1. Resumen
La Escala de Adicción a las Redes Sociales de Bergen (Bergen Social Media Addiction Scale, BSMAS) es uno de los instrumentos psicométricos más destacados, robustos y ampliamente utilizados a nivel internacional para evaluar el uso problemático, compulsivo y desadaptativo de las plataformas de interacción social en entornos digitales. Diseñada originalmente por la investigadora Cecilie Schou Andreassen y sus colaboradores en la Universidad de Bergen como una evolución directa de la célebre escala de adicción a Facebook (Bergen Facebook Addiction Scale, BFAS), la BSMAS respondió a un giro conceptual indispensable en la cibersicología contemporánea: la necesidad metodológica de medir la adicción conductual a las actividades de socialización e intercambio comunicativo en red, superando la dependencia diagnóstica ligada a una única marca o interfaz tecnológica comercial.
El instrumento consta de seis reactivos breves formulados con base directa en el influyente modelo de los componentes de la adicción propuesto por el psicólogo Mark D. Griffiths. Cada uno de los ítems operacionaliza un criterio nuclear de los trastornos adictivos: relevancia o saliencia (salience), modificación del estado de ánimo (mood modification), tolerancia (tolerance), síndrome de abstinencia (withdrawal), conflicto interpersonal u ocupacional (conflict) y recaída o pérdida de control (relapse). Las respuestas se recogen a través de una escala tipo Likert de cinco anclajes ordinales (que van de «muy raramente» a «muy a menudo»), proporcionando una puntuación total continua que oscila entre 6 y 30 puntos.
Las propiedades psicométricas de la escala han sido investigadas y confirmadas en múltiples culturas e idiomas. El estudio pivotal de adaptación transcultural y validación estructural desarrollado por Lucia Monacis, Valeria de Palo, Mark D. Griffiths y Maria Sinatra analizó una muestra representativa de adolescentes y adultos jóvenes, confirmando una estructura factorial estrictamente unidimensional a través de análisis factorial confirmatorio con estimadores robustos de máxima verosimilitud ajustados por media y varianza (MLMV). El modelo evidenció índices de ajuste sobresalientes (CFI = 0.970, SRMR = 0.030) y una óptima invarianza de medición (configural, métrica y estricta) a través del sexo biológico y grupos de edad. Asimismo, demostró índices de consistencia interna y convergencia factorial elevados (varianza media extractada superior a 0.50 y un elevado coeficiente de determinación factorial), consolidándose como una herramienta de cribado epidemiológico y clínico insustituible.
2. Palabras clave
adicción a las redes sociales, adicciones conductuales, psicometría, evaluación psicológica, teoría del apego, análisis factorial confirmatorio, invarianza de medición, ciberpsicología, modelo biopsicosocial, uso problemático de internet, validez de constructo, cribado clínico.
3. Autores
El desarrollo inicial de la familia de escalas de adicción de Bergen estuvo liderado por la Dra. Cecilie Schou Andreassen y el Dr. Ståle Pallesen de la Universidad de Bergen (Noruega), en estrecha colaboración con el profesor Mark D. Griffiths de la Nottingham Trent University (Reino Unido). La adaptación, extensión y validación transcultural de referencia analizada en este documento fue llevada a cabo por un equipo internacional de especialistas en cibermedición y psicología del desarrollo:
- Lucia Monacis, Ph.D.: Profesora e investigadora en el Departamento de Humanidades, Filosofía, Ciencias Humanas y de la Educación de la Universidad de Foggia (Università di Foggia), Foggia, Italia. Correo electrónico institucional de contacto: [email protected]. Su investigación se enfoca en la validación psicométrica de conductas adictivas en línea, desarrollo de la identidad en entornos virtuales y procesos de autorregulación.
- Valeria de Palo, Ph.D.: Investigadora en psicología del desarrollo y de la educación, adscrita al Departamento de Ciencias de la Educación, Psicología y Comunicación de la Universidad de Bari «Aldo Moro» (Università degli Studi di Bari Aldo Moro), Bari, Italia. Especialista en mediación pedagógica, vulnerabilidad relacional y dinámicas socioemocionales asociadas a las tecnologías de la información.
- Mark D. Griffiths, Ph.D.: Catedrático distinguido de Adicciones Conductuales (Distinguished Professor of Behavioural Addiction) en la Unidad Internacional de Investigación sobre el Juego (International Gaming Research Unit), Departamento de Psicología de la Nottingham Trent University, Reino Unido. Pionero internacional en la conceptualización teórica de la adicción a Internet, videojuegos y redes sociales, así como creador del modelo de los componentes adictivos.
- Maria Sinatra, Ph.D.: Catedrática de Psicología Experimental y Cognitiva en el Departamento de Ciencias de la Educación, Psicología y Comunicación de la Universidad de Bari «Aldo Moro», Bari, Italia. Directora de múltiples programas de investigación sobre aprendizaje asistido por tecnología, cognición distribuida y desórdenes comportamentales emergentes.
4. Propósito
Propósito psicométrico y conceptual
La Escala de Adicción a las Redes Sociales de Bergen fue concebida primordialmente para resolver una limitación técnica y metodológica sustancial dentro del campo de la salud mental digital: la proliferación de instrumentos de evaluación dependientes de plataformas concretas. A principios de la década de 2010, la literatura científica dependía en gran medida de instrumentos focalizados en plataformas dominantes como Facebook (por ejemplo, la Bergen Facebook Addiction Scale). Sin embargo, el dinamismo vertiginoso del ecosistema de redes sociales —con la rápida diversificación y migración de usuarios jóvenes hacia plataformas centradas en imágenes, videos y mensajería efímera como Instagram, Snapchat, TikTok o Twitter/X— amenazaba con volver obsoletas las herramientas preexistentes y fragmentaba la investigación empírica en parcelas incomparables.
El propósito fundamental de la BSMAS radica en estandarizar la medición del uso problemático de las redes sociales en un plano conceptual genérico e inclusivo. El instrumento no indaga por una interfaz informática particular, sino por el patrón comportamental de socialización virtual interactiva en su conjunto. Esta universalidad estructural permite realizar comparaciones transculturales sistemáticas, evaluar estudios de cohortes longitudinales a lo largo de décadas y monitorizar la evolución sintomatológica de los participantes con independencia de qué aplicación específica mantenga la hegemonía comercial en un año determinado.
Justificación clínica y delimitación diagnóstica
Desde la perspectiva de la psicopatología y la psiquiatría clínica, la escala busca delimitar con precisión la frontera entre el uso recreativo o instrumental intensivo de la tecnología y una verdadera adicción conductual patológica. Un error diagnóstico recurrente en las fases tempranas de la cibermedicina fue la equiparación simplista entre el tiempo absoluto de pantalla (screen time) y la presencia de adicción. Numerosos estudios contemporáneos han demostrado que un individuo puede permanecer conectado durante largas jornadas debido a exigencias académicas, laborales o de mantenimiento de redes de apoyo sin manifestar sintomatología desadaptativa ni malestar subjetivo.
La BSMAS aborda este desafío centrándose exclusivamente en el deterioro funcional y en la angustia psicológica provocada por la falta de autorregulación comportamental. La escala identifica si la interacción con las plataformas interfiere de forma lesiva en las rutinas de descanso, en el rendimiento escolar o profesional, y en el sostenimiento de vínculos afectivos cara a cara. Como herramienta de cribado clínico (screening), permite a terapeutas y evaluadores identificar con extraordinaria rapidez —en menos de dos minutos de aplicación— a pacientes ambulatorios o estudiantes en riesgo que requieren intervenciones psicosociales orientadas al restablecimiento del control inhibitorio, el tratamiento de comorbilidades afectivas (como depresión mayor o trastorno de ansiedad generalizada) y la reconexión comunitaria presencial.
Aplicaciones en investigación e integración teórica
En el ámbito de la investigación empírica, la BSMAS proporciona a sociólogos, epidemiólogos y psicólogos una métrica parsimoniosa que se inserta sin generar fatiga de respuesta en baterías psicométricas extensas. Se utiliza habitualmente en modelos de ecuaciones estructurales complejos para explorar cómo interactúan factores de personalidad premórbidos (por ejemplo, neuroticismo, extraversión, bajo autocontrol o rasgos narcisistas), mecanismos emocionales (miedo a perderse experiencias o Fear of Missing Out, FoMO) y vulnerabilidades interpersonales con el surgimiento de hábitos cibernéticos adictivos. De forma sobresaliente, el instrumento permite articular la evaluación cuantitativa con modelos relacionales del desarrollo, tales como la teoría del apego formulada por John Bowlby, facilitando la comprensión etiológica de cómo los estilos de vinculación ansiosa o evitativa predisponen a la búsqueda compulsiva de gratificación social digital.
5. Constructo psicológico
El constructo evaluado por la BSMAS es la adicción a las redes sociales (conceptuada también en la literatura como uso problemático grave de medios de comunicación social), entendida como una condición comportamental desadaptativa que comparte la fenomenología esencial de las adicciones químicas tradicionales sin implicar la ingesta de sustancias psicoactivas. La escala asume una arquitectura unidimensional en la que subyacen seis componentes clínicos esenciales, cada uno representado por un ítem específico que cubre el espectro completo del síndrome:
1. Saliencia o Relevancia Cognitiva y Conductual (Salience)
La saliencia ocurre cuando la actividad de consultar, interactuar y permanecer en las redes sociales domina el pensamiento del individuo, monopolizando su vida afectiva y organizativa. Se manifiesta a través de una constante preocupación cognitiva introspectiva (rumiación recurrente sobre notificaciones pasadas, visualización mental de publicaciones futuras o planificación minuciosa de la siguiente sesión en línea) y una primacía conductual que subordina las actividades biológicas y sociales esenciales. Por ejemplo, una persona que experimenta saliencia extrema se encuentra mentalmente desconectada de una conversación cara a cara con su familia, dedicando sus recursos atencionales a imaginar qué impacto causará su última publicación o cuándo podrá revisar de nuevo las métricas de respuesta en sus perfiles.
2. Tolerancia (Tolerance)
Análoga a la neurobiología de las adicciones químicas, la tolerancia conductual se refiere a la necesidad progresiva de incrementar la exposición y el tiempo dedicado a las redes sociales para experimentar el mismo nivel de satisfacción emocional, excitación fisiológica o calma subjetiva que antes se obtenía con periodos breves. Al comienzo de la escalada adictiva, una revisión fugaz de diez minutos al día puede satisfacer la necesidad social; no obstante, a medida que los mecanismos de recompensa dopaminérgica se desensibilizan, el usuario requiere permanecer conectado durante horas continuas, extendiendo la navegación hasta altas horas de la madrugada para experimentar la misma sensación de validación o distracción lúdica.
3. Modificación del Estado de Ánimo (Mood Modification)
Este componente captura la función instrumental que adquiere la conducta adictiva como estrategia de afrontamiento compensatorio o escape disfuncional frente a estados emocionales aversivos. El individuo recurre de forma compulsiva al entorno digital para suprimir sentimientos de soledad, ansiedad, tristeza, frustración, aburrimiento o fracaso personal. Las redes actúan como un anestésico psicológico o como un reforzador positivo inmediato que produce un alivio transitorio («tranquilizador conductual»), pero sin abordar las causas estructurales del malestar vital. Un ejemplo prototípico es el estudiante que, ante el estrés abrumador originado por un examen venidero o un conflicto intrafamiliar, posterga indefinidamente la resolución activa del problema para sumergirse de manera automatizada en el flujo infinito de videos y publicaciones cortas.
4. Recaída y Pérdida de Control (Relapse)
La recaída describe la incapacidad reiterada del individuo para restringir, moderar o detener de manera voluntaria el tiempo de uso de las redes sociales tras haber tomado la decisión explícita de hacerlo. La persona reconoce con frecuencia el daño que la conducta le produce y ejecuta múltiples intentos de abstinencia, desinstalación de aplicaciones o establecimiento de límites temporales diarios; sin embargo, dichas tentativas fracasan rápidamente, retornando de forma precipitada a los patrones de uso excesivo previos. Este componente encapsula la claudicación del control ejecutivo y de las funciones inhibitorias frontales frente a los impulsos automáticos desencadenados por señales contextuales o estados de aburrimiento.
5. Abstinencia (Withdrawal)
El síndrome de abstinencia se define como la aparición de un cuadro de malestar subjetivo intenso, agitación psicomotriz, irritabilidad, desasosiego, frustración o tristeza cuando la persona se ve privada temporalmente del acceso a las redes sociales, ya sea por causas externas (por ejemplo, falta de conectividad, descarga de la batería del dispositivo o prohibición expresa por parte de figuras de autoridad) o por restricciones situacionales. En el contexto cibernético, la imposibilidad de verificar los mensajes o recibir estímulos produce un estado visceral de desregulación simpática y urgencia compulsiva, impidiendo al sujeto concentrarse en cualquier otra tarea cotidiana mientras permanezca desconectado.
6. Conflicto (Conflict)
El conflicto abarca los costes negativos psicosociales que el comportamiento adictivo genera en la vida global del sujeto. Dicha fricción ocurre a dos niveles fundamentales: a nivel interpersonal (deterioro de los vínculos afectivos, discusiones continuas con la pareja, progenitores o amistades debidas al desinterés por la convivencia real) y a nivel intrapersonal u ocupacional (negligencia de las responsabilidades académicas, laborales o domésticas, reducción de las horas de sueño, y abandono progresivo de actividades extracurriculares o deportivas previamente placenteras). Un ejemplo evidente es la persona que experimenta llamadas de atención formales en su puesto laboral o reprobación académica reiterada debido a la imposibilidad de resistir la tentación de comprobar los canales digitales durante las horas lectivas o laborales.
6. Marco teórico
La arquitectura conceptual de la Escala de Adicción a las Redes Sociales de Bergen se sustenta en dos grandes pilares de la psicología contemporánea: el modelo biopsicosocial de los componentes adictivos de Griffiths y la teoría del apego desarrollada originalmente por John Bowlby y Mary Ainsworth, extendida a la vida adulta por teóricos como Cindy Hazan, Phillip Shaver y Kim Bartholomew.
El Modelo de los Componentes Adictivos dentro del Marco Biopsicosocial
El anclaje fundamental de la BSMAS proviene del modelo de adicción formulado por Mark D. Griffiths (2005). Este enfoque postula que todas las adicciones —con independencia de si son químicas (sustancias) o puramente conductuales (juego de azar, videojuegos, ejercicio compulsivo, redes sociales)— comparten una matriz sindrómica común compuesta invariablemente por los seis criterios antes descritos (saliencia, modificación del ánimo, tolerancia, abstinencia, conflicto y recaída).
Bajo la óptica biopsicosocial, el desarrollo de la adicción no se reduce a un defecto biológico ni a una debilidad moral individual; surge más bien de la interacción sistémica entre vulnerabilidades biológicas (hiperreactividad de los circuitos mesolímbicos de recompensa y menor volumen en la corteza prefrontal dorsolateral), factores psicológicos (rasgos de personalidad como neuroticismo, estrategias desadaptativas de regulación afectiva y baja autoeficacia) y factores contextuales o socioculturales (diseño persuasivo de las plataformas basado en programas de reforzamiento intermitente variable, presión vicaria de los pares e hiperconectividad normativa). En este marco, las plataformas digitales no son agentes adictógenos pasivos, sino artefactos diseñados deliberadamente para maximizar el tiempo de retención mediante estímulos dopaminérgicos recurrentes (tales como «me gusta», comentarios aleatorios y algoritmos de recomendación predictiva), lo cual cataliza el proceso adictivo en individuos con vulnerabilidades neuropsicológicas o emocionales de base.
La Teoría del Apego como Eje Explicativo de la Vulnerabilidad Cibernética
Uno de los aportes teóricos más destacados y enriquecedores introducido en los estudios psicométricos de la BSMAS (particularmente en las investigaciones lideradas por Monacis, de Palo, Griffiths y Sinatra) ha sido la articulación del uso problemático con la teoría del apego. De acuerdo con John Bowlby (1969, 1982), los seres humanos construyen durante la infancia «modelos operativos internos» (internal working models) acerca de sí mismos y de los demás, configurados a partir de la responsividad, calidez y disponibilidad de sus cuidadores principales. Estos esquemas cognitivo-afectivos operan como plantillas que guían la interpretación de las relaciones interpersonales a lo largo de toda la vida adulta (Hazan & Shaver, 1987; Mikulincer & Shaver, 2007).
El marco teórico postula que las redes sociales actúan como escenarios virtuales donde los modelos de apego inseguro se proyectan y se gestionan de manera compensatoria:
- Apego Ansioso / Preocupado: Los individuos con altos niveles de ansiedad en el apego presentan una visión devaluada de sí mismos y una necesidad crónica de aprobación externa, acompañada de un temor constante al abandono y a la exclusión social. Para estos sujetos, las redes sociales proporcionan un canal idóneo y accesible para hiperactivar sus estrategias de apego: monitorizan obsesivamente el estado de otros usuarios, vigilan el tiempo de conexión de sus vínculos afectivos y publican contenido de manera compulsiva para obtener validación rápida a través de indicadores de interacción («likes», visualizaciones, comentarios). Esta hipervigilancia digital eleva drásticamente los niveles de saliencia, tolerancia y abstinencia, detonando la adicción conductual.
- Apego Evitativo: Las personas caracterizadas por la evitación del apego desconfían de la intimidad profunda y suprimen activamente sus necesidades de cercanía, priorizando una autosuficiencia defensiva (Bartholomew, 1990). En este caso, las plataformas sociales en línea les ofrecen un entorno interaccional de bajo riesgo emocional donde pueden establecer contactos sociales despersonalizados, asincrónicos y distantes, ejerciendo un control absoluto sobre su autorrevelación sin exponerse a la vulnerabilidad del contacto presencial. Aunque su nivel de involucramiento público puede ser más reservado, recurren a las redes para modular estados afectivos negativos y sustituir la socialización cara a cara.
De este modo, la BSMAS no solo evalúa síntomas conductuales aislados, sino que captura la manifestación fenotípica de necesidades afectivas arcaicas insatisfechas y estrategias relacionales desadaptativas moduladas por el apego individual.
7. Validez
Validez de constructo y dimensionalidad factorial
La validez de constructo de la BSMAS ha sido comprobada a través de rigurosos procedimientos de análisis factorial confirmatorio (CFA) en diversas poblaciones internacionales. En la influyente validación desarrollada por Monacis et al. (2017) en una muestra de 734 adolescentes y adultos jóvenes italianos, se sometió a prueba la hipótesis estructural de unidimensionalidad. Dado que los ítems que miden conductas adictivas suelen presentar asimetría y curtosis pronunciadas (alejándose de la normalidad multivariada), se empleó el estimador robusto de máxima verosimilitud ajustado por media y varianza (MLMV).
Los resultados respaldaron rotundamente que los seis ítems convergen en una única dimensión latente supramodal. Los índices de bondad de ajuste del modelo unidimensional exhibieron valores óptimos: el índice de ajuste comparativo (Comparative Fit Index, CFI) alcanzó un valor de 0.970, superando ampliamente el umbral exigente de 0.950 propuesto por Hu y Bentler (1999). Asimismo, la raíz del residuo cuadrático medio estandarizado (Standardized Root Mean Square Residual, SRMR) se situó en 0.030, muy por debajo del límite conservador de 0.080. Si bien el error cuadrático medio de aproximación (Root Mean Square Error of Approximation, RMSEA) arrojó un valor moderado de 0.094 (debido en parte a los escasos grados de libertad propios de los modelos parsimoniosos de seis indicadores), el conjunto integral de los índices evidenció una excelente adecuación empírica de la estructura factorial.
Invarianza de medición a través de grupos sociodemográficos
Un pilar fundamental de la validez de un instrumento psicométrico consiste en verificar que los reactivos posean el mismo significado operativo y métrico a través de diferentes subpoblaciones. En el estudio de validación se llevaron a cabo análisis factoriales confirmatorios multigrupo sistemáticos para comprobar la invarianza factorial a través del sexo (hombres frente a mujeres) y de las etapas evolutivas (adolescentes de 16 a 19 años frente a adultos jóvenes de 20 a 40 años):
- Invarianza Configural: Se comprobó que el modelo unifactorial básico presentaba el mismo patrón conceptual de cargas e indicadores tanto en hombres como en mujeres, así como en adolescentes y adultos jóvenes.
- Invarianza Métrica (Débil): Al fijar la equivalencia de las cargas factoriales (factor loadings) entre los grupos, los cambios en los índices de ajuste permanecieron dentro de los límites metodológicos tolerables (ΔCFI < 0.010; Chen, 2007; Cheung & Rensvold, 2002), lo que certifica que las unidades de medida del constructo son comparables entre cohortes.
- Invarianza Estricta (Escalar y Residual): Se demostró la estabilidad de los interceptos y de las varianzas de error de los ítems a través de los subgrupos sociodemográficos. Este hallazgo es crucial: garantiza que cualquier diferencia de medias observada entre géneros o grupos de edad refleja variaciones reales en el nivel latente de adicción y no sesgos de respuesta o funcionamiento diferencial del ítem (DIF).
Validez convergente, discriminante y de criterio
La validez convergente se estableció empíricamente comprobando que la varianza media extractada (Average Variance Extracted, AVE) superó el estándar de 0.50 en los diversos modelos evaluados, lo cual demuestra que el factor latente explica más del 50 % de la varianza conjunta de sus reactivos frente al error residual. En estudios de comparación metodológica externa, la BSMAS ha presentado correlaciones positivas estadísticamente significativas y de gran magnitud (r entre 0.65 y 0.86) con otras herramientas consolidadas de ciberpatología, tales como la Social Network Site Addiction Proneness Scale (SAPS), la escala de adicción a Facebook (BFAS) y las escalas de adicción al juego en Internet (Internet Gaming Disorder Scale–Short Form, IGDS9-SF).
En relación con la validez de criterio predictivo, las puntuaciones elevadas en la BSMAS predicen significativamente variables patológicas como mayor sintomatología depresiva, insomnio grave, deterioro del rendimiento académico, afecto negativo elevado y puntuaciones críticas en escalas de apego ansioso e hiperactivación relacional (Fossati et al., 2003; Schimmenti et al., 2014). Por el contrario, la escala mostró adecuada validez discriminante al exhibir correlaciones débiles o no significativas con el apego seguro y la autoestima positiva en entornos presenciales.
8. Confiabilidad
La precisión psicométrica y la consistencia interna de la BSMAS han sido documentadas con valores sobresalientes en múltiples estudios empíricos independientes, trascendiendo las limitaciones del clásico coeficiente alfa de Cronbach mediante el uso de estimadores basados en modelos de ecuaciones estructurales.
Consistencia interna y coeficientes multivariados
En la validación de referencia italiana de Monacis et al. (2017), la escala demostró un rendimiento de consistencia sobresaliente. Si bien en muchas pruebas breves el coeficiente alfa de Cronbach tiende a subestimar la fiabilidad real cuando no se cumple el supuesto estricto de tau-equivalencia, la BSMAS reporta de forma consistente coeficientes alfa de entre 0.82 y 0.91 en investigaciones transculturales (por ejemplo, α = 0.86 en validaciones coreanas; α = 0.88 en adaptaciones hispanas y anglosajonas). En el estudio de Monacis y asociados, los autores implementaron un conjunto superior de indicadores psicométricos avanzados:
- Varianza Media Extractada (AVE): Valores sistemáticamente situados por encima del umbral recomendado de 0.50, lo que constata una notable comunalidad compartida entre los indicadores latentes.
- Error Estándar de Medición (SEM): Se cuantificó la magnitud de la fluctuación del error aleatorio en torno a las puntuaciones observadas, arrojando valores reducidos que confieren una gran certidumbre métrica a los diagnósticos individuales tanto en adolescentes como en adultos.
- Coeficiente de Determinación Factorial (Factor Determinacy): Se registraron coeficientes cercanos a la unidad (> 0.90), lo que evidencia que las estimaciones de las puntuaciones factoriales calculadas se correlacionan prácticamente de forma perfecta con el rasgo latente real subyacente. Esto justifica plenamente que tanto clínicos como investigadores empleen la simple suma aritmética de los ítems como un sustituto directo, confiable e insesgado de la variable latente adictiva.
Estabilidad temporal (Test-Retest)
La estabilidad temporal del instrumento ha sido corroborada empíricamente en diversos periodos de seguimiento. En estudios con intervalos de retest a tres semanas (por ejemplo, en investigaciones en adultos jóvenes universitarios), el coeficiente de correlación intraclase y Pearson osciló en torno a r = 0.75 y 0.82 (p < 0.001), demostrando que la escala evalúa un patrón de comportamiento relativamente estable en el tiempo y no una mera fluctuación anímica transitoria. Asimismo, investigaciones recientes sobre invarianza longitudinal en intervalos de dos años han confirmado que la varianza de error y la equivalencia escalar permanecen invariables, consolidando a la BSMAS como una de las herramientas más estables en el seguimiento de cohortes a largo plazo.
9. Análisis factorial
Aproximación metodológica y selección de estimadores
El estudio de la dimensionalidad de la BSMAS se ha realizado aplicando análisis factorial confirmatorio (CFA), abandonando los métodos exploratorios no guiados teóricamente debido a la sólida fundamentación que proporciona el modelo de los componentes de Griffiths. Desde el punto de vista estadístico, la distribución de los reactivos de adicción conductual plantea desafíos metodológicos particulares: la gran mayoría de los participantes en muestras comunitarias o normativas tienden a ubicarse en las categorías de respuesta inferiores (1 = muy raramente, 2 = raramente), generando una marcada asimetría positiva en las respuestas.
Para lidiar rigurosamente con esta violación del supuesto de normalidad multivariada, los análisis factoriales de validación recurrieron de forma prioritaria al software estadístico Mplus utilizando el estimador MLMV (mean- and variance-adjusted maximum likelihood), o alternativamente el estimador WLSMV (mínimos cuadrados ponderados con media y varianza ajustadas), específicamente concebido para variables dependientes discretas ordinales. Estas técnicas impiden que las cargas factoriales y los errores estándar se distorsionen o sesguen artificialmente.
Estructura unidimensional y cargas factoriales
Los análisis confirmatorios ratifican la hipótesis de que un modelo de factor único de segundo orden u orden primario captura de manera exhaustiva la covariación de los datos. En la muestra de validación psicométrica (N = 734; 415 hombres, 319 mujeres; rango de edad 16–40 años, M = 21.63, DE = 3.95), todos los reactivos mostraron pesos o cargas factoriales estandarizadas (λ) estadísticamente significativas (p < 0.001) y sustancialmente elevadas, oscilando predominantemente entre 0.60 y 0.85. Esto comprueba que cada uno de los seis criterios de la adicción conductual contribuye de forma equilibrada y vigorosa a la definición matemática del constructo central.
Parámetros de la Teoría de Respuesta al Ítem (TRI)
Investigaciones posteriores aplicaron modelos de la Teoría de Respuesta al Ítem (como el modelo de respuesta graduada de Samejima) para diseccionar el comportamiento psicométrico de cada ítem en la BSMAS. Los análisis revelaron que todos los reactivos presentan parámetros de discriminación (a) sobresalientes (con valores que superan holgadamente el umbral de 1.50), lo que confirma su aptitud para diferenciar con precisión milimétrica entre personas con niveles medios y altos del rasgo latente de adicción (θ).
En relación con los parámetros de dificultad o umbral (b), los ítems 1 (saliencia) y 2 (tolerancia) mostraron umbrales más bajos, lo que significa que son los primeros síntomas en endosarse cuando una persona comienza a incrementar su conexión. Por su parte, los ítems 5 (abstinencia) y 6 (conflicto funcional grave) exhibieron los umbrales de dificultad más elevados, lo que indica que su presencia es representativa de fases clínicas avanzadas y de patología adictiva severa. Las curvas de información del test (TIC) confirmaron que la máxima precisión de la escala se alcanza entre puntuaciones estandarizadas θ de +1.0 y +3.0 desviaciones estándar sobre la media latente.
10. Instrumento de medición
A continuación se detallan las características operativas y técnicas para la administración y baremación de la escala:
- Nombre oficial en español: Escala de Adicción a las Redes Sociales de Bergen (BSMAS).
- Tipo de instrumento: Cuestionario psicométrico de autoinforme (self-report inventory).
- Formato y longitud: Escala corta y parsimoniosa compuesta por exactamente 6 ítems redactados de manera directa y afirmativa.
- Población diana y ámbito de aplicación: Adolescentes (desde los 12-16 años), estudiantes universitarios y adultos jóvenes o medios (hasta los 40-50 años). Apta para investigación psicológica, sociológica, epidemiológica y cribado clínico en atención primaria o servicios de salud mental escolar.
- Tiempo estimado de administración: De 1 a 2 minutos para la escala individual; aproximadamente 10 a 15 minutos cuando se integra dentro de una batería diagnóstica completa con variables sociodemográficas y escalas de personalidad o apego.
- Modalidad de administración: Individual o colectiva; administrable mediante lápiz y papel o mediante plataformas digitales de encuestación en línea (ordenadores, tabletas y teléfonos móviles).
- Escala de respuesta: 6 ítems con escala Likert de 5 puntos clasificada con las siguientes opciones cuantitativas ordinales:
- 1 = Very rarely (Muy raramente)
- 2 = Rarely (Raramente)
- 3 = Sometimes (A veces)
- 4 = Often (A menudo)
- 5 = Very often (Muy a menudo)
- Procedimiento de corrección y puntuación: La puntuación global del instrumento se obtiene calculando la suma directa y no ponderada de las respuestas a los 6 reactivos (puntuación total = ítem 1 + ítem 2 + ítem 3 + ítem 4 + ítem 5 + ítem 6). No existen reactivos formulados en sentido inverso.
- Rango de puntuación: El rango total teórico se distribuye entre un mínimo de 6 puntos (ausencia de compromiso adictivo o riesgo mínimo) y un máximo de 30 puntos (máxima severidad en la sintomatología adictiva).
- Puntos de corte e interpretación clínica:
- Puntuación de 6 a 18: Uso no problemático o recreativo integrado; baja probabilidad de presentar interferencias funcionales o desregulación emocional ligada a las plataformas.
- Puntuación de 19 a 23: Zona de uso en riesgo o problemático incipiente; presencia de saliencia cognitiva y conductas compensatorias de modificación anímica que ameritan psicoeducación y monitorización preventiva.
- Puntuación de 24 o más (punto de corte diagnóstico frecuente): Identificado en investigaciones clínicas transculturales (Andreassen et al.; Bányai et al., 2017) como el punto de corte óptimo mediante curvas ROC para clasificar a individuos con riesgo sustancial de trastorno por uso de redes sociales (sensibilidad y especificidad balanceadas superiores al 80 %).
- Puntuación > 26 (criterio restrictivo de TRI): Estudios de teoría de respuesta al ítem sugieren que superar los 26 puntos denota un perfil de adicción severa con impacto incapacitante directo en múltiples áreas de la vida diaria y fracaso crónico en el control conductual.
11. Permisos, tarifas y año del test
La Escala de Adicción a las Redes Sociales de Bergen fue adaptada y consolidada en su versión abierta general a partir del trabajo seminal sobre redes sociales de Andreassen et al. (2012, 2016) y formalizada en la literatura psicométrica transcultural en el año 2017 a través de la investigación de Monacis, de Palo, Griffiths y Sinatra publicada en el Journal of Behavioral Addictions.
En concordancia con los principios del movimiento de ciencia abierta y el espíritu de colaboración académica internacional promovido por sus desarrolladores, la BSMAS es un instrumento de acceso libre (Open Access) y gratuito para fines de investigación académica, docencia universitaria y práctica clínica sin ánimo de lucro. No se exigen tasas, licencias comerciales ni tarifas por el uso de los reactivos o por el cómputo de sus puntuaciones. Las pautas de uso ético estipulan lo siguiente:
- Reconocimiento de autoría: Cualquier estudio, tesis de posgrado o publicación que utilice los reactivos debe citar formalmente los trabajos originales de Andreassen et al. (2012, 2016) y el estudio metodológico específico de referencia empleado (por ejemplo, Monacis et al., 2017 para versiones basadas en dicho marco psicométrico).
- Uso comercial y digitalización: La integración de la escala en aplicaciones informáticas de carácter comercial, plataformas con fines de lucro o servicios privados de selección de personal requiere la consulta previa y el consentimiento por escrito de los autores principales o de los titulares del copyright editorial (Akadémiai Kiadó / Springer Nature).
- Contacto con los autores: Para consultas metodológicas sobre la prueba o solicitudes formales de materiales adicionales, los investigadores pueden dirigirse a la Dra. Lucia Monacis al correo electrónico: [email protected].
12. Referencias
American Psychiatric Association. (2013). Diagnostic and statistical manual of mental disorders (5th ed.). American Psychiatric Publishing. https://doi.org/10.1176/appi.books.9780890425596
Andreassen, C. S. (2015). Online social network site addiction: A comprehensive review. Current Addiction Reports, 2(2), 175–184. https://doi.org/10.1007/s40429-015-0056-9
Andreassen, C. S., Billieux, J., Griffiths, M. D., Kuss, D. J., Demetrovics, Z., Mazzoni, E., & Pallesen, S. (2016). The relationship between addictive use of social media and video games and symptoms of psychiatric disorders: A large-scale cross-sectional study. Psychology of Addictive Behaviors, 30(2), 252–262. https://doi.org/10.1037/adb0000160
Andreassen, C. S., Griffiths, M. D., Gjertsen, S. R., Krossbakken, E., Kvam, S., & Pallesen, S. (2013). The relationships between behavioral addictions and the five-factor model of personality. Journal of Behavioral Addictions, 2(2), 90–99. https://doi.org/10.1556/JBA.2.2013.003
Andreassen, C. S., Pallesen, S., & Griffiths, M. D. (2016). The relationship between excessive online social networking, narcissism, and self-esteem: Findings from a large national survey. Addictive Behaviors, 64, 287–293. https://doi.org/10.1016/j.addbeh.2016.03.006
Andreassen, C. S., Torsheim, T., Brunborg, G. S., & Pallesen, S. (2012). Development of a Facebook Addiction Scale. Psychological Reports, 110(2), 501–517. https://doi.org/10.2466/02.09.18.PR0.110.2.501-517
Bányai, F., Zsila, Á., Király, O., Maraz, A., Elekes, Z., Griffiths, M. D., Andreassen, C. S., & Demetrovics, Z. (2017). Problematic social media use: Results from a large-scale nationally representative study of adolescents. PLOS ONE, 12(1), e0169839. https://doi.org/10.1371/journal.pone.0169839
Barker, V. (2009). Older adolescents’ motivations for social network site use: The influence of gender, group identity, and collective self-esteem. CyberPsychology & Behavior, 12(2), 209–213. https://doi.org/10.1089/cpb.2008.0228
Bartholomew, K. (1990). Avoidance of intimacy: An attachment perspective. Journal of Social and Personal Relationships, 7(2), 147–178. https://doi.org/10.1177/0265407590072001
Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606. https://doi.org/10.1037/0033-2909.88.3.588
Bentler, P. M., & Dudgeon, P. (1996). Covariance structure analysis: Statistical practice, theory, and directions. Annual Review of Psychology, 47, 563–592. https://doi.org/10.1146/annurev.psych.47.1.563
Billieux, J., Schimmenti, A., Khazaal, Y., Maurage, P., & Heeren, A. (2015). Are we overpathologizing everyday life? A tenable blueprint for behavioral addiction research. Journal of Behavioral Addictions, 4(3), 119–123. https://doi.org/10.1556/2006.4.2015.009
Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
Bowlby, J. (1982). Attachment and loss: Vol. 1. Attachment (2nd ed.). Basic Books. (Obra original publicada en 1969).
Bowlby, J. (1973). Attachment and loss: Vol. 2. Separation: Anxiety and anger. Basic Books.
Bowlby, J. (1980). Attachment and loss: Vol. 3. Sadness and depression. Basic Books.
Brown, T. A. (2003). Confirmatory factor analysis of the Penn State Worry Questionnaire: Multiple factors or method effects? Behaviour Research and Therapy, 41(12), 1411–1426. https://doi.org/10.1016/S0005-7967(03)00059-7
Buffardi, E. L., & Campbell, W. K. (2008). Narcissism and social networking web sites. Personality and Social Psychology Bulletin, 34(10), 1303–1314. https://doi.org/10.1177/0146167208320061
Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling, 14(3), 464–504. https://doi.org/10.1080/10705510701301834
Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling, 9(2), 233–255. https://doi.org/10.1207/S15328007SEM0902_5
Durkee, T., Kaess, M., Carli, V., Parzer, P., Wasserman, C., Floderus, B., Apter, A., Balazs, J., Barzilay, S., Bobes, J., Brunner, R., Corcoran, P., Cosman, D., Cotter, P., Despalins, R., Graber, N., Guillemin, F., Haring, C., Kahn, J. P., … Wasserman, D. (2012). Prevalence of pathological internet use among adolescents in Europe: Demographic and social factors. Addiction, 107(12), 2210–2222. https://doi.org/10.1111/j.1360-0443.2012.03946.x
Elphinston, R. A., & Noller, P. (2011). Time to face it! Facebook intrusion and the implications for romantic jealousy and relationship satisfaction. Cyberpsychology, Behavior, and Social Networking, 14(11), 631–635. https://doi.org/10.1089/cyber.2010.0318
Fossati, A., Feeney, J. A., Donati, D., Domini, N., Novella, L., Bagnato, M., Acquarini, E., & Maffei, C. (2003). On the dimensionality of the Attachment Style Questionnaire in Italian clinical and nonclinical participants. Journal of Social and Personal Relationships, 20(1), 50–79. https://doi.org/10.1177/0265407503020001187
Griffiths, M. D. (2000). Internet addiction – Time to be taken seriously? Addiction Research, 8(5), 413–418. https://doi.org/10.3109/16066350009005587
Griffiths, M. D. (2005). A ‘components’ model of addiction within a biopsychosocial framework. Journal of Substance Use, 10(4), 191–197. https://doi.org/10.1080/14659890500114359
Griffiths, M. D. (2012). Facebook addiction: Concerns, criticisms, and recommendations. Psychological Reports, 110(2), 518–520. https://doi.org/10.2466/01.07.18.PR0.110.2.518-520
Griffiths, M. D. (2013). Social networking addiction: Emerging themes and issues. Journal of Addiction Research & Therapy, 4(5), e118. https://doi.org/10.4172/2155-6105.1000e118
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
Harkness, J., Pennell, B. E., & Schoua-Glusberg, A. (2004). Survey questionnaire translation and assessment. In S. Presser, J. M. Rothgeb, M. P. Couper, J. T. Lessler, E. Martin, J. Martin, & E. Singer (Eds.), Methods for testing and evaluating survey questionnaires (pp. 453–473). John Wiley & Sons. https://doi.org/10.1002/0471654728.ch22
Hart, J., Nailling, E., Bizer, G. Y., & Collins, C. K. (2015). Attachment theory as a framework for explaining engagement with Facebook. Personality and Individual Differences, 77, 33–40. https://doi.org/10.1016/j.paid.2014.12.016
Hazan, C., & Shaver, P. R. (1987). Romantic love conceptualized as an attachment process. Journal of Personality and Social Psychology, 52(3), 511–524. https://doi.org/10.1037/0022-3514.52.3.511
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Jenkins-Guarnieri, M. A., Wright, S. L., & Hudiburgh, L. M. (2012). The relationships among attachment style, personality traits, interpersonal competency, and Facebook use. Journal of Applied Developmental Psychology, 33(6), 294–301. https://doi.org/10.1016/j.appdev.2012.08.001
Karaiskos, D., Tzavellas, E., Balta, G., & Paparrigopoulos, T. (2010). Social network addiction: A new clinical disorder? European Psychiatry, 25(S1), 855. https://doi.org/10.1016/S0924-9338(10)70846-4
Kim, H. Y. (2013). Statistical notes for clinical researchers: Assessing normal distribution using skewness and kurtosis. Restorative Dentistry & Endodontics, 38(1), 52–54. https://doi.org/10.5395/rde.2013.38.1.52
Kuss, D. J., & Griffiths, M. D. (2011a). Excessive online social networking: Can adolescents become addicted to Facebook? Education and Health, 29(4), 68–71.
Kuss, D. J., & Griffiths, M. D. (2011b). Online social networking and addiction – A review of the psychological literature. International Journal of Environmental Research and Public Health, 8(9), 3528–3552. https://doi.org/10.3390/ijerph8093528
LaRose, R., Kim, J., & Peng, W. (2010). Social networking: Addictive, compulsive, problematic, or just another media habit. In Z. Papacharissi (Ed.), A networked self: Identity, community, and culture on social network sites (pp. 59–81). Routledge.
Lin, J. H. (2015). The role of attachment style in Facebook use and social capital: Evidence from university students and a national sample. Cyberpsychology, Behavior, and Social Networking, 18(3), 173–180. https://doi.org/10.1089/cyber.2014.0341
Lin, J. H. (2016). Need for relatedness: A self-determination approach to examining attachment styles, Facebook use, and psychological well-being. Asian Journal of Communication, 26(2), 153–173. https://doi.org/10.1080/01292986.2015.1126749
Mehdizadeh, S. (2010). Self-presentation 2.0: Narcissism and self-esteem on Facebook. Cyberpsychology, Behavior, and Social Networking, 13(4), 357–364. https://doi.org/10.1089/cyber.2009.0257
Mikulincer, M., & Shaver, P. R. (2007). Attachment in adulthood: Structure, dynamics, and change. Guilford Press.
Monacis, L., de Palo, V., Griffiths, M. D., & Sinatra, M. (2016). Validation of the Internet Gaming Disorder Scale – Short-Form (IGDS9-SF) in an Italian-speaking people. Journal of Behavioral Addictions, 5(4), 683–690. https://doi.org/10.1556/2006.5.2016.083
Monacis, L., de Palo, V., Griffiths, M. D., & Sinatra, M. (2017). Social mobile perfectionism and online social networking addiction: The role of attachment styles. Journal of Behavioral Addictions, 6(2), 178–186. https://doi.org/10.1556/2006.6.2017.023
Monacis, L., de Palo, V., Griffiths, M. D., & Sinatra, M. (2017). Exploring individual differences in online addictions: The role of identity and attachment. International Journal of Mental Health and Addiction, 15(4), 853–868. https://doi.org/10.1007/s11469-017-9768-5
Morrow, J. R., Jackson, A. W., Disch, J. G., & Mood, D. P. (2011). Measurement and evaluation in human performance (4th ed.). Human Kinetics.
Muthén, L. K., & Muthén, B. O. (1998–2012). Mplus user’s guide (7th ed.). Muthén & Muthén.
Oldmeadow, J. A., Quinn, S., & Kowert, R. (2013). Attachment style, social skills, and Facebook use amongst adults. Computers in Human Behavior, 29(3), 1142–1149. https://doi.org/10.1016/j.chb.2012.10.006
Pelling, E. L., & White, K. M. (2009). The theory of planned behavior applied to young people’s use of social networking web sites. CyberPsychology & Behavior, 12(6), 755–759. https://doi.org/10.1089/cpb.2009.0109
Pempek, T. A., Yermolayeva, Y. A., & Calvert, S. L. (2009). College students’ social networking experiences on Facebook. Journal of Applied Developmental Psychology, 30(3), 227–238. https://doi.org/10.1016/j.appdev.2008.12.010
Phanasathit, M., Manwong, M., Hanprathet, N., Khumsri, J., & Yingyeun, R. (2015). Validation of the Thai version of Bergen Facebook Addiction Scale (Thai-BFAS). Journal of the Medical Association of Thailand, 98(Suppl 2), 108–117.
Pontes, H. M., Andreassen, C. S., & Griffiths, M. D. (2016). Portuguese validation of the Bergen Facebook Addiction Scale: An empirical study. International Journal of Mental Health and Addiction, 14(6), 1062–1073. https://doi.org/10.1007/s11469-016-9694-y
Pontes, H. M., & Griffiths, M. D. (2015). Measuring DSM-5 Internet gaming disorder: Development and validation of a short psychometric scale. Computers in Human Behavior, 45, 137–143. https://doi.org/10.1016/j.chb.2014.12.006
Pontes, H. M., & Griffiths, M. D. (2016). Portuguese validation of the Internet Gaming Disorder Scale – Short-Form. Cyberpsychology, Behavior, and Social Networking, 19(4), 288–293. https://doi.org/10.1089/cyber.2015.0605
Rom, E., & Alfasi, Y. (2014). The role of adult attachment style in online social network affect, cognition, and behavior. Journal of Psychology and Psychotherapy Research, 1, 24–34.
Schimmenti, A., Passanisi, A., Gervasi, A. M., Manzella, S., & Fama, F. I. (2014). Insecure attachment attitudes in the onset of problematic Internet use among late adolescents. Child Psychiatry & Human Development, 45(5), 588–595. https://doi.org/10.1007/s10578-013-0428-0
Sinatra, M., de Palo, V., Contini, P., & Volpicella, V. (2016). Identity styles and internet-related addictive behaviours in adolescents. Turkish Online Journal of Educational Technology, 15(Special Issue), 1161–1165.
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Allyn & Bacon.
Vandenberg, R. J., & Lance, C. E. (2000). A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for organizational research. Organizational Research Methods, 3(1), 4–69. https://doi.org/10.1177/109442810031002
Wang, C. W., Ho, R. T., Chan, C. L., & Tse, S. (2015). Exploring personality characteristics of Chinese adolescents with internet-related addictive behaviors: Trait differences for gaming addiction and social networking addiction. Addictive Behaviors, 42, 32–35. https://doi.org/10.1016/j.addbeh.2014.10.039
Wegmann, E., Stodt, B., & Brand, M. (2015). Addictive use of social networking sites can be explained by the interaction of Internet use expectancies, Internet literacy, and psychopathological symptoms. Journal of Behavioral Addictions, 4(3), 155–162. https://doi.org/10.1556/2006.4.2015.021
Wilson, K., Fornasier, S., & White, K. M. (2010). Psychological predictors of young adults’ use of social networking sites. Cyberpsychology, Behavior, and Social Networking, 13(2), 173–177. https://doi.org/10.1089/cyber.2009.0094
Wu, A. M. S., Cheung, V. I., Ku, L., & Hung, E. P. W. (2013). Psychological risk factors of addiction to social networking sites among Chinese smartphone users. Journal of Behavioral Addictions, 2(3), 160–166. https://doi.org/10.1556/JBA.2.2013.006
Wuang, Y. P., Su, C. Y., & Huang, M. H. (2012). Psychometric comparisons of three measures for assessing motor functions in preschoolers with intellectual disabilities. Journal of Intellectual Disability Research, 56(6), 567–578. https://doi.org/10.1111/j.1365-2788.2011.01491.x
Yaakobi, E., & Goldenberg, J. (2014). Social relationships and information dissemination in virtual social network systems: An attachment theory perspective. Computers in Human Behavior, 38, 127–135. https://doi.org/10.1016/j.chb.2014.05.025
Young, K. S. (1999). Internet addiction: Symptoms, evaluation, and treatment. In L. VandeCreek & T. L. Jackson (Eds.), Innovations in clinical practice: A source book (Vol. 17, pp. 19–31). Professional Resource Press.
Zarate, D., Hobson, B. A., & March, E. (2022). Psychometric properties of the Bergen Social Media Addiction Scale: An analysis using item response theory. Addictive Behaviors Reports, 15, 100423. https://doi.org/10.1016/j.abrep.2022.100423