-Control, Neuroticism, Aggression, State Anxiety, and Trait
Anxiety. Cyberpsychology, behavior, and social networking. 13(3), 313-316.
doi: 10.1089/cyber.2009.0229
Merino, C., & Salas, E. (2017). Escala breve de búsqueda de sensaciones
(BSSS): estructura latente de las versiones de 8 y 4 ítems en adolescentes
peruanos. Adicciones, 30(1), 41-53. doi: 10.20882/adicciones.842
Monacis, L., de Palo, V., Griffiths, M. & Sinatra, M. (2016). Validation of the Internet
Gaming Disorder Scale – Short-Form (IGDS9-SF) in an Italian-speaking sample.
Journal of Behavioral Addictions. 5(4), 683–690. doi:10.1556/2006.5.2016.083
Newzoo (2015). 2015 Global Games Market Report.
Recuperado de http://www.newzoo.com/product/2015-global-games-market-report/
Nunnally, J., & Bernstein, I. (1995) Teoría Psicométrica. México: Mc Graw Hill.
Recuperado de: http://www.sidalc.net/cgi-
bin/wxis.exe/?IsisScript=sibe01.xis&method=post&formato=2&cantidad=1&expre
sion=mfn=020454
Salas, E., Merino, C., Chóliz, M., & Marco, C. (2017). Análisis psicométrico del Test de
Dependencia de Videojuegos (TDV) en población peruana. Universitas
psychologica, 16(4), 1–13. doi: 10.11144/Javeriana.upsy16-4.aptd
24
Spielberger. C. & Diaz-Guerrero, R. (2007). IDARE: Inventario de Ansiedad Rasgo-
Estado. México: Manual Moderno.
Recuperado de: https://www.libreriaolejnik.com/fichas/25810.pdf
Stockdale, L., & Coyne, S. (2018). Video game addiction in emerging adulthood: Cross-
sectional evidence of pathology in video game addicts as compared to matched
healthy controls. Journal of Affective Disorders, 225, 265–272.
doi: 10.1016/j.jad.2017.08.045
Tejeiro, R. & Bersabé, R. (2002). Measuring problem video game playing in adolescents.
Addiction, 97,1601–1606. doi: 10.1046/j.1360-0443.2002.00218.x
Ventura, J., & Caycho, T. (2017). El coeficiente Omega: un método alternativo para la
estimación de la confiabilidad. Revista Latinoamericana de Ciencias Sociales,
Niñez y Juventud, 15(1),625-627
Recuperado de: https://www.redalyc.org/articulo.oa?id=773/77349627039
Yılmaz, E., Griffiths, M. & Kan, A. (2017). Development and Validation of Videogame
Addiction Scale for Children (VASC). Int J Ment Health Addiction 15, 869–882.
doi: 10.1007/s11469-017-9766-7
25
Yu, C. (2002). Evaluating Cutoff Criteria of Model Fit Indices for Latent Variable Models
with Binary and Continuous Outcomes.
Recuperado de: https://www.semanticscholar.org/paper/Evaluating-Cutoff-Criteria-
of-Model-Fit-Indices-for-
%C3%81ngeles/7a22ae22553f78582fc61c6cab4567d36998293b?p2df