Diferencias en la
atención sostenida en jóvenes universitarios con distintos niveles de uso de
smartphone
Differences in
sustained attention in young university students with different levels of
smartphone use
Jorge Alberto Guzmán Cortés jorge_guzman@uaeh.edu.mx
Universidad Autónoma del Estado de Hidalgo, México
Javier Tadeo Sánchez-Betancourt tadeo.sanchez@uabc.edu.mx
Universidad Autónoma de Baja California, México
Nallely Meneses López naymnss1@gmail.com
Investigadora autónoma,
México
Vanessa Feliciano Hernández fe382765@uaeh.edu.mx
Universidad Autónoma del Estado de Hidalgo, México
Vivian Ruiz Reyes ru384916@uaeh.edu.mx
Universidad Autónoma del Estado de Hidalgo, México
Diferencias en la atención sostenida en jóvenes universitarios
con distintos niveles de uso de smartphone
Interdisciplinaria,
vol. 39, núm. 2, pp. 23-36,
2022
Centro Interamericano de Investigaciones Psicológicas y Ciencias
Afines
La revista
Interdisciplinaria se publica bajo una licencia Creative Commons BY-NC-SA 4.0
Esta obra está bajo una Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
Recepción:
15
Julio 2020
Aprobación:
29
Octubre 2021
Resumen:
El uso constante de los dispositivos
móviles está generando nuevos fenómenos de comportamiento. En años recientes,
se ha puesto énfasis en los cambios cognitivos que se podrían generar en los
jóvenes que hacen uso excesivo de estos dispositivos. El objetivo del trabajo
fue conocer las diferencias en la atención sostenida en jóvenes universitarios
asociadas a distintos niveles de uso del teléfono inteligente. Se obtuvo una
muestra de 94 adultos, 34 hombres y 60 mujeres de 18 a 23 años (M = 19.34, DE =
1.09) alumnos de la escuela superior de Actopan, Hidalgo-México. Se aplicó la
Escala de Dependencia y Adicción al Smartphone EDAS (Aranda-López et al., 2017)
y una prueba computarizada de ejecución continua (CPT) Test of Atenttional Vigilance
(TOAV; Mueller y Pipper, 2014). Se realizó un ANOVA de una vía, en el que la
variable independiente fue el nivel de uso del teléfono inteligente (sin
dependencia, dependencia y adicción) y la variable dependiente fueron las
puntuaciones obtenidas en el TOAV. Se observó que existen diferencias
significativas a nivel estadístico en lo relativo a errores de omisión de la
segunda mitad de la prueba (p = .005); las diferencias fueron entre los grupos
de sin dependencia-dependencia (p = .010) y sin dependencia-adicción (p =
.024). Acorde a los hallazgos del presente estudio, existen diferencias en el
proceso de atención sostenida entre usuarios con diferentes niveles de uso del
teléfono inteligente; los estudiantes con niveles de dependencia y adicción
enfrentan dificultades en la atención sostenida cuando la tarea se prolonga y
aumenta la demanda cognitiva.
Palabras clave: atención sostenida,
cambios cognitivos, estudiantes universitarios, teléfono inteligente.
Abstract: The constant use of mobile devices changed our lives
dramatically during the past years and its usage increased over the years.
Smartphone use is associated with isolation and interpersonal problems; its
overuse can cause cognitive problems too (Matar Boumosleh & Jaalouk, 2017).
Cognitive problems associated with smartphones in young people are reduction of
sustained attention and working memory. Findings have been reported in which
younger populations show deterioration in different components of care, highlighting
the difficulty of walking and using the smartphone at the same time (Prupetkaew
et al., 2019). It has been reported that the impulsivity associated with use of
smartphone in silent mode interferes in memory tests unlike when it is in off
mode in young populations (Canale et al., 2019). It is necessary to evaluate
the effects of using a smartphone on young people because it is a population
that uses it constantly to develop in work, academic, sports, and even
socializing activities. The aim of this paper was to find out the differences
in sustained attention in young university students with different levels of
smartphone use. A sample of 94 adults, 34 men and 60 women between the ages of
18 and 23 (M = 19.34, SD = 1.09), who were students of the higher school of
Actopan, Hidalgo-Mexico. The EDAS –Smartphone Dependency and Addiction Scale–
was applied (Aranda-López et al., 2017). For the evaluation of attention, a
Computerized Continuous Running Test (CPT), Test of Attentional Vigilance
(TOAV) was applied using the Psychology Experimental Building Language PEBL-2
platform (Mueller & Pipper, 2014). The inclusion criteria were that the
participants were between 18-23 years old, right-handed, with normal and/or
corrected vision. They were excluded from the investigation if they had a
history of psychiatric and/or neurological diseases, learning difficulties,
chronic alcohol and/or drug use. A one-way ANOVA was performed, where the
independent variable was the level of smartphone use (no dependence, dependence
and addiction) and the dependent variable was the scores obtained in the TOAV.
It was observed that there are statistically significant differences in the
errors of omission of the second half of the test (p = .05), the differences
were found between the groups of no dependence-dependence (p =.10) and without
dependence-addiction (p = .24). The results showed that there are differences
in the execution of a neuropsychological task, regarding the omission errors of
the second part of the test. These differences could suggest that the level of
sustained attention is diminished in the participants of the dependency and
addiction group at the end of the task. On the other hand, it is also concluded
that students with levels of dependence and smartphone addiction face attention
difficulties when the task is longer and cognitive demand increases. This type
of data must be analyzed taking into consideration variables such as sex,
socioeconomic level, age, profile of use, quality of sleep, level of physical
activity, among others.
Keywords: sustained attention,
cognitive changes, college students, smartphone.
Introducción
El ritmo de vida de la sociedad actual ha provocado el
surgimiento de la nueva era de la interconexión, en la que los dispositivos
móviles se han convertido en parte importante del día a día (Espino, 2014). La hiperconexión y la
tendencia creciente de llenar cada segundo de la vida con alguna actividad
electrónica están generando nuevos fenómenos de comportamiento. La
incorporación de internet y de los dispositivos móviles en nuestra vida ha
traído consigo la oportunidad de mantenernos en contacto e informados con el
mundo, pero a su vez, estamos cultivando una cultura hiperveloz, sobrecargada,
desenfocada y de fragmentación intelectual en la que la función atencional está
en problemas, pues vivimos en una cultura de la interrupción constante (Jackson, 2018). La afectación en la
capacidad para prestar atención a un estímulo de manera sostenida pone en
riesgo la realización de actividades o tareas que requieran de una
concentración profunda y organizada (Ramírez,
2014).
En los últimos años, el uso de dispositivos móviles ha crecido
de manera considerable. Acorde a la encuesta nacional sobre disponibilidad y
uso de tecnologías de la información en los hogares, el 88.1 % de la población
en México cuenta con un teléfono inteligente (INEGI, 2019). En cuanto a las actividades
que más se realizan a través de estos dispositivos, el estudio revela que el 84
% de los encuestados lo ocupa para redes sociales, el 78 % para el correo
electrónico, el 68 % para navegar en internet, el 53 % para conversar en chats
y el 44 % para escuchar música (Deloitte
Touche Tohmatsu Limited –DTTL–, 2019). Es importante señalar que, para el
año 2018, el promedio de navegación de los mexicanos a través de un dispositivo
móvil es de siete horas al día, según el Interactive Advertising Bureau (IABMx, 2018). Cabe resaltar que el smartphone ha ganado importancia en términos de conexión,
no solo por el número de actividades que se pueden realizar, sino también
porque permite estar conectado en todo momento. Es decir, se permanece de
manera activa o pasiva conectado las 24 horas, por lo que en la actualidad ya
no existe un lapso definido para su uso (IABMx,
2019).
Dado lo anterior, existe un interés especial por parte de los
investigadores en conocer cómo repercute este nuevo estilo de vida en las
esferas física, emocional y social de jóvenes. Así pues, se han reportado
problemas en la vista (Parra, 2018),
afecciones ortopédicas, tensión en el cuello y cabeza, fatiga muscular (Kim y Koo, 2016; Samani et al., 2017) y perturbaciones del
sueño (Menglong y Liya, 2017).
Adicionalmente, el uso excesivo de estos dispositivos se asocia con bajos
niveles de autoestima (Won et al., 2017),
agresividad (Parra, 2018),
irritabilidad (Samani et al., 2018), depresión, ansiedad y comportamientos
compulsivos (King y Dong, 2017; Lee et al., 2014; Lin et al., 2017). A nivel social, se han
observado problemas en las relaciones interpersonales y aislamiento (Won et al., 2017).
Es fundamental resaltar que, en la actualidad, se ha puesto
especial énfasis en los cambios cognitivos que pudiesen presentarse debido al
uso excesivo de estos dispositivos. En general, se ha señalado disminución en
la velocidad de procesamiento, dificultades en la memoria de trabajo, fallas en
el control inhibitorio y en procesos atencionales (Billieux et al., 2008; Ito y Kawahara, 2017; Matar Boumosleh y Jaalouk, 2017; Ward et al., 2017).
Aunque se ha encontrado evidencia que muestra que el uso
constante del teléfono inteligente mejora las habilidades visoespaciales y de
memoria en poblaciones de adultos mayores de 60 años (Yuan et al., 2019), es importante
puntualizar que, en su mayoría, las investigaciones con poblaciones jóvenes
señalan el posible deterioro en las funciones cognitivas. Por ejemplo, se han
reportado hallazgos en los cuales se muestra deterioro en diferentes
componentes de la atención, entre los que se destacan la dificultad de caminar
y usar el móvil al mismo tiempo (Prupetkaew
et al., 2019). Del mismo modo, se ha informado que la impulsividad asociada
con el uso del teléfono inteligente en modo silencioso interfiere en las
pruebas de memoria en poblaciones jóvenes, a diferencia de cuando está en modo
apagado (Canale et al., 2019). Por lo
tanto, es necesario evaluar los efectos del uso de este dispositivo en los
jóvenes, dado que es una población que lo usa de manera constante para
desarrollarse en actividades laborales, académicas, deportivas e incluso de
socialización.
La adicción al teléfono inteligente presenta características
como la falta de autocontrol, uso excesivo y alteraciones en el desempeño
laboral, social y familiar. En la actualidad, no existen criterios específicos
para definir este concepto, por lo que algunos autores sugieren que lo adecuado
sería nombrarlo como uso excesivo y/o problemático, puesto que no cumple con
los niveles de gravedad causados por una adicción (Panova y Carbonell, 2018). No obstante,
aquellos que aseveran que se trata de una adicción lo relacionan con
diagnósticos incluidos en el Manual Diagnóstico y Estadístico de los Trastornos
Mentales (DSM-V; APA, 2013) y la
Clasificación Internacional de Enfermedades (CIE-11; WHO, 2020), como es la adicción a los
videojuegos e internet.
George y Odgers (2015)
encontraron que los adolescentes que usan nuevas tecnologías para realizar
múltiples tareas podrían tener efectos negativos, como deficiencias académicas,
menor tiempo de estudio y un mayor número de clases perdidas, además de que
aquellos que participan en altos niveles de multitarea son a menudo los más
distraídos.
De igual manera, en un estudio realizado por Won et al. (2017) sobre el uso excesivo
de teléfonos inteligentes, se halló que las personas que tienen un uso
problemático de estos dispositivos son incapaces de mantener la concentración
en una tarea debido a la necesidad de verificar de manera constante las
notificaciones.
Por otra parte, Hadar et
al. (2017) encontraron que la adicción al teléfono inteligente se asocia
con problemas de atención, capacidad de procesamiento numérico reducida,
cambios en la cognición social y excitabilidad reducida de la corteza
prefrontal derecha. De igual modo, Ward et
al. (2017) indican que, incluso cuando las personas logran mantener la atención
sostenida, como cuando evitan la tentación de revisar sus teléfonos, la mera
presencia de estos dispositivos reduce la capacidad cognitiva disponible. Estos
costos cognitivos son más altos para quienes tienen una mayor dependencia.
El estudio de la atención en este tipo de población ha causado
un gran interés debido a las repercusiones que pudiese tener en la vida diaria.
Este proceso se considera básico debido a que permite llevar a cabo funciones
de mayor complejidad cognitiva. En el modelo neuropsicológico propuesto por Mirsky y Duncan (2001) se destacan cinco
elementos de gran importancia: focalización/ejecución; atención sostenida;
codificación; alternancia y estabilidad. Cada uno de estos componentes se
encarga de aspectos particulares del proceso atencional, pero trabajan en
conjunto como un sistema en el que interactúan entre sí.
A continuación, se describen de manera general los componentes
que integran este modelo. El elemento de focalización/ejecución hace referencia
a la capacidad de seleccionar un estímulo particular ante la presencia de
diversos estímulos distractores y ejecutar una respuesta verbal o motora
requerida por la tarea. La atención sostenida es definida como la capacidad
para mantenerse concentrado en una actividad de manera constante y prolongada
hasta que la tarea finalice. La codificación es la capacidad para mantener
información en la memoria de trabajo mientras esta es utilizada. Por su parte,
la alternancia se refiere a la capacidad de cambiar el foco atencional de un
estímulo a otro. Por último, la estabilidad refleja la consistencia o el
esfuerzo atencional para responder a las tareas (Mirsky y Duncan, 2001).
Uno de los principales instrumentos para evaluar la atención son
las tareas de ejecución continua (CPT por sus siglas en inglés), que son
pruebas que de manera particular se centran en evaluar la atención sostenida,
la resistencia del sujeto a la distracción y el mantenimiento de la
concentración, aunque dadas sus características se pueden obtener datos de
otros componentes atencionales (Mirsky et
al., 1991).
Resulta de gran relevancia conocer el impacto del abuso de estos
dispositivos a nivel atencional, puesto que cabría pensar que los teléfonos
inteligentes no son solo una herramienta que ayuda a cumplir con las
actividades cotidianas, sino que también podrían estar afectando el proceso
atencional. Por eso, la presente investigación tuvo por objetivo conocer las
diferencias en la atención sostenida en jóvenes universitarios asociadas a
distintos niveles de uso del teléfono inteligente.
Método
Muestra
Se trató de un muestreo no probabilístico por conveniencia. Se
evaluó a 110 participantes, de los cuales se eliminaron 16 debido a que no
cumplían con los criterios de inclusión. La muestra final se conformó por 94
adultos, 34 hombres y 60 mujeres de 18 a 23 años (M = 19.34, DE = 1.09), que
eran alumnos de alguna de las licenciaturas de la escuela superior de Actopan,
ubicada en una población urbana en el municipio del mismo nombre, en Hidalgo,
México, con un nivel socioeconómico medio. Los criterios de inclusión fueron:
que los participantes tuvieran entre 18-23 años, diestros, con visión normal
y/o corregida. Fueron excluidos de la investigación si tenían antecedentes de
enfermedades psiquiátricas y/o neurológicas, dificultades en el aprendizaje,
consumo crónico de alcohol y/o drogas.
Instrumentos
Para evaluar el nivel de uso de teléfono inteligente se utilizó
la Escala de Dependencia y Adicción al Smartphone (EDAS; Aranda-López et al., 2017), que consta de
40 ítems con respuestas tipo Likert que van del 1 al 5, desde “totalmente en desacuerdo” hasta “totalmente
de acuerdo”, y una estructura trifactorial:
1. Uso, abuso y adicción al smartphone
y sus aplicaciones, compuesto por 30 ítems, En este componente se evalúa el
grado de dependencia al teléfono inteligente, así como a las aplicaciones de
redes sociales y mensajería (por ejemplo, “Dedico gran parte del día a usar las
distintas aplicaciones del móvil”) y recoge aspectos relacionados con el tiempo
dedicado y la ansiedad asociada a períodos de abstinencia e interferencia con
la vida diaria, ya sea autopercibido o expresado por amigos y familiares (por
ejemplo, “El uso del móvil me ha causado problemas en mi trabajo, estudios o
vida personal”).
2. Rasgos de personalidad, conformado por seis ítems: evalúa
rasgos de la personalidad como introversión, extroversión (por ejemplo, “Me
considero una persona tímida”), autoestima que incluye autoconcepto y autovalía
(por ejemplo, “El concepto que tengo de mí mismo/a, depende de cómo me ven los
demás”).
3. Gasto monetario en aplicaciones y juegos móviles: mide el
gasto monetario en juegos (por ejemplo, “Consumo juegos en el móvil que me
cuestan dinero”) y aplicaciones asociadas al teléfono inteligente (por ejemplo,
“Realizo pagos periódicos por aplicaciones”).
Aranda et al. (2017)
hallaron una relación importante entre el componente 1 y el 2, es decir que
cuando aumentaban las puntuaciones de dependencia a los teléfonos móviles
disminuían los puntos relacionados con la autoestima y la extroversión, lo cual
puede representar que, a menor autoestima y extroversión, se tiene una mayor
adicción. Los autores señalan que la adicción precede a ciertos problemas de personalidad
como la baja autoestima o un estilo de afrontamiento inadecuado ante las
dificultades de la vida cotidiana. También se halló una relación entre el
componente 1 y el 3 en la que, a mayor adicción, mayor es la cantidad de dinero
invertido en aplicaciones para dispositivo móvil y viceversa. Los índices de
confiabilidad de la prueba son: para el componente 1 (α = .810), componente 2
(α = .755) y componente 3 (α = .706), mientras que para la muestra del estudio
la fiabilidad del instrumento fue: componente 1 (α = .841), componente 2 (α =
.782) y componte 3 (α = .805).
Para la evaluación de la atención se aplicó una prueba
computarizada de ejecución continua Test of Atenttional Vigilance (TOAV)
mediante la plataforma Psychology Experimental Building Language (PEBL-2; Mueller y Piper, 2014). Se trata de una
prueba go-no go con una duración total de 24
minutos dividida en dos partes de 12 minutos. Consiste en la aparición de dos
cuadros en la pantalla de la computadora. El estímulo blanco se trata de un
cuadrado cerca del borde superior, mientras que el no-blanco es un cuadro
cercano al borde inferior (ver Figura 1). El participante
debía oprimir la barra espaciadora del teclado después de la aparición del
blanco, mientras que ante la aparición del no-blanco no requería realizar nada.
De manera habitual, se espera que la ejecución varíe a lo largo
del tiempo que dura la prueba, con un menor rendimiento en la segunda mitad de
la prueba.
Al finalizar la prueba se podían obtener los siguientes
indicadores:
1) Errores de omisión: Es una medida de focalización y
vigilancia, y este tipo de errores están relacionados con la inatención y la
distractibilidad que se dan cuando el sujeto omite dar una respuesta al momento
en el que aparece el blanco.
2) Errores de comisión: Están relacionados con la impulsividad
y/o falta de inhibición, y se dan si el sujeto oprime el botón cuando no debía
hacerlo.
3) Tiempo de respuesta correcto: Mide en milisegundos el tiempo
que se utiliza para responder de manera adecuada. Las personas con problemas
atencionales tienen respuestas más lentas.
4) Tiempo de respuesta errores: Mide el tiempo de respuesta que
sigue de manera inmediata a un error por comisión.
5) Respuestas anticipadas: Son una medida de la impulsividad y/o
inatención, mide los intentos por adivinar qué clase de estímulo se presentará
(blanco o no-blanco).
6) Respuestas múltiples: Se pueden relacionar con alteraciones
neurológicas o con falta de interés o motivación en la ejecución de la prueba.
Si aparece un número excesivo de ellas, afecta la validez de la prueba y se
recomienda volver a aplicarla.
Figura 1.
Estímulos presentados en la prueba TOAV (Mueller y
Pipper, 2014)
Mueller y Pipper, 2014
Procedimiento
A los estudiantes seleccionados se les invitó a colaborar
informándoles que su participación sería voluntaria y que los datos obtenidos
serían confidenciales. Los estudiantes firmaron una carta de consentimiento
informado. Las evaluaciones se llevaron a cabo en el laboratorio de psicología,
un lugar con adecuadas condiciones de luz, ventilación y libre de distractores.
Todas las sesiones se llevaron a cabo a la misma hora del día y fuera del
periodo de exámenes departamentales.
El estudio se dividió en dos fases: la primera consistía en
contestar un cuestionario de datos generales, cuestionario de antecedentes
clínicos y EDAS. Aquellos que cumplieron con los criterios de inclusión
participaron en la segunda fase, en la cual se aplicó la evaluación
computarizada TOAV. Se realizaron 110 evaluaciones de las cuales se eliminaron
16, debido a que en la prueba TOAV obtuvieron puntuaciones altas en lo relativo
a las respuestas múltiples, que es un indicador de que la prueba fue llevada a
cabo de manera inadecuada.
Los datos resultantes fueron capturados y analizados en el software estadístico JASP 0.12.2 (JASP Team, 2020).
Resultados
La clasificación se hizo acorde a los resultados del componente
1: Uso, abuso y adicción al smartphone y sus
aplicaciones de la prueba EDAS. Los puntos de corte ofrecidos por los
percentiles 25 y 75 permiten obtener tres niveles asociados a las puntuaciones:
sin dependencia (≤ 2.23), dependencia (2.24 - 3.5) y adicción (≥ 3.06) (Aranda et al., 2017). Los grupos quedaron
conformados de la siguiente manera: Sin dependencia (n = 33), Dependencia (n =
35) y Adicción (n = 26).
Es conveniente señalar que no hubo diferencias estadísticas en
la edad de los participantes (p = .80), el valor promedio de la edad para cada
grupo fue, respectivamente, de 19.45, 19.34 y 19.27 años. En la tabla
1 se presentan los estadísticos descriptivos por grupo para cada variable
de la prueba TOAV.
Tabla 1
Estadísticos
descriptivos por grupo
Grupos |
n |
M |
D.E |
|
Sin dependencia |
Edad |
33 |
19.45 |
1.12 |
Uso, abuso y
adicción al smartphone (EDAS) |
56.21 |
7.26 |
||
Errores de comisión
(parte 1) |
2.15 |
2.12 |
||
Errores de omisión
(parte 1) |
1.55 |
1.50 |
||
Respuestas
anticipadas (parte 1) |
.03 |
.17 |
||
Errores de comisión
(parte 2) |
8.67 |
6.11 |
||
Errores de omisión
parte 2) |
1.82 |
2.25 |
||
Respuestas
anticipadas (parte 2) |
.18 |
.46 |
||
Dependencia |
Edad |
35 |
19.34 |
1.11 |
Uso, abuso y
adicción al smartphone (EDAS) |
77.60 |
4.57 |
||
Errores de comisión
(parte 1) |
2.74 |
2.29 |
||
Errores de omisión
(parte 1) |
1.91 |
2.14 |
||
Respuestas
anticipadas (parte 1) |
.03 |
.16 |
||
Errores de comisión
(parte 2) |
8.83 |
5.48 |
||
Errores de omisión
(parte 2) |
3.74 |
2.92 |
||
Respuestas
anticipadas (parte 2) |
.17 |
.56 |
||
Adicción |
Edad |
26 |
19.27 |
1.07 |
Uso, abuso y
adicción al smartphone (EDAS) |
98.23 |
10.30 |
||
Errores de comisión
(parte 1) |
3.62 |
3.66 |
||
Errores de omisión
(parte 1) |
2.23 |
2.25 |
||
Respuestas
anticipadas (parte 1) |
.04 |
.19 |
||
Errores de comisión
(parte 2) |
10.42 |
6.58 |
||
Errores de omisión
(parte 2) |
3.69 |
2.65 |
||
Respuestas
anticipadas (parte 2) |
.12 |
.43 |
En un primer momento se realizó la prueba de Kolmogorov-Smirnov
para determinar que la distribución de las variables a analizar fuera normal (p
≥ .05) y la prueba de Levene para la igualdad de las varianzas (p ≥ .05).
Asimismo, se realizó una correlación de Pearson entre las puntuaciones directas
de los componentes de la escala EDAS y las puntuaciones directas del TOAV parte
1 y parte 2 de la prueba (ver Tabla 2). Cabe señalar que se
encontró correlación positiva significativa entre: componente 1 y errores
omisión parte 2 (r = .369, p = .026) y entre componente 1 y componente 3 (r =
.330, p = .023).
Tabla 2
Correlaciones entre
compontes de la escala EDAS y puntuaciones directas TOAV
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
Componente 1 |
1 |
||||||||
Componente 2 |
-.11 |
1 |
|||||||
Componente 3 |
.33 |
-.06 |
1 |
||||||
Errores de comisión
1 |
.13 |
-.04 |
.05 |
1 |
|||||
Errores de omisión 1 |
.04 |
.16 |
-.11 |
.42 |
1 |
||||
Respuestas
anticipadas1 |
.01 |
-.03 |
-.13 |
.10 |
.13 |
1 |
|||
Errores de comisión
2 |
.07 |
-.01 |
.04 |
.64 |
.16 |
-.05 |
1 |
||
Errores de omisión 2 |
.36 |
-.08 |
-.01 |
.18 |
.11 |
-.09 |
.19 |
1 |
|
Respuestas
anticipadas 2 |
-.08 |
-.02 |
-.01 |
.30 |
.08 |
.18 |
.25 |
.03 |
1 |
De igual manera, se llevó a cabo un ANOVA de una vía en el que
la variable independiente fue el nivel de uso del teléfono inteligente (Sin
adicción, Dependencia y Adicción) y la variable dependiente fueron las
puntuaciones obtenidas en la prueba atencional en la primera y segunda mitad de
la prueba (errores de omisión, errores de comisión, tiempos de respuesta
correcto, tiempos de respuesta errores, respuestas anticipadas). Se observó que
no existen diferencias estadísticas entre los grupos para la mayoría de las
variables (ver Tabla 3), salvo en lo relacionado con errores
de omisión de la segunda mitad de la prueba en la cual sí se presentaron
diferencias.
Tabla 3
Resultados del
análisis de varianza en las variables del TOAV.
Variables |
F |
p |
Errores de comisión
(parte 1) |
2.15 |
.12 |
Errores de omisión
(parte 1) |
.88 |
.41 |
Tiempos de respuesta
correcto (parte 1) |
.48 |
.61 |
Tiempos de respuesta
errores (parte 1) |
1.19 |
.30 |
Respuestas
anticipadas (parte 1) |
.2 |
.97 |
Errores de comisión
(parte 2) |
.73 |
.48 |
Errores de omisión
(parte 2) |
5.61 |
.005* |
Tiempos de respuesta
correcto (parte 2) |
.29 |
.74 |
Tiempos de
respuestas errores (parte 2) |
.92 |
.40 |
Respuestas
anticipadas (parte 2) |
.14 |
.86 |
El valor para el modelo del ANOVA fue F (2.91) = 5.61, p = .005.
Asimismo, se realizó un análisis post hoc de
Bonferroni: las diferencias se encuentran entre el grupo sin dependencia (M =
1.82) y el grupo con dependencia (M = 3.74), p = .010, 95 % IC [-3.48;-.37], y
el grupo sin dependencia (M = 1.82) y el grupo con adicción (M = 3.54), p =
.024, 95 % IC [-3.56;-.19]. La media de errores de omisión es menor para el
grupo sin dependencia, mientras que para el grupo de dependencia y adicción el
número de errores se incrementa. Cabe señalar que no existió diferencia
significativa entre el grupo dependencia y adicción (ver Figura
2).
Figura 2
Media de errores de omisión parte 2 del TOAV.
Discusión y
conclusiones
Los resultados de la presente investigación sugieren que, en
general, no se encontraron diferencias significativas entre los grupos, salvo
en lo relativo a la cantidad de errores de omisión de la segunda parte de la
prueba. Es importante señalar que, si bien en la primera mitad de la prueba no
existen diferencias significativas en lo relativo a los errores de omisión, sí
se observa que hay una mayor aparición de estos en los grupos de dependencia y
adicción respecto al grupo sin dependencia. De igual manera, en el resto de las
variables, a pesar de no existir diferencias estadísticas, los resultados
favorecen al grupo sin dependencia.
Las diferencias en los errores de omisión podrían apuntar a que
el nivel de atención sostenida se ve disminuido en los participantes del grupo
de dependencia y adicción al final de la tarea. Es decir que en la primera
parte de la tarea no se observan diferencias estadísticas, pero cuando la tarea
se mantiene durante un tiempo prolongado los errores de omisión comienzan a
aumentar lo que deja ver que no es posible mantener el nivel de atención
sostenida por periodos prolongados.
Es fundamental destacar que la frecuencia de aparición de los
estímulos blancos varía a lo largo de la tarea aplicada. En esa situación, el
aburrimiento suele ser un factor importante en la aparición de los errores de
omisión, en especial para quienes padecen dificultades en la atención. En
tareas similares de atención visual se han visto dificultades en este proceso
en adultos jóvenes con déficit de atención (Hunt
et al., 2012; Mirsky et al., 2001).
George y Odgers (2015) mencionan
los efectos negativos del uso de nuevas tecnologías, e indican que aquellos que
participan en altos niveles de multitarea asociadas al uso de dispositivos son
a menudo los más distraídos, lo cual concuerda con los resultados obtenidos en
la presente investigación, dado que los participantes del grupo con dependencia
y adicción cometieron más equivocaciones en la tarea desde la primera parte de
la evaluación, lo cual se hizo más notorio para la segunda mitad de la prueba.
De igual forma, en la investigación realizada por Won et al. (2017) se señala que el uso
adictivo del teléfono inteligente afecta la capacidad de los usuarios para
mantener la concentración en una tarea de manera prolongada, tal como se
observa en la presente investigación.
Por su parte, Ponce et al.
(2014) afirman pérdida de capacidad atencional y disminución del tiempo
para reaccionar. Por último, Oliva (2014)
señala que el uso del teléfono inteligente genera problemas de distraibilidad,
lo que hace que el alumno sea incapaz de absorber la información demostrada por
el docente en el momento de la clase.
Este tipo de investigaciones son clave para conocer los alcances
que tiene el uso excesivo de dispositivos móviles, sobre todo en estudiantes
universitarios, ya que, como indican Díaz
et al. (2015), si estas tecnologías son utilizadas de manera irresponsable,
acarrean problemas de salud física, psicológica, social y cognitiva. Por lo
tanto, el presente estudio puede ser de utilidad para los estudiantes, los
docentes, los padres de familia y las instituciones de enseñanza como
herramienta para la toma de decisiones y la implementación de medidas que
promuevan el uso controlado de los teléfonos inteligentes.
Es complejo determinar cuándo es excesivo y qué cantidad de
horas es recomendable el uso del teléfono inteligente, qué actividades o usos
son favorables o no, y considerar el contexto y perfil de usuario de cada
sujeto. Una de las principales preocupaciones en las investigaciones sobre el
uso de tecnologías es el llamado “tiempo de pantalla”, el cual se define como
la cantidad de tiempo que un usuario pasa interactuando con las pantallas
durante un período de tiempo específico. En este sentido, un usuario que dedica
la mayor parte de su tiempo en el teléfono inteligente solo para actividades de
ocio y esparcimiento sería diferente de otro usuario que destina el tiempo para
actividades laborales y de educación, por lo que, acorde a lo señalado por Orben (2020), se sugiere estudiar el
tiempo de pantalla de formas más matizadas y diversas, para distinguir
diferentes actividades y tiempos de uso.
Aún se sabe muy poco respecto a los efectos de las nuevas
tecnologías en los jóvenes a nivel cognitivo. Si bien es cierto que en lo
referente al proceso de atención sostenida se aprecian algunas diferencias
acordes al grado de uso de este dispositivo, sería conveniente analizar qué
sucede en otros componentes como la atención dividida, ya que es posible que,
debido a la plasticidad del cerebro, su uso permita a los jóvenes optimizar su
desempeño (George y Odgers, 2015). Por
otra parte, en investigaciones como la de Arab
y Díaz (2015) se señala que el uso controlado y supervisado de redes
sociales e internet favorece la estimulación de regiones cerebrales, lo que
aumenta la memoria de trabajo y produce una mayor capacidad de aprendizaje
perceptual. Al existir pocas investigaciones al respecto, se ha tratado de
comparar el uso de dispositivos móviles en niños pequeños con el uso de
videojuegos en otras épocas y se han encontrado algunos beneficios a nivel
cognitivo. Sin embargo, son más los estudios que demuestran que el uso excesivo
de estos dispositivos traería repercusiones negativas en los procesos
cognitivos superiores. De igual forma, este tipo de datos debe analizarse
tomando en consideración variables como el sexo, el nivel socioeconómico, la
edad, el perfil de uso, la calidad de sueño, el nivel de activación física,
entre otras (Henríquez et al., 2014).
Dentro de las limitaciones de la presente investigación, se
encuentra el tamaño limitado de la muestra, la falta de una evaluación
neuropsicológica más amplia que permita conocer el desempeño en tareas que
evalúen procesos como la memoria de trabajo, el control inhibitorio y la
planeación, entre otros procesos. Como futuras líneas de investigación, se
propone la comparación entre grupos de distintas edades y sexos y su relación
con los rasgos de personalidad. De igual manera, es conveniente precisar lo
relativo al concepto de adicción al teléfono inteligente, en función del tiempo
que se utiliza el dispositivo y el tipo de tareas que lleva a cabo cada usuario
(perfil de usuario).
La presente investigación da una muestra de los efectos del uso
excesivo de los dispositivos móviles en la atención sostenida; sin embargo, es
necesario conocer todos los efectos que puede tener el uso de los smartphones no solo en los procesos atencionales, sino
también, en su conjunto, en los procesos cognitivos de los usuarios.
Sobre la base de los resultados encontrados, se propone plantear
medidas que permitan reducir el tiempo de uso de los dispositivos móviles, a
fin de contrarrestar los posibles efectos en los niveles de atención sostenida,
puesto que ella implica un proceso básico y fundamental para la realización de
cualquier tipo de actividad en la vida diaria, por lo que resulta imperante
preservarla. Se recomienda seguir algunas recomendaciones a nivel institucional
como: educar en el uso de internet como fuente de información y formación,
informarse sobre las herramientas y los recursos de prevención (aplicaciones),
hablar sobre el uso excesivo y las consecuencias de estos dispositivos con los
estudiantes, entre otras (Castellana et
al., 2007).
En conclusión, existen diferencias en el proceso de atención
sostenida entre usuarios con diferentes niveles de uso de dispositivos móviles.
Los estudiantes con niveles de dependencia y adicción al smartphone
enfrentan dificultades de atención cuando la tarea se prolonga y aumenta la
demanda cognitiva.
Referencias
American Psychiatric
Association [APA]. (2013). Diagnostic and statistical
manual of mental disorders (DSM-5). Arlington, VA: American Psychiatric
Association.
Arab, E. y Díaz, A.
(2015). Impacto de las redes sociales e internet en la adolescencia, aspectos
positivos y negativos. Revista Medicina Clínica Condes, 26,
7-13. https://doi.org/10.1016/j.rmclc.2014.12.001
Aranda López, M.,
Fuentes Gutiérrez, V. y García-Domingo, M. (2017). “No sin mi Smartphone”:
Elaboración y validación de la Escala de Dependencia y Adicción al Smartphone
(EDAS). Terapia Psicológica, 35(1), 35-45. https://doi.org/10.4067/S0718-48082017000100004
Billieux, J., Van
der Linden, M. y Rochat, L. (2008). The role of impulsivity in actual and
problematic use of the mobile phone. Applied Cognitive
Psychology. The Official Journal of the Society for Applied Research in Memory
and Cognition, 22(9), 1195- 1210. https://doi.org/10.1002/acp.1429
Castellana, M.,
Sanchez, X., Graner, C. y Beranuy, M. (2007). El adolescente ante las
tecnologías de la información y comunicación: internet, móvil y videojuegos. Papeles del Psicólogo. http://www.redalyc.org/articulo.oa?id=77828306
Canale, N., Vieno,
A., Doro, M., Rosa Mineo, E., Marino, C. Y Billieux, J. (2019). Emotion-related
impulsivity moderates the cognitive interference effect of smartphone
availability on working memory. Scientific Reports, 9(1),
18519. https://doi.org/10.1038/s41598-019-54911-7
Díaz, S., Arrieta,
K., Figueroa, Y., Orellano, I. y Reales, J. (2015). Adicción
al internet, teléfono móvil y su relación con el rendimiento académico en los
estudiantes del programa de odontología de la universidad de Cartagena
[Tesis de Licenciatura publicada]. Facultad de Odontología, Universidad de
Cartagena, Colombia.
DTTL (2019). Estudio: Hábitos de los consumidores móviles en México, 2019. https://www2.deloitte.com/content/dam/Deloitte/mx/Documents/technology/Global-Mobile-Consumer-Survey.pdf
Espino, E. (2014).
El impacto neuropsicológico de las tecnologías de la información. Investigación Pensamiento Crítico, 2(3) 53-58. https://doi.org/10.37387/ipc.v2i3.24
George, M. J. y
Odgers, C. L. (2015). Seven fears and the science of how mobile technologies
may be influencing adolescents in the digital age. Perspectives
on Psychological Science: A Journal of the Association for Psychological
Science, 10(6), 832–851. https://doi.org/10.1177/1745691615596788
Hadar, A., Hadas,
I., Lazarovits, A., Alyagon, U., Eliraz, D. y Zangen, A. (2017). Answering them
issed call: Initial exploration of cognitive and electrophysiological changes
associated with smartphone use and abuse. PLOS ONE,
1-16. https://doi.org/10.1371/journal.pone.0180094
Henríquez Ritchie,
P., González Barbera, C. y Organista Sandoval, J. (2014). Clasificación de
perfiles de uso de smartphones en estudiantes y docentes de la Universidad
Autónoma de Baja California, México. Revista Complutense
de Educación, 25(2), 245–270. https://doi.org/10.5209/rev_RCED.2014.v25.n2.41437
Hunt, M. G.,
Momjian, A. J. y Wong, K. K. (2012). Effects of diurnal variation and caffeine
consumption on Test of Variables of Attention (TOVA) performance in healthy
young adults. Psychological Assessment, 23(1), 226.
https://doi.org/10.1037/a0021401
Interactive
Advertising Bureau [IAB]. (2018). Estudio de consumo de
medios y dispositivos entre internautas mexicanos. https://www.iabmexico.com/wpcontent/uploads/2018/07/IABMx_ECMYD_2018_Version_Prensa.pdf
IAB. (2019). Estudio de consumo de medios y dispositivos entre internautas
mexicanos. https://www.iabmexico.com/wpcontent/uploads/2019/05/IABMx_ECMyD2019_VPrensa.pdf
Instituto Nacional
de Estadística y Geografía [INEGI] (2019). Encuesta
Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los
Hogares, https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2020/OtrTemEcon/ENDUTIH_2019.pdf
Ito, M. y Kawahara,
J. I. (2017). Effect of the presence of a mobile phone during a spatial visual
search. Japanese Psychological Research, 59(2),
188-198. https://doi.org/10.1111/jpr.12143
Jackson, M. (2008). Distracted: The Erosion of Attention and the Coming Dark Age
(Primera ed.). Amherst, New York: Prometheus.
JASP Team (2020).
JASP (Version 012.2) [Computer Software].
Kim, S. Y. y Koo, S.
J. (2016). Effect of duration of smartphone use on muscle fatigue and pain
caused by forward head posture in adults. Journal of
Physical Therapy Science, 28(6), 1669–1672. https://doi.org/10.1589/jpts.28.1669
King, R. C. y Dong,
S. (2017). The impact of smartphone on young adults. The
Business and Management Review 8(4), 342-349.
Lee, Y. K., Chang,
C. T., Lin, Y. y Cheng, Z. H. (2014). The dark side of smartphone usage:
Psychological traits, compulsive behavior and techno stress. Computers in Human Behavior, 373–383. https://doi.org/10.1016/j.chb.2013.10.047
Lin, Y. H., Lin, Y.
C., Lin, S. H., Lee, Y. H., Lin, P. H., Chiang, C., …, Kuo, T. B. (2017). To
use or not to use? Compulsive behavior and its role in smartphone addiction. Translational Psychiatry. 7, 1030-1038. https://doi.org/10.1038/tp.2017.1
Matar Boumosleh, J.
y Jaalouk, D. (2017). Depression, anxiety, and smartphone addiction in
university students. A cross sectional study. PLOS ONE, 12(8),
e0182239. https://doi.org/10.1371/journal.pone.0182239
Menglong, L. y Liya,
L. (2017). La influencia de la adicción al teléfono móvil en la calidad de
sueño de estudiantes secundarios dejados atrás: El rol mediador de la soledad. Revista Argentina de Clínica Psicológica, 26(1), 71-81. http://www.redalyc.org/articulo.oa?id=281950399007
Mirsky, A. F.,
Anthony, B. J., Duncan, C. C., Ahearn, M. B. y Kellam, S. G. (1991) Analysis of
the elements of attention: a neuropsychological approach. Neuropsychology
Review, 2(2), 109-145. https://doi.org/10.1007/BF01109051.
Mirsky, A. F. y
Duncan, C. C. (2001). A nosology of disorders of attention. Annals of the New York Academy of Sciences, 931(1),
17-32. https://doi.org/10.1111/j.1749-6632.2001.tb05771.x
Mueller, S. T. y
Piper, B. J. (2014). The psychology experiment building language (PEBL) and
PEBL test battery. Journal of Neuroscience Methods, 222,
250-259. https://doi.org/10.1016/j.jneumeth.2013.10.024
Oliva, H. A. (2014).
El uso de teléfonos móviles en el sistema educativo público de el Salvador:
¿Recurso didáctico o distractor pedagógico? Revista
Realidad y Reflexión, 40, 59–76. https://doi.org/10.5377/ryr.v40i0.2752
Orben, A (2020).
Teenagers, screens and social media: a narrative review of reviews and key
studies. Social Psychiatry and Psychiatric Epidemiology,
55, 407–414. https://doi.org/10.1007/s00127-019-01825-4
Panova, T. y
Carbonell, X. (2018). Is smartphone addiction really an addiction? Journal of behavioral addictions, 7(2), 252-259. https://doi.org/10.1556/2006.7.2018.49
Parra Reyes, D.
(2018). Efectos adversos de las nuevas tecnologías y su interferencia en el
proceso de aprendizaje. Educación: Revista de la Facultad
de Ciencias de la Educación, 24(2), 217-226. https://doi.org/10.33539/educacion.2018.v24n2.1341
Ponce, L. E. y
Ponce, S. D. y Andresen, H. M. (2014). Efectos neurológicos por teléfonos
celulares: revisión bibliográfica y modelos matemáticos. Interciencia,
39(12), 843-849. http://www.redalyc.org/articulo.oa?id=33932786003
Prupetkaew, P.,
Lugade, V., Kamnardsiri, T. y Silsupadol, P. (2019). Cognitive and visual
demands, but not gross motor demand, of concurrent smartphone use affect
laboratory and free-living gait among young and older adults. Gait & Posture, 68, 30–36. https://doi.org/10.1016/j.gaitpost.2018.11.003
Ramírez Restrepo, L.
M. (2014). Facultades cerebrales superiores alteradas por el uso inadecuado de
internet. Archivos de Medicina, 14(1), 150-162. http://www.redalyc.org/articulo.oa?id=273832164014
Samani, P. P.,
Athavale, N. A., Shyam, A. Y Sancheti, P. K.(2018). Awareness of text neck
syndrome in young-adult population. International Journal
of Community Medicine and Public Health, 5(8), 3335-3339.
Ward, A. F., Duke,
K., Gneezy, A. y Bos, M. W. (2017). Brain drain: The mere presence of one’s own
smartphone reduces available cognitive capacity. Journal
of the Association for Consumer Research, 2(2), 140-154. https://doi.org/10.1086/691462
World Health
Organization [WHO]. (2019). CIE-11: Clasificación
estadística internacional de enfermedades y problemas relacionados con la salud.
https://icd.who.int/browse11/l-m/es
Won, J., Choi, J.,
Kim, J., Cho, H., Ahn, K., Nam, J., ..., Kim, D. (2017). Altered brain activity
and the effect of personality traits in excessive smartphone use during facial
emotion processing. Scientific Reports, 7(.),
17-24. https://doi.org/10.1038/s41598-017-08824-y
Yuan, M., Chen, J.,
Zhou, Z., Yin, J., Wu, J., Luo, M., …, Fang, Y. (2019). Joint associations of
smartphone use and gender on multidimensional cognitive health among community-dwelling
older adults: a cross-sectional study. BMC Geriatrics, 19(1),
140. https://doi.org/10.1186/s12877-019-1151-x
HTML generado a partir
de XML-JATS4R por
Refbacks
- No hay Refbacks actualmente.
Añadir comentario