FACULTAD DE HUMANIDADES

Carrera de Psicología

PROPIEDADES PSICOMÉTRICAS DEL TEST DE

DEPENDENCIA DE VIDEOJUEGOS TDV EN

ADULTOS JOVENES PERUANOS

Trabajo de investigación para optar el Grado Académico de

Bachiller en Psicología

ALDO PIERO IZQUIERDO PRIALÉ

(0000-0002-6543-1616)

Asesor: Mg. Renzo Felipe Carranza Esteban

(0000-0002-4086-4845)

Lima – Perú

2020

Resumen

El objetivo del presente trabajo fue la determinación de las propiedades psicométricas del

Test de Dependencia de Videojuegos (TDV) en adultos jóvenes peruanos. La muestra estuvo

constituida por 219 participantes de entre 17 y 31 años de edad. Se utilizó el Análisis

Factorial Confirmatorio (AFC) para hallar evidencias de validez por estructura interna, a su

vez se aplicaron el cuestionario de Ansiedad Rasgo del IDARE y la Escala Breve de

Búsqueda de Sensaciones (BSSS8) para hallar evidencias de validez en relación con otras

variables. No se hallaron evidencias significativas de validez basada en la estructura interna

ni de validez basada en la relación con otras variables. Por último, el análisis de confiabilidad

utilizando el coeficiente OMEGA que se obtuvo para el modelo unifactorial del TDV (.929)

demostró que el instrumento posee una alta confiabilidad.

Palabras clave: Adicción a videojuegos, TDV, validez, confiabilidad.

Abstract

The objective of this work was to determine the psychometric properties of the Videogame

Dependence Test (TDV) in young peruvian adults. The sample consisted of 219 participants

between 17 and 31 years of age. The Confirmatory Factor Analysis (CFA) was used to find

evidence of validity by internal structure, in turn, the IDARE Trait Anxiety questionnaire

and the Brief Sensation Seeking Scale (BSSS8) were applied to find evidence of validity in

relation to other variables. No significant evidence of validity based on the internal structure

or validity based on the relationship with other variables was found. Finally, the reliability

analysis using the OMEGA coefficient obtained for the one-factor model of TDV (.929)

showed that the instrument has high reliability.

Keywords: Videogame addiction, TDV, validity, reliability

1

Introducción

Desde finales del siglo pasado han existido reportes de adicciones sin drogas o

adicciones no relacionadas al consumo de sustancias químicas. Dicho conjunto de trastornos,

denominado adicciones comportamentales (Salas, Merino, Chóliz & Marco, 2017), se

caracteriza por provocar síntomas como dependencia, modificación del estado de ánimo,

desarrollo de tolerancia, intentos de erradicar la adicción, conflicto, recaídas, etc. (Kardefelt

et al., 2017). De este conjunto derivan múltiples patologías específicas como la adicción a

las redes sociales, al internet, a la actividad sexual, entre otros. La Adicción a videojuegos

(AVJ), trastorno que se busca investigar en este trabajo, forma parte de este grupo de

patologías adictivas (Chóliz & Marco, 2011).

Los pacientes que sufren de este trastorno, padecen de síntomas como preocupación

causada por los videojuegos, síntomas de abstinencia cuando no se les permite jugar,

tolerancia que produce una necesidad de aumentar constantemente el tiempo de juego,

múltiples intentos fallidos de controlar la actividad, pérdida de interés en todas las formas

de entretenimiento a excepción de los videojuegos, uso excesivo de los videojuegos, siendo

consciente de que le ocasiona problemas psicosociales, engañar a familiares, terapeutas y

otros sobre el tiempo de juego, utilizar los videojuegos como vía para aliviar sentimientos

negativos, sabotear relaciones significativas, trabajo, estudio u oportunidades de desarrollo

laboral y/o académico por jugar (American Psychiatric Association [APA], 2013).

La importancia de la investigación en este campo es considerable, puesto que cada

vez más personas alrededor del mundo juegan a videojuegos, con un total de tres mil

millones de horas invertidas en este hobby diariamente. En los Estados Unidos, el mayor

consumidor de estos productos a nivel global, el 42% de su población son jugadores

habituales y su promedio de edad es de 35 años (Entertainment Software Association, 2015),

de estos más de 200 millones pasan en promedio 13 horas semanales jugando (Newzoo,

2015). La investigación más grande realizada en este país, que incluyó a un total de 4028

adolescentes, evidenció que 4.9% de ellos evidenciaban síntomas de “gaming” excesivo. A

su vez, la prevalencia de estos síntomas era mayor en hombres (5.8%) en comparación con

2

las mujeres (3.0%), lo cual señala un porcentaje mayor de varones que sufren de este

trastorno en relación a las mujeres (Desai, Krishnan - Sarin, Cavallo & Potenza, 2010).

En cuanto a América Latina, solo representa el 4% del total de “gamers” a nivel

mundial, que es diminuto en comparación con el 36% de Asia y el 32% de América del

Norte; sin embargo, a diferencia de los dos últimos continentes hasta el momento no existen

cifras de sectores sociodemográficos específicos, del total de jugadores ni del porcentaje de

los mismos que presenta sintomatología adictiva.

Por lo expuesto anteriormente, es evidente la necesidad de realizar investigación

sobre este trastorno, sobre todo en lo que respecta a Latinoamérica. Por ello en las últimas

décadas se han desarrollado múltiples técnicas, métodos e instrumentos para el estudio y

evaluación de la AVJ, desafortunadamente la mayoría de estos no cuentan con fundamento

psicométrico, puesto que se basan en técnicas cualitativas como la entrevista y, por lo tanto,

no cuentan con evidencias suficientes de validez y confiabilidad.

Por otro lado, un factor que dificulta significativamente la investigación de este

trastorno es la gran heterogeneidad sociodemográfica de la población vulnerable (Newzoo,

2015). Por lo tanto, un instrumento validado para adolescentes, población que es investigada

por la gran mayoría de literatura científica sobre la AVJ, no necesariamente será

representativo de otros grupos etarios como el adulto (Griffiths, Davies & Chappell, 2003).

Considerando que según la ESA (2015) el jugador estadounidense promedio tiene 35

años podría resultar irresponsable la generalización del análisis psicométrico de

instrumentos como el TDV en los cuales solo se utilizaron adolescentes como participantes,

puesto que tomando como punto de partida dichas cifras no sería descabellado asumir que

un porcentaje significativo de la población de videojugadores peruanos no pertenece al

sector demográfico para el cual fue validado el instrumento.

3

De la misma manera, es importante tomar en consideración que en investigaciones

como la de Choi, Chu y Choi (2018) se encontró evidencia de que el riesgo de desarrollar

AVJ se incrementa cuando el individuo es sometido a factores relacionados al área laboral

como el abuso psicológico en el área de trabajo, la supervisión abusiva y los conflictos entre

los roles de trabajador y miembro de una familia, factores que suelen presentarse con

frecuencia en trabajadores peruanos (Clemente, Reig-Botella & Coloma, 2015).

Por otro lado, al analizar más en profundidad las características de la AVJ según los

criterios diagnósticos del DSM-IV, se destaca que para que un trastorno sea diagnosticado

utilizando estos criterios deben presentarse en el paciente un conjunto de signos y síntomas

durante un determinado período de tiempo, frecuentemente restándole importancia al origen

o la causa de los mismos. Es decir, que basándose en esto las adicciones comportamentales

se definirían como la dependencia del paciente hacia una determinada conducta que no se

puede explicar mediante sustancias bioquímicas, sino que es causada por factores

psicológicos. Lo cual implica que tanto las adicciones comportamentales y las adicciones a

drogas se basan en una relación patológica de dependencia. Por lo tanto, es factible utilizar

los mismos criterios diagnósticos de las adicciones a las drogas a la evaluación y diagnóstico

de adicciones comportamentales, teniendo en cuenta que se cambia la fuente de dependencia

de una sustancia química a una conducta como puede ser el jugar a videojuegos (Chóliz &

Marco, 2011).

De la misma manera, los instrumentos más comunes utilizados para apoyar el

diagnóstico de este trastorno son la “Videogame Addiction Scale for Children (VASC)” la

“Internet Gaming Disorder Scale” (IGDS) y el Test de Dependencia de Videojuegos (TDV),

este último fue diseñado utilizando específicamente los criterios diagnósticos del DSM-IV

para medir la AVJ. Sus autores Chóliz y Marco (2011) lo validaron para la población

española y posteriormente fue validado para adolescentes peruanos por Salas et al. (2017).

El TDV es una escala de tipo Likert que consta de 25 ítems que se dividen en 4 factores, los

cuales incluyen Abstinencia, Abuso y Tolerancia, Problemas ocasionados por los

videojuegos y Dificultad en el control (Chóliz & Marco, 2011).

4

Por otro lado, en cuanto a la relación de la AVJ con otras variables psicológicas,

Mehroof y Griffiths (2010) encontraron correlaciones significativas entre la AVJ y múltiples

variables psicológicas como neuroticismo, depresión y ansiedad en jóvenes universitarios.

En dicha investigación la variable AVJ obtuvo las magnitudes de correlación más elevadas

con las variables búsqueda de sensaciones y ansiedad estado.

A pesar de lo expuesto anteriormente, el propósito de este trabajo no es brindar una

percepción negativa de este hobby, puesto que los videojuegos brindan una serie de

beneficios innegables (Griffiths & Meredith, 2008). Algunos ejemplos de esto incluyen

brindar una experiencia virtual al jugador en la cual sus acciones no tienen consecuencias en

la realidad, ser relajantes, asequibles, accesibles, ofrecer un ambiente cognitiva y

emocionalmente estimulante, la posibilidad de jugarse solos o en compañía, ayudar al

desarrollo de la autoestima, brindar una sensación de logro y competencia, desarrollar la

deportividad, desarrollar la autoconfianza, etc. (Castellana, Sánchez-Carbonell, Beranu &

Graner, 2006).

Desafortunadamente, estas características, aunque indudablemente beneficiosas, son

las que motivan al jugador a invertir cada vez mayor cantidad de tiempo jugando (Chóliz,

2011). De la misma manera, el tiempo excesivo de juego puede pasar de ser una conducta

problemática (Tejeiro & Bersabé, 2002) a tener en ciertos casos características adictivas

(Griffiths, 2008).

Antecedentes

Chóliz y Marco (2011) realizaron una investigación con el objetivo de analizar las

conductas de juego de los videojugadores y diseñar un cuestionario de dependencia de los

videjuegos que utilice como base lo propuesto en el DSM-IV. La muestra estuvo conformada

por 621 niños y adolescentes de edades entre los 10 y los 16 años. A quienes se les aplicó el

Test de Dependencia de Videojuegos (TDV). Los resultados mostraron que la estructura

factorial de este instrumento se adecúa al constructo de dependencia propuesto por el DSM-

IV-TR con una consistencia interna de α=.94 y un índice de homogeneidad mayor a .5 en

5

todos los ítems. A su vez, se extrajeron 4 factores de los cuales el primero Abstinencia

representaba el 40% de la varianza total; el segundo, catalogado como Abuso y Tolerancia,

conforma el 5% de la varianza; el tercero, denominado Problemas ocasionados por los

videojuegos, equivale al 4% de la varianza y finalmente el cuarto Dificultad en el control

contenía el 4% de la varianza. Estos datos permitieron catalogar la AVJ en el conjunto de

adicciones tecnológicas, junto con la adicción a las redes sociales y al celular.

Salas et al. (2017) realizaron un estudio con el objetivo de realizar un análisis

psicométrico del instrumento TDV para la población peruana. Para esto utilizaron una

muestra de 467 escolares cuyas edades oscilaban entre los 11 y 18 años, provenientes de 5

instituciones educativas diferentes. Los resultados mostraron altas correlaciones

interfactoriales en todos los ítems (α >.8), por lo que se decidió aplicar el AFC utilizando un

modelo unifactorial (χ2 = 524.389, RMSEA = .051, SRMR = .048, CFI = .992) además del

modelo de cuatro factores originalmente planteado (χ2 = 479.789, RMSEA = .047, SRMR

= .047, CFI = .993). Los resultados no mostraron evidencia estadística contundente a favor

de ninguno de los dos modelos sobre el otro, por lo que se recomendó mayor investigación

sobre el constructo.

Griffiths, Davies y Chappell (2004) realizaron un trabajo en el que comparaban los

comportamientos de varones adolescentes y adultos que jugaban regularmente al popular

videojuego Everquest. La muestra fue conformada por 540 participantes varones de los

cuales el 16% eran adolescentes (19 años o menores) y un 84% de adultos (cuyas edades

variaban entre 20 y 70 años con un promedio de 30). Los resultados mostraron que los

adolescentes llevaban jugando a dicho título hacía 24 meses en promedio comparado con los

27% promedio de los adultos. Por otro lado, 9% de los adolescentes afirmaban haber jugado

desde hacía más de 3 años comparado con el 20% de los adultos. Asimismo, los adolescentes

evidenciaron una mayor probabilidad de descuidar sus responsabilidades por jugar n (22.7%

adolescentes; 7.3% adultos) y pasaban ligeramente más tiempo jugando a la semana que los

adultos (26.25 h adolescentes, 24.7 h adultos). Por otro lado, un porcentaje significativo de

los adultos reportaba haber modificado sus horarios de sueño (18.5%), así como haber

disminuido significativamente su tiempo de socialización (20.8% comparado con el 12.5%

6

de los adolescentes) y haber descuidado responsabilidades académicas y/o laborales (7.3%)

debido a su deseo de jugar. Adicionalmente, se determinó que los adolescentes tenían una

mayor probabilidad de descuidar estudios y/o trabajo por jugar que los adultos (χ2 = 19.18,

d. f. = 1, p<0.000). Sin embargo, los adultos mostraron una mayor probabilidad de reducir

su tiempo de socialización por jugar (χ2 = 3.24, d. f. = 1, p<0.045).

Yilmaz, Griffiths y Kan (2017) realizaron una investigación con el objetivo de

diseñar y validar la “VideoGame Addiction Scale for Children” (VASC). Para ello utilizaron

una muestra de 780 niños de edades entre los 9 y 12 años. Dicha muestra fue dividida en dos

grupos, posteriormente se utilizó el análisis factorial exploratorio para analizar los datos del

primer grupo y el análisis factorial confirmatorio con los datos del segundo. El resultado fue

una consistencia interna de .89, con un α >.7 en los 4 factores (Autocontrol, Recompensa /

Refuerzo, Problemas e Involucramiento), así como una carga factorial mayor a .6 en 17 de

los 20 ítems y mayor a .4 en los 3 restantes. Lo cual indica valores aceptables en cuanto a la

estructura interna del instrumento en niños turcos.

Stockdale y Coyne (2018) realizaron un trabajo que tenía como objetivo comparar

un grupo de adultos jóvenes que sufrían de AVJ según los criterios de la “Internet Gaming

Disorder Scale” (IGDS) con un grupo control de personas con puntuaciones normales. Los

participantes fueron 1, 205 estudiantes universitarios (entre adictos y no adictos) con una

edad promedio de 20 años. Los resultados mostraron que entre otras cosas los participantes

que sufrían de AVJ presentaban un peor procesamiento cognitivo (F (1, 209) = 37.46, p<

.001, η 2 p = .15) y salud mental (F (1, 209) = 20.63, p< .001, η 2 p = .09) que el grupo

control.

Monacis, de Palo y Griffiths y Sinatra (2016) realizaron una investigación con el

objetivo de validar la versión corta de la “Internet Gaming Disorder Scale” (IGDS) en una

población cuya lengua materna sea el italiano. Se utilizó una muestra de 757 participantes

los cuales incluían adolescentes en etapa escolar y adultos jóvenes en etapa universitaria.

Los datos fueron analizados utilizando el análisis factorial confirmatorio. Los indicadores

de ajuste fueron aceptables: χ2 = 182.132, RMSEA = .091, CFI = .958, SRMR = .03. Por lo

7

tanto, se confirmó la estructura uni-factorial del instrumento y se obtuvo evidencia de su

validez para dicha población.

Pontes y Griffiths (2016) realizaron un estudio que tenía por objetivo validar la

“Internet Gaming Disorder Scale” (IGDS) en su forma corta para una población de habla

portuguesa. Para ello se utilizó una muestra de 509 adolescentes. Los datos se analizaron

utilizando el análisis factorial confirmatorio. Se obtuvieron buenos indicadores de ajuste y

se confirmó la estructura uni-factorial del instrumento: χ2 (27) = 46.96, RMSEA = 0.039,

CFI = 0.974, SRMR = 0.035. Por lo tanto, se obtuvo evidencia de la validez del instrumento

para dicha población.

En síntesis, sobre todo, a nivel europeo se han realizado múltiples investigaciones

con el objetivo de diseñar y validar instrumentos para medir AVJ y, por otro lado, analizar

los efectos de dicho trastorno en la vida de los que lo padecen. Los hallazgos realizados fruto

de dichos trabajos muestran que se debe seguir investigando este trastorno y sobre todo en

contextos como el latinoamericano donde los estudios realizados al respecto son sumamente

escasos. Por lo tanto, el objetivo de este trabajo es obtener evidencias de validez basada en

la estructura interna y validez en relación con otras variables para el instrumento TDV en

una población de adultos peruanos.

Es así como, el objetivo de este trabajo es realizar un análisis psicométrico del

instrumento TDV y sus cuatro factores (Abstinencia, Abuso y Tolerancia, Problemas

ocasionados por los videojuegos y Dificultad en el control) en adultos peruanos. Dicho

objetivo se pretende alcanzar mediante la obtención de evidencias de confiabilidad (desde la

perspectiva de la consistencia interna), validez basada en la estructura interna (mediante el

Análisis Factorial Confirmatorio [AFC]) y validez basada en la relación con otras variables.

Se decidió utilizar el TDV no solo por ya poseer evidencias de validez psicométrica

en un sector de la población peruana, sino también porque, a diferencia del VASC (diseñado

8

originalmente para utilizarse en niños), este fue diseñado originalmente para medir la AVJ

en un grupo etario más próximo a la población objetivo de este estudio.

De la misma manera, este estudio se justifica debido a que no existe un instrumento

para medir la AVJ validado para este sector demográfico ya que el único estudio realizado

al respecto utilizó únicamente participantes adolescentes, por lo cual la pertinencia de su uso

en adultos jóvenes no ha sido comprobada.

De esta forma, este estudio brindará evidencias empíricas sobre la utilidad de este

instrumento para profesionales de la salud mental como psiquiatras y psicólogos, los cuales

requieren que sus herramientas de evaluación y diagnóstico sean lo más precisas posible.

Esto permitirá un mayor acierto para el diagnóstico de la AVJ.

9

Método

Tipo y diseño de investigación

Esta investigación es de tipo instrumental. Lo cual, según Ato, López y Benavente

(2013) implica que tiene como objetivo realizar un análisis de las propiedades psicométricas

de un instrumento de evaluación psicológica, utilizando los criterios propuestos por la

American Psychological Association (APA), en concreto, un instrumento que mida AVJ en

adultos jóvenes peruanos.

El diseño de esta investigación es no experimental y descriptivo. Lo cual quiere decir

que tiene como objetivo la definición, descripción, clasificación y/o categorización de

procesos mentales y conductas explícitas (Ato et al., 2013).

Participantes

Nunnally y Bernstein (1995) recomiendan que para realizar un análisis de

propiedades psicométricas preciso se debe contar al menos con 5 participantes por ítem del

instrumento de medición. Por lo tanto, siguiendo con este criterio se utilizó una muestra

conformada por 219 participantes cuyas edades variaban entre los 17 y 31 años. Se hizo uso

de un tipo de muestreo no probabilístico y por bola de nieve.

Como criterio de inclusión se consideró a adultos de ambos sexos, de edades entre

los 17 y 31 años, que hayan nacido o hayan vivido un tiempo significativo de al menos 5

años en el Perú, que tengan el español como lengua materna y que hayan aceptado

voluntariamente participar del estudio mediante un consentimiento informado.

Como criterios de exclusión se consideró a personas que no se encuentren dentro del

rango de edades establecido, que cuenten con alguna discapacidad física o mental o que no

hayan deseado participar voluntariamente de la investigación.

10

Instrumento

Test de Dependencia de Videojuegos (TDV) fue creado por Chóliz y Marco (2011),

es una escala Likert compuesta por 25 ítems divididos en 4 factores, de los cuales los ítems

3, 4, 6, 7, 10, 11, 13, 14, 21 y 25 pertenecen a la dimensión de Abstinencia, los ítems 1, 5, 8,

9 y 12 al factor de Abuso y Tolerancia, los ítems 16, 17, 19 y 23 al factor denominado

Problemas ocasionados por los videojuegos y los ítems 2, 15,18, 20, 22 y 24 a la dimensión

referida como Dificultad en el control. De la misma manera en su trabajo estos autores

obtuvieron una consistencia interna de α=.94 en todo el instrumento y α >.8 en los 4 factores.

Además, por su parte Salas et al., (2017) realizaron un análisis psicométrico de este test para

la población de adolescentes peruanos en el cual obtuvieron correlaciones interfactoriales

mucho más altas del mínimo requerido para ser significativas (α >.8), por lo cual decidieron

utilizar un AFC de modelo unifactorial (χ2 = 524.389, RMSEA = .051, SRMR = .048, CFI

= .992) además del de cuatro factores originalmente planteado (χ2 = 479.789, RMSEA =

.047, SRMR = .047, CFI = .993). Por lo cual concluyeron que existía la posibilidad de la

existencia de un solo factor denominado Adicción a Videojuegos en vez de los cuatro

anteriormente planteados.

Escala Breve de Búsqueda de Sensaciones (BSSS8) diseñada por Hoyle, Stephenson,

Palmgreen, Lorch y Donohew (2002) y validada para la población peruana por Merino y

Salas (2017). Dicho instrumento consta de 8 ítems que representan los 4 factores que

componen la Busqueda de Sensaciones: búsqueda de experiencias (ítems 1 y 5), búsqueda

de aventura y emociones (2 y 6), desinhibición (3 y 7) y susceptibilidad al aburrimiento

(4 y 8). El instrumento es una escala Likert con 5 alternativas de respuesta por ítem que

varían desde Muy en Desacuerdo hasta Muy de Acuerdo. En las instrucciones se le pide al

participante que responda valorando sus preferencias y gustos. Merino y Salas-Blas (2017)

obtuvieron resultados satisfactorios en la consistencia interna (α =.745) para la población

peruana.

Cuestionario de Ansiedad Rasgo, que forma parte del Inventario de Ansiedad Estado-

Rasgo (IDARE) diseñado por Spielberger y Diaz-Guerrero (2007) y validado para la

población peruana por Dominguez, Villegas, Sotelo y Sotelo (2012). El instrumento consiste

11

de un cuestionario uni-dimensional con formato de escala Likert compuesto por 20 ítems

con 4 alternativas cada uno que varían desde Casi Nunca a Casi Siempre. Durante la

validación del instrumento para la población peruana se obtuvieron resultados satisfactorios

(α =.908). Los resultados del análisis factorial (KMO = .855, test de Bartlett [χ2 = 852.591;

g.l.= 171], método de componentes principales con rotación promax de .504, análisis

paralelo para la extracción de los factores) mostraron la existencia de dos factores

denominados Presencia de Ansiedad y Ausencia de Ansiedad.

Procedimiento

En primera instancia se solicitó a los autores originales acceso al instrumento y su

método de puntuación. Una vez obtenido el permiso se procedió a la elaboración del

formulario “online” utilizando la plataforma de “Google Forms”, dicho cuestionario

constaba del consentimiento informado (en el cual se señalaba el carácter anónimo y

voluntario del mismo, así como los objetivos de la investigación), la ficha sociodemográfica

y los instrumentos TDV (eliminando el ítem 22 cuyo contenido no era acorde con el sector

demográfico que se busca investigar) y el cuestionario de Ansiedad Rasgo (parte del

inventario IDARE). Para la recolección el link al cuestionario fue distribuido mediante redes

sociales haciendo énfasis en el grupo objetivo de la investigación (jóvenes adultos que

jueguen regularmente a videojuegos). Además, se solicitó la ayuda de algunos participantes

para difundir con mayor eficacia el cuestionario hacia la población objetivo. La recolección

de datos se realizó durante un periodo de tres semanas. Los datos recolectados fueron

digitalizados en una hoja de Excel y posteriormente importados a los programas estadísticos

Rstudio y Jamovi para su análisis.

Análisis de datos

Inicialmente, se tabularon los datos obtenidos a una hoja Excel y se realizó la

limpieza de los mismos para asegurar que se cumplieran con los criterios de inclusión y

exclusión. Posteriormente, se trasladaron al programa estadístico Rstudio para su análisis.

Se llevó a cabo un Análisis Factorial Confirmatorio (AFC) para analizar la validez por

estructura interna. Para ello se utilizaron el coeficiente chi cuadrado (χ2) con un nivel de

significancia de (p>0.05); el “Comparative-of-Fit Index” (CFI) y el “Tucker- Lewis Index”

12

(TLI), cuyos valores mayores o iguales a .90 se consideran aceptables; el “Root Mean

Square Error of Approximation” (RMSEA) y el “Standardized Root Mean Square

Residuals” (SRMR), cuyos valores menores a .08 son considerados aceptables(Hu &

Bentler, 1999; Yu, 2002).. En cuanto a la validez basada en la relación con otras variables

se aplicó la prueba de correlación R de Pearson con todas las dimensiones de las escalas

mencionadas (TDV, BSSS8 e IDARE). Se consideró el nivel de significancia estadística p<

0.05. Con el objetivo de obtener un análisis más preciso se decidió utilizar el coeficiente

Omega, puesto que es un coeficiente más apropiado para el análisis de variables psicológicas

que el comúnmente usado Alfa de Cronbach (Ventura & Caycho, 2017; Domínguez &

Merino, 2015).

13

Resultados

En primera instancia, se obtuvieron los estadísticos descriptivos de cada ítem del

TDV, los cuales incluían media (ME), desviación estándar (DE), asimetría (G1) y curtosis

(G2).

Tabla 1

Estadísticos descriptivos de los ítems del TDV

Ítems ME DE G1 G2

Ítem 1 1.48 1.33 0.35 -1.15

Ítem 2 1.46 1.17 0.34 -0.75

Ítem 3 0.671 1.02 1.48 1.34

Ítem 4 2.07 1.39 -0.165 -1.31

Ítem 5 1.56 1.33 0.298 -1.17

Ítem 6 1.25 1.14 0.528 -0.748

Ítem 7 1.12 1.18 0.823 -0.351

Ítem 8 1.55 1.37 0.222 -1.37

Ítem 9 2.21 1.32 -0.324 -1.06

Ítem 10 1.78 1.34 0.0495 -1.31

Ítem 11 2.08 1.35 -0.117 -1.12

Ítem 12 1.49 1.25 0.326 -0.994

Ítem 13 1.08 1.15 0.667 -0.55

Ítem 14 1.1 1.2 0.802 -0.564

Ítem 15 1.39 1.23 0.311 -1.12

Ítem 16 2.89 1.38 -1.04 -0.279

Ítem 17 1.19 1.32 0.78 -0.655

Ítem 18 2.78 1.31 -0.923 -0.246

Ítem 19 1.18 1.35 0.734 -0.809

Ítem 20 0.557 0.939 1.8 2.75

Ítem 21 1.15 1.24 0.739 -0.652

Ítem 22 2.45 1.21 -0.548 -0.534

Ítem 23 2.03 1.27 -0.129 -1.07

Ítem 24 1.08 1.2 0.73 -0.71

ME: Media, DE: Desviación Estándar, g1: Asimetría y g2: Curtosis

Para explorar la estructura interna del instrumento en una muestra de adultos

peruanos, se pusieron a prueba dos modelos a través del análisis factorial confirmatorio,

mediante el estimador de Mínimos Cuadrados Ponderados Robustos (WLSMV). El primer

modelo (M1) estuvo conformado por cuatro factores (M1), siguiendo la propuesta de la

14

versión original del instrumento (Chóliz & Marco, 2011); mientras que el segundo modelo

(M2) corresponde a un modelo unifactorial (M2) mencionado propuesto en el estudio de

Salas et al., (2017) con adolescentes peruanos. Los índices de ajuste obtenidos se presentan

en la tabla 2.

Tabla 2

Índices de ajuste, AFC.

χ2 p valor (χ2) CFI TLI RMSEA SRMR

Modelo 1 599.243 .00 .909 .898 .082 .081

Modelo 2 642.057 .00 .900 .890 .085 .084

Como se puede observar en la tabla 1 ambos modelos poseen índices de ajuste

aceptables, siendo el modelo de cuatro factores original (M1) el que obtiene ligeramente

mejores resultados en todos los coeficientes utilizados, sin embargo, dicho modelo evidenció

cargas factoriales cruzadas en el ítem 2 (perteneciente al factor Dificultad para el control)

con el factor Abuso y tolerancia y entre el ítem 3 (perteneciente al factor Abstinencia) con

los factores Abuso y tolerancia y Dificultad para el control. A su vez los índices de

modificación recomendaron pasar el ítem 2 a la dimensión de Abstinencia. Por lo

anteriormente expuesto se podría llegar a aceptar el modelo unifactorial (M2) propuesto por

Salas et al. (2017), sin embargo, los hallazgos obtenidos no son concluyentes. Por otro lado,

en cuanto a los análisis de confiabilidad, se obtuvo un Omega de .929 lo cual es considerado

aceptable.

Validez basada en la relación con otras variables

En la tabla 3 se observan los resultados de las correlaciones entre ambas dimensiones

del Cuestionario de Ansiedad Rasgo del IDARE y el modelo unifactorial del TDV.

15

Tabla 3

Correlación inter-factorial

TDV

Ausencia de

Ansiedad

r = .005

p = .938

Presencia de

Ansiedad

r = .169

p = .013

Búsqueda de

Sensaciones

r = .022

p = .753

Los resultados de dicha prueba mostraron correlaciones estadísticamente

significativas (con un IC = 95%) entre el modelo unifactorial del TDV con la dimensión

Presencia de ansiedad del Cuestionario Ansiedad Rasgo del IDARE. Sin embargo, no se

encontraron evidencias de correlaciones significativas con el factor Ausencia de Ansiedad

Rasgo del IDARE o la variable Búsqueda de Sensaciones, medida utilizando el BSSS8.

16

Discusión

La presente investigación tuvo como objetivo hallar evidencias de validez del instrumento

TDV para la población de jóvenes adultos peruanos. Se utilizaron las fuentes de validez

basada en la estructura interna, haciendo uso del AFC y basada en la relación con otras

variables correlacionando los resultados obtenidos de las variables AVJ (medida con el

TDV) y la Ansiedad Rasgo (medida por el Cuestionario Ansiedad Rasgo del IDARE).

Actualmente, cada vez más personas son expuestas a la posibilidad de desarrollar

adicciones comportamentales como la AVJ (Salas, et al, 2017). Dicho trastorno puede ser

extremadamente dañino para el desarrollo normal del paciente que lo sufre (American

Psychiatric Association [APA], 2013). En nuestro país no existen cifras precisas sobre la

cantidad de jugadores con riesgo de desarrollar este trastorno, pero si observamos las

estadísticas de Estados Unidos, donde la edad promedio de un “gamer” es de 35 años

(Entertainment Software Association, 2015), no es disparatado asumir que algo similar

ocurre en el Perú, por lo cual el análisis psicométrico realizado anteriormente por Salas et

al. (2017) que se enfocó en la población adolescente no brindó evidencias de validez y

confiabilidad psicométrica del instrumento para un porcentaje significativo de la población

de jugadores.

Por lo tanto, el presente trabajo busca complementar el estudio de Salas et al. (2017)

realizando el análisis psicométrico del TDV en adultos peruanos. De la misma manera, al

igual que los autores previamente mencionados se decidió que el modelo más apropiado era

el compuesto por un único factor denominado Adicción a Videojuegos, en lugar de los cuatro

factores propuestos originalmente por Chóliz y Marco (2011). Dicha decisión se debió

principalmente a las cargas factoriales cruzadas obtenidas entre algunos ítems con factores

a los cuales no pertenecían y a la evidencia estadística que sugería la transición del Ítem 2,

perteneciente al factor Dificultad para el control, al factor Abstinencia.

17

Por otro lado, los resultados obtenidos por el AFC no logran cumplir con los

estándares mínimos propuestos por Hu y Bentler (1999) para afirmar que existen evidencias

de validez basada en la estructura interna, a pesar de no estar muy lejos de los mismos. Los

resultados de este estudio contrastan con los obtenidos por Salas, et al. (2017), quienes sí

lograron hallar evidencias de validez basada en la estructura interna. Por lo cual se requiere

mayor investigación para determinar si dichos resultados también pueden ser obtenidos en

una población adulta.

Por otro lado, la propuesta de la existencia de un solo factor difiere de lo reportado

por Yilmaz, Griffiths y Kan (2017) quienes desarrollaron la “VideoGame Addiction Scale

for Children” (VASC), instrumento diseñado para medir la AVJ en poblaciones

anglosajonas y que al igual que el TDV fue diseñado basándose en un modelo de 4 factores

relacionados a las categorías de síntomas de adicciones comportamentales presentadas en el

DSM-IV. A su vez, el modelo unifactorial, es acorde con la “Internet Gaming Disorder

Scale” (IGDS), instrumento diseñado por Stockdale y Coyne (2018) para medir la AVJ y

validado para poblaciones de habla italiana y portuguesa (Monacis, de Palo, Griffiths &

Sinatra, 2016; Pontes & Griffiths,2016). Puesto que dicho instrumento fue diseñado en base

a un único factor denominado adicción a videojuegos, lo cual apoya la propuesta realizada

en este estudio.

En cuanto a la validez basada en la relación con otras variables, los resultados

obtenidos confirmaron una correlación significativa entre la variable AVJ y la variable

Presencia de Ansiedad Rasgo en la muestra analizada. Dichos resultados son acordes a los

obtenidos por Mehroof y Griffiths (2010), sin embargo, a diferencia de estos no se pudo

hallar evidencias de correlación significativa entre la AVJ y la Ausencia de Ansiedad Rasgo

en la muestra analizada.

Con respecto a la coyuntura actual de pandemia por covid-19, la cual implica menor

movilización de la población y significativamente mayor tiempo en casa. Situación que

aumenta la probabilidad de desarrollar AVJ debido a la cantidad limitada de actividades que

se pueden realizar. Resulta curioso que no se hayan encontrado evidencias de la misma

18

durante este estudio. La causa de ello puede ser a la necesidad de recolectar los datos de

forma virtual o el tamaño reducido de la muestra. Sin embargo, es importante tomar en

cuenta que el 56% de la muestra pertenece a estudiantes universitarios, el 31% de la misma

a personas que actualmente laboran y el 12% de participantes que realizan ambas actividades

simultáneamente. Por lo cual, considerando que dichos grupos demográficos, debido a las

exigencias propias de sus actividades no pueden invertir mucho tiempo a actividades

recreativas como los videojuegos, sobre todo en la época de pandemia actual donde se ha

reportado un aumento significativo en las horas de trabajo promedio exigidas por actividades

laborales y de educación superior.

Limitaciones

Las principales limitaciones están relacionadas a la pandemia por covid-19 y como

afecta de manera significativa el estado mental y estilo de vida de la población objetivo. A

su vez, dificulta la recolección de los datos, puesto que debió ser realizada de forma virtual

y únicamente se pudo utilizar un tamaño de muestra limitado.

Conclusiones

En síntesis, no fue posible completar el objetivo propuesto para esta investigación de

hallar evidencias de validez basada en la estructura interna y en la relación con otras

variables para el instrumento TDV en adultos peruanos. Sin embargo, los resultados sugieren

que con mayor investigación dichos objetivos pueden ser cumplidos en el futuro por un

nuevo estudio.

19

Referencias

American Psychiatric Association, Diagnostic and statistical manual of mental disorders

(5th ed.), (2013). Arlington, VA. American Psychiatric Publishing.

doi: 10.1176/appi.books.9780890425596

Arnao, J., Falla, G., & Jiménez, A. (2011). Los juegos en línea en adolescentes y jóvenes.

Un estudio cuanti-cualitativo, descriptivo y analítico en jóvenes del Perú. Lima:

Centro de Información y Educación para la Prevención del Abuso de Drogas

(CEDRO).

Recuperado de:

https://repositorio.urp.edu.pe/bitstream/handle/urp/375/Cuba_je.pdf?sequence=1&i

sAllowed=y

Ato, M., López, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños

de investigación en psicología. Anales de Psicología, 3(29), 1038-1059.

doi: 10.6018/analesps.29.3.178511

Castellana, M., Sánchez-Carbonell, X., Beranuy, M. & Graner, C., (2006). La relació

de l’ adolescent amb les TIC: Un tema de rellevàn-cia social. Full Informatiu del

Col·legi Oficial de Psicòlegs de Catalunya, 192, 22-23.

Recuperado de: https://www.redalyc.org/pdf/3498/349832318002.pdf

20

Chóliz, M. (2011). PrevTec 3.1: Programa de Prevención de Adicciones Tecnológicas.

Valencia: FEPAD.

Recuperado de:

http://usoresponsablenuevastecnologias.files.wordpress.com/2009/10/prevtec.pdf

Chóliz, M., & Marco, C. (2011). Patrón de uso y dependencia de videojuegos en infancia

y adolescencia. Anales de Psicología, 27(2), 418-426.

Recuperado de: https://revistas.um.es/analesps/article/view/123051

Choi, Y., Chu, K., & Choi, E. (2018). The Impact of Video Game Addiction in the

Workplace. International Journal of Cyber Behavior, Psychology and Learning

(IJCBPL), 8(2), 1–19. doi:10.4018/978-1-7998-0954-8.ch003

Clemente, M., Reig-Botella, A., & Coloma, R. (2015). The Occupational Health of

Correctional Officers in Peru: The Impact of Length of Work Experience. The

Prison Journal, 95(2), 244–263. doi: 10.1177/0032885515575275

Desai, R., Krishnan-Sarin, S., Cavallo, D., Potenza, M. (2010). Video-gaming among

high school students: health correlates, gender differences, and problematic

gaming. Pediatrics, 126(6), 1414-1424. doi: 10.1542/peds.2009-2706

21

Dominguez, S., & Merino, C. (2015). ¿Por qué es importante reportar los intervalos de

confianza del coeficiente alfa de Cronbach? Revista Latinoamericana de

Ciencias Sociales, niñez y Juventud, 13(2), 1326-1328.

Recuperado de: http://revistaumanizales.cinde.org.co/rlcsnj/index.php/Revista

Latinoamericana/article/view/2030

Dominguez, S., Villegas, G., Sotelo, N. & Sotelo, L. (2012). Revisión Psicométrica del

Inventario de Ansiedad Estado-Rasgo (IDARE) en una Muestra de Universitarios

de Lima Metropolitana. Revista de Peruana de Psicología y Trabajo Social, 1(1),

45-54.

Recuperado de:

https://www.uigv.edu.pe/fileadmin/facultades/psicologia/documentos/revista_2012

1_completa.pdf#page=44

Entertainment Software Association. (2015). Essential Facts About the Computer and

Video Game Industry. Recuperado de

http://www.theesa.com/wpcontent/uploads/2015/04/ESA-Essential Facts2015.pdf

Griffiths, M. (2008). Videogame Addiction: Further Thoughts and Observations.

International Journal of Mental Health and Addiction, 6, 182185.

Griffiths, M., Davies, M., & Chappell, D. (2003). Breaking the stereotype: the case of

online gaming. CyberPsychology & Behavior, 6, 81-91.

doi: 10.1089/109493103321167992

22

Griffiths, M., Davies, M. & Chappell, D. (2004). Online computer gaming: A comparison

of adolescent and adult gamers. Journal of Adolescence, 27 (1), pp. 87-96.

doi: 10.1016/j.adolescence.2003.10.007

Griffiths, M. & Meredith, A. (2008). Videogame Addiction and its Treatment. Journal

of Contemporary Psychology, 39, 247-253. doi: 10.1007/s10879-009-9118-4

Hoyle, R., Stephenson, M., Palmgreen, P., Lorch, E. & Donohew, R. (2002). Reliability

and validity of a brief measure of sensation seeking. Personality and

Individual Differences, 32, 401–414. doi: 10.1016/S0191-8869(01)00032-0

Hu, L., & Bentler, P. (1999). Cutoff criteria for fit indexes in covariance structure

analysis: Conventional criteria versus new alternatives. Structural Equation

Modeling: A Multidisciplinary Journal, 6(1), 1–55.

doi: 10.1080/10705519909540118

Kardefelt, W., Heeren, A., Schimmenti, A., Rooij, A., Maurage, P., Carras, M., Edman,

J., Blaszczynski, A., Khazaal, Y., & Billieux, J. (2017). How can we conceptualize

behavioural addiction without pathologizing common behaviours? Addiction,

112(10), 1709–1715. doi: 10.1111/add.13763

23

Mehroof, M. & Griffiths, M. (2010). Online Gaming Addiction: The Role of Sensation

Seeking, Self-Control, Neuroticism, Aggression, State Anxiety, and Trait

Anxiety. Cyberpsychology, behavior, and social networking. 13(3), 313-316.

doi: 10.1089/cyber.2009.0229

Merino, C., & Salas, E. (2017). Escala breve de búsqueda de sensaciones

(BSSS): estructura latente de las versiones de 8 y 4 ítems en adolescentes

peruanos. Adicciones, 30(1), 41-53. doi: 10.20882/adicciones.842

Monacis, L., de Palo, V., Griffiths, M. & Sinatra, M. (2016). Validation of the Internet

Gaming Disorder Scale – Short-Form (IGDS9-SF) in an Italian-speaking sample.

Journal of Behavioral Addictions. 5(4), 683–690. doi:10.1556/2006.5.2016.083

Newzoo (2015). 2015 Global Games Market Report.

Recuperado de http://www.newzoo.com/product/2015-global-games-market-report/

Nunnally, J., & Bernstein, I. (1995) Teoría Psicométrica. México: Mc Graw Hill.

Recuperado de: http://www.sidalc.net/cgi-

bin/wxis.exe/?IsisScript=sibe01.xis&method=post&formato=2&cantidad=1&expre

sion=mfn=020454

Salas, E., Merino, C., Chóliz, M., & Marco, C. (2017). Análisis psicométrico del Test de

Dependencia de Videojuegos (TDV) en población peruana. Universitas

psychologica, 16(4), 1–13. doi: 10.11144/Javeriana.upsy16-4.aptd

24

Spielberger. C. & Diaz-Guerrero, R. (2007). IDARE: Inventario de Ansiedad Rasgo-

Estado. México: Manual Moderno.

Recuperado de: https://www.libreriaolejnik.com/fichas/25810.pdf

Stockdale, L., & Coyne, S. (2018). Video game addiction in emerging adulthood: Cross-

sectional evidence of pathology in video game addicts as compared to matched

healthy controls. Journal of Affective Disorders, 225, 265–272.

doi: 10.1016/j.jad.2017.08.045

Tejeiro, R. & Bersabé, R. (2002). Measuring problem video game playing in adolescents.

Addiction, 97,1601–1606. doi: 10.1046/j.1360-0443.2002.00218.x

Ventura, J., & Caycho, T. (2017). El coeficiente Omega: un método alternativo para la

estimación de la confiabilidad. Revista Latinoamericana de Ciencias Sociales,

Niñez y Juventud, 15(1),625-627

Recuperado de: https://www.redalyc.org/articulo.oa?id=773/77349627039

Yılmaz, E., Griffiths, M. & Kan, A. (2017). Development and Validation of Videogame

Addiction Scale for Children (VASC). Int J Ment Health Addiction 15, 869–882.

doi: 10.1007/s11469-017-9766-7

25

Yu, C. (2002). Evaluating Cutoff Criteria of Model Fit Indices for Latent Variable Models

with Binary and Continuous Outcomes.

Recuperado de: https://www.semanticscholar.org/paper/Evaluating-Cutoff-Criteria-

of-Model-Fit-Indices-for-

%C3%81ngeles/7a22ae22553f78582fc61c6cab4567d36998293b?p2df