El uso de plataformas de internet y redes sociales se ha incrementado de manera significativa en los últimos años. Más aún si se considera el fenómeno global al que el mundo entero ha sido expuesto, relacionado con la pandemia por Covid-19, que obligó de manera intempestiva al uso masivo de dispositivos tecnológicos, no solo con fines informativos, laborales o educativos, sino, incluso, sociales y de entretenimiento (Wong et al., 2021).
Este crecimiento, que ya se viene dando hace varios años, ha sido acompañado de la aparición de conductas de abuso, acoso y otros comportamientos maliciosos como el ciberbullying (Howard et al., 2019). Sin embargo, más allá de estos comportamientos en los que las víctimas suelen estar identificadas y la intención de perjuicio es clara (Caplan, 2018; Nicol, 2012), existe otro tipo de conductas, comúnmente denominado en la literatura científica como trolling, que se caracteriza por no tener una intencionalidad bien determinada más que generar un efecto disruptivo en la comunicación. Los usuarios que presentan este tipo de comportamientos suelen realizar comentarios o subir fotos o videos provocativos que no persiguen otro fin más que molestar u obtener placer o diversión (Phillips, 2015).
Si bien hay discrepancias a la hora de definir el constructo, que, incluso, puede diferir de la opinión general que tienen las personas sobre el término (Ortiz, 2020), la mayoría de los autores considera que el trolling es un término global que abarca un espectro de conductas y motivaciones multicausales que resultan antagónicas, antisociales o desviadas en cuanto al comportamiento online (Buckels et al., 2014; Buckels et al., 2018, Hardaker, 2010; Phillips, 2015; Sanfilippo et al., 2018).
De acuerdo con Hardaker (2010), el trolling incluye características como la agresión, el engaño y lo disruptivo. El autor define a un troll como alguien que se gana la confianza de un grupo ocultándose tras una identidad no hostil y encubriendo sus verdaderas intenciones, que son causar interrupciones, iniciar o agravar un conflicto en la comunicación online. En general, los motiva el aburrimiento, la búsqueda de atención o la venganza. Estas conductas se ven potenciadas por el anonimato con el que se pueden realizar estas intervenciones online. La importancia de estudiar este fenómeno radica en que estos comportamientos provocan en las víctimas las mismas consecuencias psicológicas que cuando se dan cara a cara, como síntomas depresivos, ansiedad social y bajos niveles de autoestima (Kircaburun et al., 2020; Nicol, 2012).
Dado que han surgido diversas formas de ejercer conducta troll online, se han propuesto algunas clasificaciones. Algunas formas están más orientadas a la búsqueda de diversión (e. g., kudos trolling), otras más agresivas (e. g., flame trolling) y otras usadas con una finalidad más relacionada con la formación de opinión, por ejemplo, política (e. g., Twitter trolling) (Bishop, 2014; Komaç & Çagiltay, 2019). Además, las últimas investigaciones incluyen el análisis de conductas troll colectivas cuya repetición masiva de comportamientos disruptivos (e. g., comentarios, posteos) contra un individuo o grupo incrementa la intensidad del perjuicio provocado (Flores-Saviaga et al., 2018; Sun & Fichman, 2019).
Factores asociados al trolling
En cuanto a características sociodemográficas, la mayor parte de las investigaciones ha hallado que es más común en hombres jóvenes (e. g.,Buckels et al., 2014; Craker & March, 2016; Lupano Perigini & Castro Solano, 2019).
En relación con variables de personalidad, los estudios han recaído en el análisis de rasgos normales de personalidad desde el modelo de los cinco grandes factores (Five Factor Model, FFM) (Costa & McCrae, 1985) y, además, desde el modelo de rasgos negativos u oscuros denominado Dark Triad (Palthus & Williams, 2002).
Los resultados de dichas investigaciones muestran correlaciones negativas con los rasgos responsabilidad y amabilidad, dando cuenta de que se trata de usuarios poco confiables y negligentes (Buckels et al., 2014; Grothe et al., 2016). Así mismo, los rasgos oscuros de psicopatía y sadismo son predictores positivos significativos de estas conductas antisociales online. Si bien Buckels et al. (2014) encontraron que el narcisismo y el maquiavelismo correlacionan con este tipo de comportamientos, no hay suficiente evidencia como para considerarlos un predictor de ellos (e. g.,Craker & March, 2016; March et al., 2017). Pocas investigaciones han analizado la relación del trolling con rasgos patológicos de la personalidad considerando los propuestos por el DSM-5 en su sección III (American Psychiatric Association, APA, 2013). Estos rasgos comúnmente son evaluados por el Personality Inventory for DSM-5 (PID-5) y son: afecto negativo, desapego, antagonismo, desinhibición y psicoticismo (Krueger et al., 2013). La mayor parte de las investigaciones que incluyen el análisis de dichos rasgos lo hacen en cuanto al uso problemático de internet (PIU, por su sigla en inglés) y otras conductas adictivas (e. g.,Gervasi et al., 2017; Schimmenti et al., 2021). En un estudio previo hallamos que altos niveles de desinhibición se asociaban con elevados índices de conductas disruptivas online en redes sociales (Lupano Perugini & Castro Solano, 2021).
En este estudio, se analiza el poder predictor que manifiestan, en la generación de conductas destructivas (trolling), así como también constructivas en la comunicación online, diferentes rasgos de personalidad entre los que se incluyen los normales, negativos/oscuros, psicopatológicos y positivos de la personalidad. En esta investigación se emplea el Positive Personality Model (PPM) (De la Iglesia & Castro Solano, 2018) para la evaluación de rasgos positivos. Este modelo constituye un intento de integración con la clasificación propuesta en la sección III del DSM-5. Presenta, como novedad, la incorporación de versiones positivas de los cinco rasgos patológicos propuestos por Krueger et al. (2013), constituyendo un polo adicional ubicado más allá de la normalidad: el polo positivo. Dichos rasgos positivos son: serenidad, humanidad, integridad, moderación y vivacidad y foco. El rasgo serenidad, caracterizado por un estado de paz y calma, es el opuesto positivo de afecto negativo y neuroticismo. Humanidad implica una alta sensibilidad al contexto y es la versión positiva de desapego y de extraversión. Integridad, caracterizado por la confianza y humildad, es el polo opuesto de antagonismo y la versión positiva de afabilidad. Moderación implica cautela y reflexión, y es opuesto a desinhibición y versión positiva de responsabilidad. Por último, vivacidad y foco se relaciona con la autoconfianza, tener metas claras, ser activo y sentirse satisfecho. Es el opuesto de psicoticismo y versión positiva de apertura a la experiencia.
Evaluación del trolling. Análisis de conductas contraproducentes en la comunicación online
Buckels et al. (2014) desarrollaron un índice destinado a la medición de la conducta troll llamado Global Assessment of Internet Trolling (GAIT). Este índice cuenta con una validación efectuada para Argentina (Resett & González Caino, 2019). Adicionalmente, en un estudio previo hemos validado un índice, más amplio que el mencionado, destinado a la evaluación de este tipo de comportamientos disruptivos, pero en el contexto específico de las redes sociales (Lupano Perugini & Castro Solano, 2021).
En el presente estudio, nos proponemos el diseño de un instrumento que abarque tanto comportamientos destructivos como constructivos en la interacción online. Se sigue la línea de razonamiento de algunos autores que sostienen que el comportamiento contraproducente online incluye no solo comportamientos antisociales como provocaciones o insultos, sino también expresiones pasivas y prosociales en diferentes contextos. El hecho de que el comportamiento se califique como constructivo o destructivo dependerá de los efectos y de quienes son alcanzados por dichas conductas (Bishop, 2014; Grothe et al., 2016). Quienes perpetran este tipo de comportamientos pueden fortalecer su sentimiento de cohesión y pertenencia grupal porque refuerzan las alianzas ya existentes y, también, permiten el desarrollo de otras nuevas (Hopkinson, 2013).
Para el diseño del instrumento que aquí se brinda nos basamos en el propuesto por Grothe et al. (2016). Este consiste en 40 ítems divididos en dos grandes escalas (comportamiento destructivo y comportamiento constructivo) distribuidos en 15 subescalas (creatividad, burla, crítica, provocación, molestia, hostilidad, territorialidad, venganza, engaño, explotación, defensa, denuncia, confianza, apoyo, atención). En virtud de que la cantidad de ítems por subescala es muy acotada (de 2 a 4 ítems) y puede afectar el proceso de validación, se consideró conveniente plantear el diseño de un instrumento más breve pero que contemple los aspectos evaluados por las subescalas del instrumento original. Se consideraron tanto ítems de dicho instrumento como otros sugeridos por usuarios con alto nivel de uso de redes sociales y otros sitios de internet.
En virtud de lo expuesto se formularon los siguientes objetivos: 1) Diseñar y estimar la validez y fiabilidad de una escala para identificar comportamiento contraproducente online que incluya el análisis conjunto de conductas destructivas y constructivas. 2) Establecer la relación entre comportamiento contraproducente online (conductas destructivas y constructivas), tiempo de conexión y tipos de uso de internet. 3) Determinar cuáles rasgos de la personalidad (normales, patológicos, negativos y positivos) predicen el comportamiento contraproducente online (conductas destructivas y constructivas). 4) Analizar diferencias individuales según género y edad.
Método
Participantes
Se trata de una muestra de conveniencia compuesta por 351 sujetos (156 hombres cisgénero, 44.4 %, y 191 mujeres cisgénero, 54.4 %), 2 participantes no consignaron su género y otros 2 se catalogaron como no binarios (en total eran el 1.2 % de la muestra). Se consideró un mínimo de 150 sujetos para conformar la muestra, ya que la primera versión del instrumento presentaba 30 ítems y se sugiere que para estimar las propiedades psicométricas se cuente al menos con cinco sujetos por cada ítem (Lloret-Segura et al., 2014). Los participantes tenían en promedio 39.35 años (DE = 13.79). El 15.7 % (n = 55) de la muestra eran extranjeros residentes en Argentina. Del total de muestra, el 44.4 % (n = 156) vivía en la Ciudad Autónoma de Buenos Aires y el 44.1 % (n = 141), en el conurbano bonaerense. El resto (n = 54, 11.5 %) residía en el interior del país. La mayoría de los participantes trabajaban (n = 277, 79 %), ubicándose en las categorías de empleado (n = 186, 53 %) o trabajador por su cuenta (n = 91, 26 %). El restante 21 % (n = 74) o bien manifestaba no trabajar, estaba desempleado/a, era jubilado/a o ama de casa.
En cuanto al nivel de estudios, el 47.9 % (n = 168) refirió tener estudios universitarios o terciarios completos, incluso el 12.8 % (n = 45) contaba con estudios de posgrado completos. Un 34.2 % (n = 120) indicó tener el secundario completo. El restante 5.1 % (n = 18) tenía secundario incompleto o escolaridad primaria completa. La mayoría de los participantes pertenecía a un nivel socioeconómico medio (n = 199, 56.7 %) y medio-alto (n = 83, 23.6 %), el resto era de clase media-alta (n = 42, 12 %) y media-baja (n = 21, 6 %). Seis participantes (1.7 %) no consignaron clase social.
Materiales
Encuesta de tipos de usos de internet. A los fines de este estudio se diseñó una encuesta acerca del uso que se hace de las diferentes aplicaciones de internet. Se trata de 15 ítems que consultaban sobre la frecuencia con la que se realiza algún tipo de actividad específica en internet (e. g., enviar y leer mensajes de correo electrónico, mirar publicaciones, publicar videos propios, usar buscadores, leer noticias) en una Likert de siete puntos que iba de nunca a casi todo el tiempo. Se llevó a cabo un análisis de componentes principales con el propósito de verificar los componentes (factores) que explicaban la mayor parte de la varianza total. Se empleó este método frente al análisis factorial exploratorio dado que no se asumió la presencia de un factor común subyacente a las variables consideradas (Bartlett Sphericity Test = 1462, gl = 105, p <0.001, Kaiser Meyer Olkin Index = 0.75). El análisis paralelo sugirió retener tres factores (eigenvalues 3.71, 2.39 y 1.39). Luego se rotó la solución mediante el método Varimax. Los tres factores explicaban el 50 % de la varianza total.
El primer factor se denominó uso activo de redes sociales, explicaba el 24.8 % de la varianza total. En este factor se agrupaban los ítems relacionados con publicar fotos propias, videos propios, comentar publicaciones y compartir videos y fotos. El segundo factor, uso laboral, explicaba el 15.96 % de la varianza. En este componente se concentraban los ítems referidos a trabajar, enviar y leer mensajes de correo electrónico, realizar transacciones bancarias y videollamadas. El tercer factor explicaba el 9.3 % y se lo denominó uso recreativo y utilitario de internet. Los ítems estaban referidos a observar videos, usar buscadores, leer noticias y mirar productos a la venta.
La encuesta presentaba, a continuación de los 15 ítems mencionados, una pregunta que consultaba la cantidad de horas al día en las que realiza actividades que requieran de alguna conexión a internet. El promedio de horas en internet para efectuar alguna actividad que requiera conexión fue de 8.12 horas en promedio (DE = 4.75). Solo un bajo porcentaje refirió estar conectado a internet una hora o menos (n = 12, 3.4 %). Las tres cuartas partes de la muestra (n = 261, 74.4 %) reportaron estar conectadas entre 4 y 12 horas. Un bajo porcentaje de la muestra (n = 36, 10.3 %) manifestó estar conectado más de 13 horas.
Por último, la encuesta tenía una última pregunta que indagaba acerca de la autopercepción de tiempo de uso en una escala de Likert de 5 posiciones (1 = nulo a 5 = excesivo). El 57 % (n = 200) consideró que el uso que hacía de internet era alto y el 11.4 % (n = 40), excesivo. El 27.1 % estimó que el uso era moderado (n = 95).
Escala de comportamiento contraproducente online. Basándonos en el instrumento propuesto por Grothe et al. (2016), se diseñó una escala para evaluar comportamiento contraproducente online que incluye tanto el análisis de conductas destructivas como constructivas. Se diseñaron 30 ítems que se respondían en una escala de Likert de 5 posiciones (1 = total desacuerdo a 5 = total acuerdo). Ejemplo de ítems de conductas destructivas: "Suelo insultar a otros usuarios de internet solo por diversión", "Soy muy creativo/a cuando quiero burlarme de otros en internet". Ejemplo de ítems de conductas constructivas: "Los usuarios de redes sociales deberían postear comentarios que permitan apoyarse y contenerse mutuamente", "Me gusta que la gente mire y se interese en lo que publico en internet". Como se describe en la sección de "Resultados", los datos fueron reducidos utilizando el análisis factorial exploratorio. Siete ítems fueron eliminados debido a que la correlación ítem escala-total era inferior a 0.40 y cinco ítems fueron eliminados debido a la presencia de saturaciones cruzadas. La escala final consta de 18 ítems con muy buenos valores de fiabilidad -coeficiente omega- (conductas destructivas ω = 0.88; conductas constructivas ω = 0.79).
Big Five Inventory (BFl) (John et al., 1991; adaptación argentina Castro Solano & Casullo, 2001): consiste en un instrumento de 44 ítems con opción Likert de respuesta (1 = muy en desacuerdo a 5 = muy de acuerdo) que evalúa los cinco grandes rasgos de personalidad (extraversión, agradabilidad, responsabilidad, neuroticismo, apertura a la experiencia). La escala es un derivado de un test de adjetivos de personalidad, convertidos en frases cortas para facilitar la comprensión de los elementos del test. El autor de la técnica demostró su validez y fiabilidad en grupos de población general adulta norteamericana. Esos estudios verificaron la validez concurrente con otros instrumentos reconocidos que evalúan personalidad.
Estudios realizados en Argentina verificaron la validez factorial de los instrumentos para población adolescente, población adulta no consultante y población militar (Castro Solano & Casullo, 2001). En todos los casos se obtuvo un modelo de cinco factores que explicaban alrededor del 50 % de la variancia de las puntuaciones. Para esta muestra se obtuvieron valores de consistencia interna adecuados -coeficiente omega-: extraversión ω = 0.76; agradabilidad ω = 0.79; responsabilidad ω = 0.82; neuroticismo ω = 0.74; apertura a la experiencia ω = 0.69.
Inventario para trastornos de la personalidad para el DSM-5. Versión abreviada argentina (PID-5-BF) (Krueger et al., 2013). Se utilizó la versión breve del inventario PID-5 de 220 ítems. El PID-5-BF (Krueger et al., 2013) consta de 25 ítems con opción Likert de respuesta (0 = muy falso o a menudo falso a 4 = muy cierto o a menudo verdadero) que evalúan los cinco rasgos clave de personalidad disfuncional propuestos en la sección III del DSM-5 (APA, 2013): afectividad negativa, desapego, antagonismo, desinhibición y psicoticismo. Los estudios hechos en población argentina obtuvieron valores de confiabilidad satisfactoria. En cuanto a los estudios de validez efectuados, se pudo confirmar la estructura de cinco factores propuesta por los autores. En relación con la validez externa, se obtuvo convergencia entre los rasgos psicopatológicos y los rasgos de personalidad normal, excepto para la relación psicoticismo/apertura a la experiencia. Así mismo, se encontró que este inventario podía predecir perfiles de alto riesgo para la salud (según los criterios de la OMS) y de bajo bienestar psicológico, tanto hedónico como eudamónico (Góngora & Castro Solano, 2017). Para esta investigación se consideró una puntuación global de presencia de rasgos psicopatológicos. El valor de fiabilidad -coeficiente omega- para esta escala fue de ω = 0.80.
Inventario de rasgos positivos, short form (IRP-SF) (De la Iglesia et al., 2021). Este instrumento es una versión corta del inventario de rasgos positivos para el DSM-5 (De la Iglesia & Castro Solano, 2018). Mediante sus 25 ítems mide los cinco rasgos positivos de la personalidad del modelo de la personalidad positiva de los autores: serenidad (e. g., "generalmente soy una persona calmada"), humanidad (e. g., "Soy de ayudar a quienes están sufriendo"), integridad (e. g., "La gente puede confiar en mí"), moderación (e. g., "Soy una persona prudente") y vivacidad y foco (e. g., "Suelo sentir que lo que hago tiene importancia"). Los ítems se responden con una escala de Likert de seis puntos de 1 (completamente falso) a 6 (completamente verdadero). Cuenta con evidencias de validez y confiabilidad que dan cuenta de su buen funcionamiento psicométrico. Para esta muestra se obtuvieron los siguientes coeficientes -coeficiente omega-: serenidad (ω = 0.72), humanidad (ω = 0.71), integridad (ω = 0.70), moderación (ω = 0.71), vivacidad y foco (ω = 0.71).
Dark Triad Scale (DTS) (Jones & Paulhus, 2014; adaptación argentina de Salessi & Omar, 2018). Es un instrumento de 24 ítems que evalúa rasgos de la tríada oscura de la personalidad (Paulhus & Williams, 2002). Comprende tres dimensiones: maquiavelismo (e. g., "La mayoría de las personas pueden ser manipuladas"), narcisismo (e. g., "Exijo que me traten con el respeto que merezco") y psicopatía (e. g., "Podría decir cualquier cosa con tal de conseguir lo que quiero"). Cada ítem es valorado sobre una escala tipo Likert de cinco puntos que va de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo). Los estudios de validación realizados en Argentina verificaron, mediante análisis factorial exploratorio y confirmatorio, la estructura de tres factores, que incluso se mantuvo invariante en relación con el género (Salessi & Omar, 2018). Las fiabilidades obtenidas -coeficiente omega- para cada factor, en la presente muestra, fueron adecuadas: maquiavelismo: ω = 0.76, narcisismo: ω = 0.71 y psicopatía: ω = 0.76.
Procedimiento
Los datos fueron recolectados por alumnos que se encontraban llevando a cabo una práctica de investigación en una universidad privada de la ciudad de Buenos Aires (Argentina). Los participantes fueron voluntarios y no recibieron retribución alguna por su colaboración. Las encuestas se administraron online mediante la aplicación SurveyMonkey. En la página de inicio de la encuesta se solicitaba el consentimiento del participante, se aseguraba el anonimato de los datos y su uso exclusivo para investigación. La recogida de los datos fue supervisada por un docente investigador. La investigación siguió los lineamientos éticos internacionales (APA y NC3R) y del Consejo Nacional de Investigaciones Científicas y Técnicas (Conicet) para el comportamiento ético en las ciencias sociales y humanidades (Resolución 2857/2006) y cuenta con la aprobación de los comités de ética correspondientes.
Para el análisis de los datos se utilizó el programa estadístico SPPS v. 24.0, Factor v. 11.05.01, y el programa Jamovi v. 4.0 (2021) a través del entorno R.
Resultados
Diseño y validación de la escala de comportamiento contraproducente online
Para el diseño de esta escala se tomó en consideración la desarrollada por Grothe et al. (2016). En virtud de que el instrumento original presenta una cantidad acotada de ítems por dimensión (de 2 a 4), se decidió desarrollar un instrumento más breve que contemplara las dimensiones propuestas por los autores (creatividad, burla, crítica, provocación, molestia, hostilidad, territorialidad, venganza, engaño, explotación, defensa, denuncia, confianza, apoyo, atención), pero que permita estimar solo dos grandes aspectos (uso destructivo y uso constructivo). Para el diseño de los ítems se conservó el más representativo de las dimensiones originales del instrumento (con ligeras modificaciones para su entendimiento en castellano) y se agregaron otros que fueron sugeridos por usuarios con alto nivel de uso de redes sociales y otros sitios de internet. El instrumento fue sometido a un estudio piloto en el que fue respondido por 30 sujetos que suelen hacer uso de redes sociales. Solo se modificaron algunos aspectos de redacción y claridad en los ítems incluidos.
Análisis factorial exploratorio
Para la validación del instrumento se procedió, en primer lugar, a estimar los valores de asimetría y curtosis para todos los ítems de la escala. Se empleó la muestra de 351 casos para correr estos análisis. Se obtuvieron valores entre -1.96 y 1.96 para casi todos los ítems, lo que indica normalidad univariada de los datos (Gravetter & Wallnau, 2014).
Seguidamente, se llevó a cabo un análisis factorial exploratorio con el propósito de verificar cómo se agrupaban los ítems de la escala diseñada. Se empleó la matriz policórica, ya que los ítems presentaban escala de Likert de respuesta y resulta más adecuado en caso de no cumplimiento de normalidad multivariada (Freiberg Hoffmann et al., 2013), pues el coeficiente de Mardia obtenido fue de 53.21. El análisis paralelo se basó en el análisis factorial de rango mínimo (MRFA) (Timmerman & Lorenzo-Seva, 2011). Luego, se rotaron las soluciones mediante el método Varimax.
El análisis paralelo sugirió retener dos factores (eigenvalues 7.03 y 3.32). Los índices de adecuación muestral fueron aceptables (Bartlett Sphericity Test = 3811, gl = 153,p <0.001, Kaiser Meyer Olkin Index = 0.88). Se verificó cualquier sesgo de los datos mediante la prueba de factor único de Harman. Los resultados sugirieron que no hubo un sesgo de método común significativo, dado que la varianza calculada (29.61 %) estaba por debajo del umbral del 50 % (MacKenzie & Podsakoff, 2012).
Al primer factor se lo denominó uso destructivo de internet y explicaba el 39.1 % de la varianza total. En este factor se agrupaban los ítems referidos a conductas disruptivas online (e. g., burlarse o insultar a otros usuarios por diversión, agredir o criticar a los demás, aprovecharse de otros usuarios, etc.). El segundo factor se nombró uso constructivo de internet y explicaba el 18.4 % restante. En este factor se concentraban diferentes ítems referidos a conductas constructivas en internet (e. g., compartir experiencias positivas, tener conductas de respeto y apoyo hacia los demás, etc.). Los dos factores explicaban en total el 57.5 % de la varianza total. Los datos pueden visualizarse en la tabla 1.
Ítems | Factor 1 Conductas destructivas | Factor 2 Conductas constructivas |
---|---|---|
Suelo insultar a otros usuarios de internet solo por diversión (9) | 0.89 | 0.06 |
Suelo postear comentarios provocando a otros usuarios (21) | 0.86 | 0.02 |
Soy muy creativo/a cuando quiero burlarme de otros en internet (17) | 0.82 | 0.09 |
Si fuera necesario, hay que sacar ventaja de otros usuarios (29) | 0.81 | 0.07 |
Me gusta adoptar diferentes identidades/perfiles en internet (13) | 0.81 | 0.05 |
Es válido aprovecharse de otros usuarios de internet (14) | 0.80 | 0.03 |
No me molesta agredir a otros usuarios si considero que debo hacerlo (24) | 0.76 | 0.18 |
No hay nada mejor que criticar las opiniones de otros usuarios (4) | 0.74 | 0.09 |
Si quiero burlarme de alguien, invento algo (p. ej., meme) y lo publico en la internet (1) | 0.72 | 0.05 |
Si algún usuario/a de internet me insulta, seguramente me vengaré de él/ ella (12) | 0.68 | 0.16 |
Hay ciertas redes y sitios de internet en los que me siento más a gusto (25) | 0.02 | 0.76 |
Debe haber respeto entre los usuarios de una misma red social (27) | 0.21 | 0.73 |
Los usuarios de redes sociales deberían postear comentarios que permitan apoyarse y contenerse mutuamente (2) | 0.04 | 0.67 |
Me gusta que la gente mire y se interese en lo que publico en internet (5) | 0.24 | 0.64 |
Suelo denunciar a los administradores cuando detecto contenido inapropiado en internet (15) | 0.12 | 0.61 |
Me parece importante censurar publicaciones que puedan ser agresivas para terceros (30) | 0.19 | 0.56 |
Comparto mi experiencia de vida con otros usuarios (16) | 0.29 | 0.54 |
Defiendo a otros usuarios de internet cuando son atacados (7) | 0.27 | 0.51 |
Nota: entre paréntesis figura número de ítem del instrumento original.
Fuente: elaboración de los autores.
Como resultado de todo el proceso, siete ítems fueron eliminados debido a que la correlación ítem escala-total era inferior a 0.40 y cinco ítems fueron eliminados por la presencia de saturaciones cruzadas. La escala final consta de 18 ítems.
Estadísticos descriptivos y diferencias por género y edad
Se calcularon los estadísticos descriptivos para ambos factores, con sus correspondientes coeficientes de fiabilidad. Como era de esperarse, los valores más elevados se observan para el factor de las conductas constructivas y los más bajos, para el factor de conductas destructivas. Los coeficientes de confiabilidad son satisfactorios y se ubican dentro de los parámetros esperados.
En el paso siguiente se llevó a cabo un análisis multivariado de la varianza (Manova) para explorar las diferencias por género y edad. No se incluyeron en este análisis las categorías de género no binarias por tratarse de un bajo porcentaje de participantes. Los dos factores correspondientes a las conductas destructivas y constructivas fueron incluidos como variables dependientes, y la edad y el género como factores. Se creó una variable dummy para la edad. La variable resultante tenía dos categorías (se dividió por la mediana) menos de 40 años y más de 40 años. El análisis reveló efectos significativos para el género (λ = 0.958, F (2, 342) = 7.58, p <0.001, η2 = 0.04) y la edad (lambda = 0.976, F (2, 342) = 4.28, p <0.01, η2 = 0.02). No se encontró una interacción entre género y edad (λ = 0.998, F (2, 342) = 0.42, p = 0.653, η 2 = 0.002). Los tamaños del efecto son pequeños, lo cual limita la significación práctica de las diferencias observadas (Cohen, 1992).
Correlaciones con tiempo en plataformas y tipos de uso de internet
Se calcularon correlaciones de Pearson entre las conductas destructivas y constructivas con las variables de tiempo de conexión y los tipos de uso de internet. Como puede observarse en la tabla 3, ambos tipos de conductas estaban asociados con el tiempo en que los participantes usaban las diferentes plataformas de internet, siendo la relación levemente superior para las conductas destructivas. Por otro lado, aquellos que presentaban más conductas destructivas hacían un uso recreativo o utilitario de las plataformas de internet, y no tanto con fines laborales, ya que se observó una correlación negativa con esa variable. También aquellos que presentaban un alto nivel de conductas constructivas hacían un uso recreativo y utilitario de internet, siendo la relación un poco más fuerte que para las conductas destructivas (el tamaño del efecto es de moderado a grande).
Correlaciones con rasgos de personalidad normal, patológicos, negativos y positivos
En este paso se calcularon las correlaciones de Pearson entre las variables objeto de estudio, controlando por género y edad. Los rasgos psico-patológicos se consideraron de forma conjunta mediante una puntuación global. Se hipotetizaron asociaciones positivas con los rasgos de personalidad positivos y asociaciones negativas con las variables de personalidad negativas o psico-patológicas, para las conductas constructivas de internet. En sentido inverso, se habían hipotetizado asociaciones negativas con los rasgos de personalidad positivos y asociaciones positivas con las variables de personalidad negativas o psi-copatológicas, para las conductas destructivas de internet. En relación con los rasgos de personalidad normal, se habían hipotetizado asociaciones significativas para las conductas destructivas con el neuroticismo (en sentido positivo) y con la responsabilidad (en sentido negativo). Para las conductas constructivas, se habían hipotetizado asociaciones positivas con la agradabilidad y con la responsabilidad.
De las 28 correlaciones posibles, se encontraron 16 (57 %) asociaciones positivas y negativas entre las variables estudiadas (ver tabla 4). Cabe señalar que, si bien las asociaciones eran significativas, los tamaños del efecto iban de pequeños a moderados.
Media (DE) | Fiabilidad (omega) | |
---|---|---|
Conductas destructivas | 1.44 (0.52) | 0.88 |
Conductas constructivas | 3.29 (0.74) | 0.79 |
Fuente: elaboración de los autores.
Variables | Uso destructivo | Uso constructivo |
Tiempo en plataformas | 0.18** | 0.12* |
Uso activo redes | 0.06 | -0.03 |
Uso laboral internet | -0.11* | -0.08 |
Uso recreativo y utilitario | 0.10* | 0.32** |
Nota: * p <0.05; ** p <0.01; en negrita tamaño del efecto pequeño a moderado. En negrita e itálica, tamaño del efecto moderado a grande. A partir de r >0.14, para este tamaño muestral, la potencia estadística de 0.80 (Cumming, 2013).
Fuente: elaboración de los autores.
Variables de personalidad | Conductas destructivas | Conductas constructivas |
---|---|---|
Extraversión | -0.04 | 0.02 |
Agradabilidad | -0.25** | 0.09 |
Responsabilidad | -0.26** | -0.05 |
Neuroticismo | 0.06 | 0.12* |
Apertura a experiencia | -0.00 | 0.10* |
Rasgos psicopatológicos | 0.35** | -0.16** |
Maquiavelismo | 0.42** | 0.10 |
Narcisismo | 0.17* | 0.04 |
Psicopatía | 0.50** | -0.07 |
Serenidad | 0.01 | 0.01 |
Humanidad | -0.18** | 0.27** |
Integridad | -0.26** | 0.23** |
Moderación | -0.12** | 0.15** |
Vivacidad y foco | -0.18** | 0.03 |
Nota: * p <0.05; ** p <0.01; en negrita tamaño del efecto pequeño a moderado. A partir de r >0.14, para este tamaño muestral, la potencia estadística de 0.80 (Cumming, 2013).
Fuente: elaboración de los autores.
Las conductas destructivas estaban asociadas negativamente con los rasgos de personalidad normales de agradabilidad y responsabilidad; con los rasgos positivos de humanidad, integridad, moderación y vivacidad y foco. Así mismo, estas conductas estaban asociadas positivamente con los rasgos psicopatológicos y los tres rasgos negativos de la tríada oscura (maquiavelismo, narcisismo y psicopatía).
Las conductas constructivas estaban asociadas positivamente con los rasgos positivos de humanidad, integridad y moderación; con los rasgos de personalidad normal neuroticismo y apertura a la experiencia; y negativamente con los rasgos patológicos de la personalidad.
Análisis de regresión jerárquica entre conductas constructivas y destructivas y variables de personalidad
Se llevaron a cabo dos análisis de regresión jerárquica múltiple con el propósito de examinar si las variables de personalidad psicopatológicas, negativas y positivas, podían agregar varianza adicional más allá de la aportada por las variables de personalidad normal (validez incremental, Haynes & Lench, 2003).
En el primer análisis se incluyeron como variable dependiente las conductas destructivas de internet. En cuanto a las variables independientes, se incluyó, en primer lugar, el género y la edad, dado que en los análisis previos se habían encontrado diferencias significativas. Luego, se incluyeron los rasgos de personalidad normal; seguidamente, los rasgos de personalidad psico-patológicos; y, finalmente, los componentes de la tríada oscura (ver tabla 5).
Conductas destructivas | R 2 | F(gl) | p | ß estandarizado | p |
---|---|---|---|---|---|
Bloque 1 (edad y género) | 0.041 | 8.55 (2,348) | <0.001 | ||
Género | 0.16 | 0.003 | |||
Edad | -0.13 | 0.013 | |||
Bloque 2 (rasgos de personalidad) | 0.114 | 7.42 (7,343) | <0.001 | ||
Cambio en R 2 | 0.085 | <0.001 | |||
Neuroticismo | -0.09 | 0.130 | |||
Extraversión | 0.06 | 0.250 | |||
Apertura | 0.00 | 0.923 | |||
Afabilidad | -0.14 | 0.024 | |||
Responsabilidad | -0.19 | 0.002 | |||
Bloque 3 (r. patológicos) | 0.174 | 10.21 (8,342) | <0.001 | ||
Cambio en R 2 | 0.060 | <0.001 | |||
Rasgos psicopatológicos | 0.31 | 0.000 | |||
Bloque 4 (tríada oscura) | 0.309 | 15.22 (11,339) | <0.001 | ||
Cambio en R 2 | 0.138 | <0.001 | |||
Maquiavelismo | 0.18 | 0.001 | |||
Narcisismo | -0.06 | 0.238 | |||
Psicopatía | 0.36 | 0.001 |
Fuente: elaboración de los autores.
La totalidad de las variables explicaban un 31 % de la varianza en las conductas destructivas. Las variables de personalidad normal aportaban un 8 % y las variables psicopatológicas, un 6 %. Los componentes de la tríada oscura agregaban casi un 14 %. Es decir que casi la mitad de la varianza en las conductas destructivas estaría explicada por las variables de personalidad de la tríada oscura.
En el segundo análisis se incluyeron como variable dependiente las conductas constructivas de internet. En cuanto a las variables dependientes, se incluyó, en primer lugar, el género y la edad. Luego, se incluyeron los rasgos de personalidad normal; seguidamente, los rasgos de personalidad positivos.
La totalidad de las variables explicaban un 13 % de la varianza en las conductas constructivas. Las variables de personalidad normal aportaban un 4 % y las variables de rasgos positivos, un 8 % adicional. Es decir que las variables positivas agregaban varianza adicional a los rasgos de personalidad (ver datos en tabla 6).
Conductas constructivas | R2 | F(gl) | p | ß estandarizado | p |
---|---|---|---|---|---|
Bloque 1 (edad y género) | 0.032 | 6.73 (2.348) | <0.001 | ||
Género | -0.13 | 0.013 | |||
Edad | -0.15 | 0.004 | |||
Bloque 2 (rasgos de personalidad) | |||||
Cambio en R 2 | 0.036 | <0.02 | |||
Neuroticismo | 0.13 | 0.032 | |||
Extraversión | -0.01 | 0.779 | |||
Apertura | 0.10 | 0.067 | |||
Afabilidad | 0.16 | 0.009 | |||
Responsabilidad | -0.03 | 0.598 | |||
Bloque 3 (rasgos positivos) | 0.131 | <0.001 | |||
Cambio en R 2 | 0.088 | ||||
Serenidad | -0.08 | 0.261 | |||
Integridad | 0.13 | 0.034 | |||
Humanidad | 0.25 | 0.000 | |||
Moderación | 0.13 | 0.039 | |||
Vivacidad y foco | -0.01 | 0.851 |
Fuente: elaboración de los autores.
Discusión
En primer lugar, este trabajo se proponía la validación de una escala para identificar comportamiento contraproducente online. Los análisis efectuados dieron lugar a una escala válida y fiable para uso en investigación. La ventaja de este instrumento es que permite analizar tanto los comportamientos disruptivos y antisociales que los usuarios pueden presentar en redes sociales y sitios de internet (e. g., insultar, provocar, burlarse de otros), al igual que conductas proactivas y positivas, como apoyar, respetar y defender a otros usuarios. Si bien los autores que han sido consultados para el diseño de este instrumento (e. g.,Bishop, 2014; Grothe et al., 2016; Hopkinson, 2013) engloban dentro de la denominación comportamiento contraproducente ambos tipos de conductas, ya que argumentan que los efectos positivos o negativos dependen de los efectos y del entorno en que se produzcan, creemos que explorar usos saludables de internet y redes resulta importante a fin de fomentar este tipo de comportamientos en línea.
En cuanto a la relación de estas conductas con variables asociadas al uso y sociodemográficas, los resultados obtenidos están en sintonía con las investigaciones previas (e. g.,Buckels et al., 2014; Craker & March, 2016; Lupano Perugini & Castro Solano, 2019). En general, suele ser más frecuente la presencia de conductas destructivas en usuarios jóvenes y varones. Además, se halló que los comportamientos nocivos se asocian a un mayor tiempo de conexión y que, en general, es con fines de entretenimiento más que laborales. Este dato es coincidente con otra investigación realizada en el contexto latinoamericano que mostró que usar las redes sociales de forma intensiva y con fines de entretenimiento se asociaba a menor nivel de bienestar que si se usa internet para fines más de tipo utilitario (Lupano Perugini & Castro Solano, 2022).
Luego, en lo que respecta a las asociaciones hipotetizadas con los diferentes rasgos de personalidad, se cumplieron en su mayor parte. Los rasgos psicopatológicos y de la tríada oscura se correlacionaron positivamente con las conductas destructivas. A su vez, se observó que responsabilidad -tal como fuera hipotetizado- y agradabilidad del FFM se correlacionaron negativamente. Por último, todos los rasgos positivos (a excepción de serenidad) también se correlacionaron de modo negativo. Estos hallazgos se encuentran en sintonía con los antecedentes consultados (e. g.,Buckels et al., 2014; Craker & March, 2016; March et al., 2017; Grothe et al., 2016; Lupano Perugini & Castro Solano, 2019). Por lo tanto, los usuarios con características impulsivas, manipuladoras y enfocados en su gratificación personal serían los que tienden a presentar conductas relacionadas con agredir y provocar a otros usuarios en línea. Por otro lado, los comportamientos constructivos se asociaron positivamente con tres de los rasgos positivos (humanidad, integridad y moderación) y con neuroticismo y apertura a la experiencia del FFM. Solo se correlacionó negativamente de modo significativo con los rasgos psicopatológicos. En este caso, las asociaciones hipotetizadas se cumplieron parcialmente. Los resultados evidencian que los usuarios que tienden a mostrar conductas colaborativas y de apoyo con otros suelen percibirse como personas cautelosas, confiables, sensibles y empáticas con el entorno. Llamó la atención la correlación positiva, aunque baja, con neuroticismo, que se relaciona con la tendencia a experimentar emociones negativas y a focalizarse en experiencias displacenteras. Este rasgo comúnmente se lo suele vincular con un uso problemático de internet (Kayis et al., 2016).
En relación con el poder predictor de las variables de estudio, se observó que los rasgos positivos incrementaban la varianza explicada por sobre los rasgos normales de personalidad, siendo el rasgo humanidad uno de los que mejor predice las conductas constructivas. Este rasgo se caracteriza por una alta sensibilidad y orientación hacia los vínculos, con lo cual resulta esperable que prediga comportamientos prosociales en línea. Por otro lado, los rasgos de la tríada oscura lograron explicar un mayor porcentaje de varianza explicada de las conductas destructivas (en comparación con lo descripto acerca de los rasgos positivos en cuanto a las conductas constructivas). En este caso, los mejores predictores fueron maquiavelismo y psicopatía, rasgos caracterizados por la manipulación, impulsividad y falta de empatía interpersonal. Tanto en este estudio como en las investigaciones previas estas características parecen ser las que mejor definen al perfil de un troll o hater (e. g.,Buckels et al., 2014; Craker & March, 2016; March et al., 2017; Grothe et al., 2016; Lupano Perugini & Castro Solano, 2019).
Fortalezas, limitaciones y futuras líneas de trabajo
Como fortaleza del estudio realizado se destaca el diseño de un instrumento que permite la evaluación tanto de conductas destructivas como constructivas en cuanto al uso de redes sociales y sitios de internet. El abordaje de este tipo de fenómenos permite, tanto a los propios usuarios como a agentes de salud y educación, tener mayor conocimiento acerca de las consecuencias que trae el uso de redes y las nuevas tecnologías a fin de promover un uso adecuado de estas.
En cuanto a limitaciones del trabajo efectuado, puede considerarse el empleo de medidas de autoinforme que pueden afectar la validez de los datos. Además, un porcentaje muy bajo de participantes residía en el interior del país (11.5 %), por lo cual en la utilización del instrumento se deben tener en cuenta las características principales de la muestra de tipificación. Por otro lado, debe tomarse en consideración que en este estudio se analizaron usos globales de internet y redes sociales sin especificar el tipo de plataformas, sitios web o redes sociales usadas. Los últimos estudios apuntan a hacer un análisis cada vez más específico, ya que existen preferencias por parte de ciertos perfiles negativos de usuarios que consideran más fértiles algunos entornos online para llevar adelante sus acciones disruptivas (Marshall et al., 2020).
Como futuras líneas de abordaje se propone ampliar el panorama de análisis incluyendo el estudio de conductas troll colectivas y no solo de nivel individual. Tal como sostienen algunos autores, la repetición masiva de comportamientos destructivos (e. g., comentarios, posteos) contra un individuo o grupo incrementa la intensidad del perjuicio provocado (Flores-Saviaga et al., 2018; Sun & Fichman, 2019). Para esto es interesante valerse de métodos de análisis derivados de la inteligencia artificial o que permitan estudiar directamente los contenidos subidos por las personas mediante la revisión de las palabras usadas en posteos (e. g., Liwc Method; Tausczik & Pennebaker, 2010).
Por último, creemos importante empezar a hacer énfasis sobre cuáles pueden ser usos positivos o saludables de internet y redes. De acuerdo con algunos autores (Lin, Su & Potenza, 2018), aquellos usuarios que logran una mejor integración entre la imagen que muestran online y offline son los que reportan mayores niveles de satisfacción, bajas conductas adictivas y mejor percepción de internet en general. Por lo antedicho, el abordaje de esta integración online/offline y la relación con perfiles de usuarios y uso de internet puede resultar un campo interesante de estudio.