Introducción

El uso de las redes sociales (RS) ha cambiado enormemente la forma en que las personas se comunican e interactúan entre sí. Permiten no solo el disfrute del tiempo libre, sino el acceso a la información y la comunicación entre las personas (Chai y Kim, 2012). Por estas ventajas, el uso de las RS ha aumentado notablemente en las últimas dos décadas. Argentina es uno de los países con mayor tasa de penetración de Internet en América Latina y cuenta con más de las tres cuartas parte su población con acceso a las RS (Statista, 2023). Las RS con mayor frecuencia de uso son WhatsApp, Instagram y Facebook. En un estudio local se detectó que más de la mitad de las personas encuestadas se conectaban al menos tres veces por día a su red favorita y que el tiempo de conexión diario a Internet superaba las 5 horas diarias (Lupano Perugini y Castro Solano, 2023a).

A pesar de las ventajas mencionadas, el uso constante de RS puede traer aparejados efectos no deseados. Algunos estudios empíricos han señalado que las personas pueden experimentar el sentirse abrumadas por el exceso de información recibida a través de las RS (Bright et al., 2015). Este fenómeno se denomina fatiga con las redes sociales (FRS). Debido a su naturaleza subjetiva la FRS varía de una persona a otra. Para los usuarios de RS el resultado de tener FRS podría ocasionar o bien el discontinuar el uso de las RS o la generación de problemas de salud física, mental y/o comportamientos poco saludables (Choi y Lim, 2016). Estudios previos han encontrado asociaciones entre la FRS y la disminución del rendimiento académico (Malik et al., 2020) o la sintomatología depresiva (Dhir et al., 2018).

Diferentes estudios empíricos indican que la personalidad afecta la forma en que las personas se comportan cuando están online y en particular en las RS (Amichai-Hamburger y Vinitzky, 2010; Eskisu et al., 2017; Lupano Perugini y Castro Solano, 2021a, 2021b, 2022, 2023a, 2023b). El Five Factor Model (FFM; Costa y McCrae, 1985, 1992) es uno de los modelos con mayor cantidad de estudios empíricos para estudiar las variables de personalidad. Este modelo postula cinco factores de la personalidad: neuroticismo, extraversión, apertura a la experiencia, agradabilidad y responsabilidad. En general, los trabajos indican que los sujetos extravertidos y menos responsables suelen utilizar más frecuentemente las RS (Amichai-Hamburger y Vinitzky, 2010; Castro Solano y Lupano Perugini, 2019), al contrario de las personas con alto nivel de responsabilidad que las consideran una pérdida de tiempo debido a su alta capacidad de distractibilidad (Ryan y Xenos, 2011). Además, las personas que puntúan alto en el rasgo neuroticismo suelen tener un uso problemático de Internet (Kayis et al., 2016; Marciano et al., 2020).

En relación específica con la FRS no existen muchos estudios que analicen la relación con los rasgos de la personalidad. En la revisión realizada por Zheng y Ling (2021) sobre los predictores de la FRS no se encontraron estudios específicos que consideren a los rasgos de personalidad como predictores de la FRS. Zheng y Ling consideran en su revisión otras variables que están asociadas con la FRS, como la preocupación por la privacidad (Bright et al., 2015; Dhir et al., 2019), el manejo de la impresión (Zhu y Bao, 2018), la autorrevelación (Dhir et al., 2019; Maier et al., 2015) y la percepción de autoeficacia. Logan et al. (2018) aseveran que las personas con alta autoeficacia tendían a percibir la utilidad de las RS, pero también estaban conscientes de los problemas de privacidad que generaban, lo que ocasionaría FRS. Asimismo, Bright et al. (2015) identificaron que los usuarios con mayor autoeficacia en el uso de las redes sociales serán menos propensos a experimentar fatiga por el uso de RS.

Lee et al. (2014) analizaron los rasgos de personalidad normal como predictores de la FRS en usuarios adultos de Facebook residentes en Taiwan. El estudio indicó que la personalidad en su conjunto predecía el 38% de la varianza de la FRS. El rasgo extraversión tuvo el mayor peso en la explicación de FRS seguida por el neuroticismo, la amabilidad, la responsabilidad y la apertura a la experiencia. En otro estudio se examinó si los rasgos de personalidad eran predictores del fear of missing out (FOMO, miedo a quedarse afuera) y a su vez si este rasgo era predictor de la FRS. El estudio demostró que la apertura a la experiencia, la responsabilidad y la extraversión evidenciaron una asociación positiva con el FOMO y este a su vez con la FRS (Ashiru et al., 2023).

En un estudio reciente con población general adulta argentina se pudo comprobar que la FRS estaba asociada con peores resultados psicológicos (Castro Solano y Stover, 2024). Se encontraron asociaciones positivas con la ansiedad, la depresión y el estrés y asociaciones negativas con el bienestar psicológico (personal, emocional y social) y con la comparación social. Asimismo, se encontró que los tres componentes de la FRS (cognitivo, emocional y conductual) están asociados con el neuroticismo. En cuanto a los rasgos de personalidad patológicos estos explican una mayor varianza de la FRS comparados con los rasgos de personalidad normal siendo el afecto negativo y el desapego los rasgos que explican mejor el fenómeno de FRS en sus componentes emocional y cognitivo. En cuanto a los rasgos positivos de la personalidad (Serenidad, Humanidad, Integridad, Moderación y Vivacidad y foco) este estudio dio un indicio acerca de que podrían convertirse en un amortiguador frente a la relación entre FRS y el estrés percibido.

El uso de las RS da lugar a que las personas interactúen de forma alternativa en dos mundos con características diferenciales: online, cuando las personas están conectadas a la Internet y off-line cuando interactúan por fuera de ellas en relaciones cara a cara (Bayer et al., 2020). El contexto online podría modificar la cognición, las emociones y las conductas de las personas, generando diferencias en estas características en comparación con su manifestación en el mundo offline (McFarland y Ployhart, 2015). En función de lo comentado sería esperable no solo que las personas muestren diferentes características de personalidad según las demandas de cada contexto, sino que el propio contexto on-line favorezca ciertas características de personalidad necesarias para un funcionamiento exitoso en el mundo virtual. Muy pocas investigaciones hasta la fecha han estudiado los rasgos de personalidad en contextos on-line. En términos generales se asume la evaluación de los rasgos de personalidad de modo off-line y se correlacionan estos rasgos con diferentes datos respecto de resultados psicológicos propios del mundo on-line. La mayoría de las investigaciones vinculadas a la psicología de la Internet consideran los rasgos de la personalidad derivados del FFM (Five Factor Model) evaluado off-line y se apoyan en la idea de que los rasgos psicológicos son estables y consistentes a través de diferentes contextos (Costa y McCrae, 1992; Digman, 1990). Sin embargo, es esperable que exista cierta variación en la expresión de los rasgos según el tipo de contexto ya sea online u offline (Bayer et al., 2020).

Si los rasgos de personalidad de los usuarios de RS resultan diferentes en ambos contextos, esta situación debería especificarse en las evaluaciones de personalidad. De lo contrario, no está claro si los autorreportes de los participantes sobre su personalidad reflejan su personalidad offline, online, o una combinación de estos contextos. Es decir, puede haber un efecto de marco de referencia (Robie et al., 2017; Schulze et al., 2021) donde los autorreportes de la personalidad de los participantes varíen según el contexto especificado. Si los rasgos de personalidad no son los mismos en ambos contextos, entonces las evaluaciones realizadas sobre los rasgos de personalidad sin especificar el contexto podrían no predecir de forma adecuada los resultados psicológicos en los contextos online (Bunker y Kwan, 2021).

Algunas investigaciones tuvieron por objetivo comparar los rasgos según el contexto. Taber y Whittaker (2018, 2020) reportaron hallazgos acerca del FFM comparando el contexto offline y tres RS (Facebook, Snapchat e Instagram). Al comparar con el contexto online los participantes obtuvieron menores puntuaciones en todos los rasgos de la personalidad. Bunker y Kwan (2021) realizaron un estudio en el que compararon el FFM en contextos offline y online a nivel de la estructura del modelo (vía análisis factorial confirmatorio), al comparar las medias entre ambos contextos y a nivel de la validez predictiva del FFM evaluado en ambos contextos tomando como criterio las variables propias del mundo online (e.g. tiempo de uso de Internet, motivos de uso). Los autores pudieron replicar la estructura pentafactorial del FFM en ambos contextos. A nivel de las medias, se obtuvieron puntuaciones más bajas en todos los rasgos de personalidad en el FFM adaptado para su uso online. El análisis de las intercorrelaciones entre ambos contextos dio como resultado correlaciones moderadas a altas. Este hallazgo sugiere que el FFM según el contexto online/offline es similar pero no es el mismo. En cuanto a la validez predictiva de los diferentes resultados relacionados con el uso de RS (e.g., motivos de uso, tiempo en redes sociales, etc.), los autores concluyeron que el FFM evaluado de modo online mostró una mayor capacidad predictiva sobre estos resultados en comparación con el FFM evaluado en el contexto offline. En un estudio realizado con población adulta argentina (Castro Solano y de la Iglesia, 2024) se diseñó y validó un instrumento basado en adjetivos con el propósito de evaluar la personalidad en contextos online. Se obtuvo un modelo de tres rasgos de personalidad derivados inductivamente: autenticidad, cautelosidad y agradabilidad/sociabilidad. Estos rasgos de personalidad específicos para el mundo online estaban asociados positivamente, aunque no eran iguales, a los rasgos de personalidad evaluados de modo offline. Este modelo de tres rasgos explica una mayor varianza del uso problemático de internet y de los motivos de uso vinculados a la búsqueda de compañía en comparación con los rasgos de personalidad normal del modelo FFM.

Existen muchas investigaciones que examinaron los motivos de uso de las RS, en especial bajo el marco de la Teoría de los Usos y Gratificaciones. Esta teoría postula que el poder comprender los motivos por los cuales las personas utilizan determinadas plataformas ayuda entender cuál es la gratificación derivada del uso de la misma para la satisfacción de determinada necesidad (Ruggiero, 2000). En un estudio realizado con jóvenes estadounidenses se detectaron dos motivaciones principales, las relaciones con el contenido específico de las RS y las relacionadas con la diversión (Luchman et al., 2014). Estudios similares se realizaron con otras RS tales como Facebook (e.g., Cramer et al., 2016; Reinecke et al., 2014), Instagram (p. ej., Castro Solando et al., 2022; Lee et al., 2015), e incluso comparaciones entre plataformas (Bossetta, 2018). En un estudio realizado con población adulta argentina se encontró que los principales motivos de uso de las plataformas eran el mantenimiento de los vínculos personales, el pasatiempo/exhibicionismo y la búsqueda de compañía. Estas dos últimas motivaciones estaban asociadas con los rasgos de personalidad psicopatológicos de antagonismo y desinhibición y explicaban una mayor varianza de los motivos de uso de Internet en comparación con los rasgos de personalidad normal (Lupano Perugini y Castro Solano, 2021a). En un estudio reciente se encontró que las personas que buscaban activamente las interacciones sociales preferían plataformas que permitían una mayor facilidad de vinculación y con menos interferencia de audio y video (e.g., preferencia por chatear a través de texto; Chen y Peng, 2023). Las personas que usaban las redes sociales con propósito de exhibición y de autopromoción valoraban la protección de la privacidad y aquellos cuyo principal motivo era la búsqueda de información preferían RS con riqueza de información y regulación de la comunicación.

En términos generales, las investigaciones que han evaluado la FRS se han llevado a cabo predominantemente en contextos anglosajones, centrándose en un tipo particular de RS. En varios casos, dichos estudios no han examinado de manera adecuada los aspectos psicométricos de los instrumentos empleados. Por ejemplo, el estudio de Bright et al. (2015) carecía de estudios de validez, mientras que Cramer et al. (2016) emplearon solo tres ítems para evaluar la fatiga relacionada con el uso de Facebook, uno de los cuales medía sentimientos negativos, y los otros dos, motivaciones para su uso.

En un estudio anterior realizado con población adulta argentina hispanohablante (Castro Solano y Stover, 2024) se había realizado el diseño de una escala de tres componentes (emocional, conductual y cognitivo) para evaluar la FRS, basada en el modelo de Zhang et al. (2021) que propone que para evaluar el fenómeno es necesario no solamente incluir los componentes cognitivos (e.g. estar abrumado por la información), sino los emocionales (e.g. ansiedad, miedo e irritabilidad) y los conductuales (e.g. acciones concretas en relación con las RS). Por lo tanto, este estudio tiene como primer objetivo verificar las evidencias de validez de constructo de la escala de FRS de Castro Solano y Stover (2024).

Si bien no se localizaron estudios que vinculen específicamente los motivos de uso de las RS y la FRS, dada la bibliografía revisada, se hipotetiza una asociación positiva entre FRS y los motivos de uso de redes mayormente vinculados con resultados psicológicos más negativos (búsqueda de compañía y pasatiempo/exhibicionismo; Lupano Perugini y Castro Solano, 2021a). Por lo tanto, el segundo objetivo planteado analiza la relación entre motivos de uso de Internet y FRS.

En cuanto al papel de las variables de personalidad se supone que estas tendrán un efecto moderador importante en la relación entre los MOTU y la FRS. Existe una amplia evidencia de que las variables de personalidad afectan la forma en que las personas se comportan cuando están online y en particular en las RS (Amichai-Hamburger y Vinitzky, 2010; Eskisu et al., 2017; Lupano Perugini y Castro Solano, 2021a, 2021b, 2022, 2023a). El papel de la personalidad es diferente si se evalúa tanto de forma online como offline (Bunker y Kwan, 2021; Castro Solano y de la Iglesia, 2024). Por lo tanto, se propone como tercer objetivo: Estudiar la moderación de las variables de personalidad evaluadas en forma offline y los rasgos de personalidad online para la relación entre MOTU y la FRS.

Método

Participantes

Se utilizó una muestra de conveniencia de 516 participantes voluntarios (292 mujeres y 224 varones) que frecuentemente interactuaban en las redes sociales. Dos participantes se consideraron no binarios. Los participantes no binarios fueron excluidos del análisis debido al reducido número de casos, lo que dificultaba su inclusión en los análisis estadísticos comparativos. La edad media fue de 40.97 (DE = 15.03). El 93% (.=480) eran argentinos y un bajo porcentaje (7%, .=36) eran extranjeros residentes en la Argentina. El 71.7% de los participantes residían en la ciudad de Buenos Aires y el conurbano bonaerense (.=370) y el resto (28.2%, .=146) se distribuía entre las diferentes regiones del país. El 14.5% (.=75) tenía estudios primarios y secundarios completos; el 43.4% (.=224) tenía estudios universitarios y/o terciarios incompletos y el 42.05% (.=217) restante tenía estudios universitarios completos y/o posgrados.

El 61.04% (.=315) de los participantes se autopercibieron como de nivel socioeconómico medio y el 28.8% (.=123) como de nivel medio-alto y alto.

Se utilizó una muestra de conveniencia de 516 participantes voluntarios (292 mujeres y 224 varones) que frecuentemente interactuaban en las redes sociales. Dos participantes se consideraron no binarios. Los participantes no binarios fueron excluidos del análisis debido al reducido número de casos, lo que dificultaba su inclusión en los análisis estadísticos comparativos. La edad media fue de 40.97 (DE = 15.03). El 93% (n=480) eran argentinos y un bajo porcentaje (7%, n=36) eran extranjeros residentes en la Argentina. El 71.7% de los participantes residían en la ciudad de Buenos Aires y el conurbano bonaerense (n=370) y el resto (28.2%, n=146) se distribuía entre las diferentes regiones del país. El 14.5% (n=75) tenía estudios primarios y secundarios completos; el 43.4% (n=224) tenía estudios universitarios y/o terciarios incompletos y el 42.05% (n=217) restante tenía estudios universitarios completos y/o posgrados.

El 61.04% (n=315) de los participantes se autopercibieron como de nivel socioeconómico medio y el 28.8% (n=123) como de nivel medio-alto y alto.

Instrumentos

Escala de Fatiga con las redes sociales (Castro Solano y Stover, 2024)

Es una escala especialmente diseñada en Argentina, en idioma español, para evaluar la FRS en población general. Consta de tres dimensiones (Emocional, Conductual, Cognitiva). La fatiga cognitiva indica la sobrecarga cognitiva que autoperciben las personas, respecto del exceso de información en la Internet y en las RS; la fatiga emocional indica las reacciones emocionales, generalmente negativas, respecto de la información en la Internet y en las RS; la fatiga conductual indica una reducción en el uso y actividad en las RS. Se compone de 12 ítems que se responden en una escala con formato de respuesta Likert de 6 posiciones (Total acuerdo a Total desacuerdo). En este trabajo se validaron las tres dimensiones de este instrumento para la muestra analizada mediante el análisis factorial confirmatorio (ver apartado de Resultados). Los mismos resultaron apropiados y confirman la estructura factorial de tres dimensiones del instrumento. En esta muestra, los coeficientes ω y α de Cronbach fueron ω= .74, α=.73 para Fatiga Emocional, ω= .70, α=.70 para Fatiga Conductual, y ω= .77, α=.76 para Fatiga Cognitiva. Los resultados de la validez de constructo (análisis factorial confirmatorio) se reportan en manuscrito en la sección resultados.

Motivos de Uso de Internet (Lupano Perugini y Castro Solano, 2021a)

Se utilizó la escala de MOTU para evaluar las diferentes razones por las cuales las personas utilizan la Internet que son Mantenimiento de relaciones personales, Pasatiempo y Exhibicionismo y Búsqueda de Compañía. Este instrumento de 28 ítems se responde en una escala Likert de 5 puntos (1=Muy en desacuerdo a 7=Muy de acuerdo). La escala muestra indicadores adecuados de confiabilidad y validez. El análisis factorial confirmatorio indica un ajuste adecuado de los datos a un modelo de tres factores DWLS robusto: χ2 (347) = 1265.39, p < .001, indicadores de ajuste CFI = .94, SRMR = .090 y RMSEA = .072 (intervalo de confianza del 90% = .067 - .076). En esta muestra, los coeficientes ω y α de Cronbach fueron ω= .73, α=.75 para Mantenimiento de relaciones personales y Búsqueda de información, ω=.81, α=.82 para Pasatiempo y Exhibicionismo, y ω=.91, α=.92 para Búsqueda de Compañía.

Inventario de Cinco Grandes (BFI)

Se utilizó el inventario de los cinco grandes (Big Five Inventory, BFI) adaptado localmente para evaluar los rasgos de personalidad normal del modelo Cinco Grandes (Big Five) que son extraversión, agradabilidad, responsabilidad, neuroticismo y apertura (Castro Solano y Casullo, 2001). Este instrumento de 44 ítems se responde en una escala Likert de 5 puntos. Los estudios realizados en población argentina verifican la validez factorial del inventario para población adolescente, adulta y militar (Castro Solano y Casullo, 2001). En esta muestra, los coeficientes ω y α de Cronbach fueron ω= .61, α=.75 para extraversión, ω=.73, α=.79 para neuroticismo, ω=.71, α=.72 para agradabilidad, ω=.80, α=.84 para responsabilidad, y ω= .82, α=.80 para apertura a la experiencia.

Inventario de Rasgos de Personalidad Online ACAS (IACAS)

El inventario de rasgos de personalidad online (IACAS) es instrumento de medición de 17 ítems para evaluar los tres rasgos cardinales de la personalidad en contextos virtuales: autenticidad, cautelosidad y agradabilidad/sociabilidad. El factor autenticidad incluye 6 elementos (por ejemplo, Soy Sincero), el factor cautelosidad incluye 6 elementos (por ejemplo, Soy reservado) y el factor agradabilidad/sociabilidad incluye 4 elementos (por ejemplo, Soy amigable). Se pide a los participantes que respondan cada ítem en una escala tipo Likert de 1 (Nunca) a 7 (Siempre). Cuanto mayor sea la puntuación de cada subescala IACAS, mayor será el nivel del rasgo de personalidad en cuestión. Se realizaron estudios locales de validación con población argentina (Castro Solano y de la Iglesia, 2024). La escala muestra indicadores adecuados de confiabilidad y validez. El análisis factorial confirmatorio indica un ajuste adecuado de los datos a un modelo de tres factores DWLS robusto: χ2 (116) = 243.86, p < .001, CFI = .98, SRMR = .061 y RMSEA = .046 (intervalo de confianza del 90% = .038 - .054). En esta muestra, los coeficientes ω y α de Cronbach fueron ω=.87, α=.87 para autenticidad, ω=.83, α=.84 para cautelosidad, y ω=.84, α=.85 para agradabilidad/sociabilidad.

Procedimiento

Los datos se recopilaron mediante muestreo de bola de nieve. La participación fue anónima y voluntaria. Después de conocer los objetivos de la investigación, los participantes ofrecieron su aprobación libre e informada y no se les dio ninguna compensación. Se les dijo que no se les exigiría ninguna explicación si deseaban poner fin a su participación en cualquier momento y que no se les impondrían sanciones por ello. La investigación siguió los lineamientos éticos internacionales (APA y NC3R) y del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) para el comportamiento ético en las Ciencias Sociales y Humanidades (Resolución N° 2857, 2006) y cuenta con la aprobación de los comités de ética correspondientes. Para el análisis de los datos se utilizó el paquete estadístico Jamovi versión 2.5 (2024) a través del entorno R, Versión 4.2.2 (R Core Team, 2022) para el cálculo de correlaciones y de los análisis de moderación. Para el cálculo de los análisis factoriales se utilizó el software de uso libre R (R Core Team, 2022). Se utilizó para este análisis el paquete lavaan.

Análisis de los Datos

En primer lugar, se llevó a cabo un análisis factorial confirmatorio con el objetivo de verificar la estructura factorial del instrumento de FRS. En segundo lugar, se calcularon las correlaciones de la citada escala con los diferentes motivos del uso de Internet. Como paso seguido, se llevaron a cabo una serie de análisis de moderación. El análisis de moderación se realizó utilizando el programa JAMOVI, empleando la función de regresión lineal con términos de interacción para evaluar el efecto moderador. En la primera serie se incluyó como variable moderadora a los rasgos de la personalidad normal medidos de forma offline, con el propósito de analizar si los rasgos de personalidad moderaban la relación entre los MOTU y la FRS. En la segunda serie se incluyó como variable moderadora las variables de personalidad online derivadas del modelo IACAS que evalúa las dimensiones de personalidad relevantes que las personas autoperciben cuando están actuando en entornos digitales.

Resultados

Validez de Constructo de la Escala de Fatiga con las Redes Sociales

Con el propósito de estudiar la validez de constructo de la escala de FRS se llevaron a cabo dos análisis factoriales confirmatorios. Se compararon dos modelos, unifactorial y trifactorial. Se tomaron como parámetros valores de corte cercanos y superiores a .95 para CFI, cercanos e inferiores a .08 para SRMR e inferiores a .07 para RMSEA (con límite superior del intervalo de confianza p < .08) se consideraron indicadores de ajuste adecuado a los datos (Hooper et al., 2008, Hu y Bentler, 1999). En la Tabla 1 se indican los índices de bondad de ajuste correspondiente a cada uno de los modelos. Como puede observarse ambos modelos cumplen con los parámetros y ajustan bien a los datos. El modelo de tres factores (fatiga emocional, conductual y cognitiva) tiene un ajuste levemente superior en todos los indicadores. En función de este análisis, todos los análisis de datos de este trabajo se realizarán utilizando el modelo de tres factores.

Tabla 1
Índices de Bondad de Ajuste de los Modelos Factoriales de la Escala FRS. N=516

¹ Estimador robusto de mínimos cuadrados ponderados diagonalmente (DWLS robusto)

Modelos	χ2 (df)1	CFI	TLI	SRMR	RMSEA (Intervalo Conf. 90%)
Un factor	136.24 (54)	.97	.97	.063	.054 (.043 -.066)
Tres Factores	99.58 (51)	.98	.98	.053	.043 (.030 - .050)

Relación Entre Motivos de Uso de Internet y Fatiga por el Uso de Redes Sociales

En la Tabla 2 se incluyen las correlaciones entre las dimensiones de la escala de motivos de uso de Internet y las de FRS.

De las nueve correlaciones posibles, se encontró solo una asociación positiva entre la FRS de carácter emocional y el motivo de uso de Internet de búsqueda de compañía. Este resultado sugiere que las personas que navegan por Internet durante más tiempo con el objetivo de mitigar los sentimientos de soledad son más propensas a experimentar reacciones negativas hacia el uso de las redes sociales. Las otras motivaciones del uso de Internet no están relacionadas con la FRS.

Tabla 2
Correlaciones Entre Motivos de Uso de Internet y Fatiga por el Uso de Redes Sociales. N=516

Motivos de Uso de Internet	Fatiga Emocional	p	Fatiga Conductual	p	Fatiga Cognitiva	p
Mantenimiento de relaciones Interpersonales y búsqueda información	-.01	.764	-.07	.130	.05	.183
Pasatiempo y Exhibicionismo	.08	.063	.01	.744	.02	.515
Búsqueda de companía	.16	.001	-.05	.288	.01	.889

Análisis de Moderación de los Rasgos de Personalidad Online y Offline

Con el propósito de analizar el papel moderador de las variables de personalidad (online y offline) para la relación entre MOTU y FRS se llevaron a cabo una serie de análisis de moderación. Este análisis consiste en el cálculo de una serie de ecuaciones de regresión. Es un tipo de análisis que intenta establecer la influencia de una tercera variable en la relación entre una variable independiente sobre la predicción de otra variable dependiente. Esta tercera variable, llamada moderadora afecta la fuerza y/o la dirección en la relación de las otras dos variables mencionadas (Fairchild y MacKinnon, 2009). Para el análisis de moderación se empleó un método de bootstrapping de 5000 muestras aleatorias y se escogió un intervalo de confianza del 95%. Para una mejor comprensión del modelo, un diagrama de flujos puede visualizarse en la Figura 1.

Figura 1
Moderación de los Rasgos de Personalidad Online y Offline

En la primera serie de análisis se incluyó la variable motivos de uso de Internet como variable predictora y las variables referidas a FRS (emocional, conductual y cognitiva) como criterio, considerando el papel moderador de los cinco rasgos de la personalidad normal del FFM medidos de manera offline.

Este análisis permitió verificar el efecto de la moderación del rasgo de personalidad agradabilidad para la relación entre el motivo de búsqueda compañía y la FRS de carácter emocional (búsqueda de compañía por rasgo agradabilidad, β=.03, DE=.01, z=2.91, p=.004). Para los otros motivos de uso de Internet y para los otros cuatro rasgos de la personalidad no se verificó el efecto moderador (Ver Figura 2).

Figura 2
Análisis de Moderación del Rasgo Agradabilidad del FFM (offline) en la Relación Entre Búsqueda de Compañía y FRS Emocional

Este resultado indica que las personas que tienen como motivo de uso de la Internet la búsqueda de compañía y tienen una mayor presencia del rasgo agradabilidad son más propensas a experimentar reacciones emocionales negativas respecto de las redes sociales. El efecto de moderación solo se verifica para quienes tienen presencia del rasgo agradabilidad y no así para quienes no lo tienen (valores z no significativos)

En la segunda serie de análisis se incluyó la variable motivos de uso de Internet como variable predictora y las variables referidas a FRS (emocional, conductual y cognitiva) como criterio, considerando el papel moderador de los tres rasgos de la personalidad online del IACAS (Ver Figura 3).

Este análisis permitió verificar el efecto de la moderación de los tres rasgos que evalúan la personalidad online (autencidad, cautelosidad y agradabilidad) para la relación entre el motivo de búsqueda compañía y la FRS de carácter emocional (búsqueda de compañía por rasgo autenticidad, β=.13, DE=.04, z=2.74, p=.006; búsqueda de compañía x rasgo cautelosidad, β=.08, DE=.04, z=1.94, p=.05; búsqueda de compañía por rasgo agradabilidad online, β=.11, DE=.04, z=2.33, p=.02).

Figura 3
Análisis de Moderación de los Rasgos de Personalidad Online (IACAS) en la Relación Entre Búsqueda de Compañía y FRS Emocional

Este resultado indica que las personas que tienen como MOTU la búsqueda de compañía y tienen una mayor presencia de los tres rasgos más característicos que las personas exhiben en un entorno online (autenticidad, cautelosidad y agradabilidad/sociabilidad) son más propensas a experimentar reacciones emocionales negativas respecto de las RS. El efecto de moderación solo se verifica para quienes tienen presencia del rasgo agradabilidad/sociabilidad y no así para quienes no lo tienen (valores z no significativos).

Discusión

Existen muy pocas investigaciones en Latinoamérica sobre el fenómeno de la FRS. Si bien los estudios empíricos a nivel internacional no son muchos en su mayor parte provienen de los Estados Unidos, Corea del Sur y China. Dado que el uso de las RS ha crecido exponencialmente en los últimos años, esto dio lugar al estudio de los resultados psicológicos que resultan como consecuencia de su uso reiterado.

En un trabajo anterior se diseñó y validó un instrumento para valorar la FRS para población adulta hispanoparlante. Este estudio dio como resultado el aporte de una técnica breve para evaluar la FRS de tres componentes (conductual, emocional y cognitivo) con buenas propiedades psicométricas (Castro Solano y Stover, 2024).

En el presente estudio se procedió estudiar la validez de constructo de la escala mediante técnicas de análisis factorial confirmatorio. Se compararon dos modelos (unifactorial y trifactorial). Los resultados demuestran que el modelo de tres factores tiene un ajuste levemente superior comparado con el de un factor. Sin embargo, dado que ambos modelos tienen excelentes indicadores de bondad de ajuste (Hooper et al., 2008, Hu y Bentler, 1999), la implicación práctica de estos resultados es que se puede utilizar una puntuación única de FRS y al mismo tiempo puntuaciones para cada uno de las dimensiones emocional, cognitiva y conductual, según corresponda.

En segundo lugar, el trabajo tuvo como principal objetivo analizar el papel moderador de los rasgos de personalidad online y de los rasgos de personalidad offline entre los motivos de uso de Internet y la FRS. En virtud de los resultados obtenidos podemos observar que de las variables de personalidad evaluadas de forma offline parece ejercer un efecto moderador el rasgo agradabilidad. En la medida en que las personas sean más consideradas, amables y confiadas con los demás y tengan como principal motivo de uso de la Internet la mitigación de los sentimientos de soledad y el exhibicionismo, esto producirá más FRS de carácter emocional, con tendencia a experimentar sentimientos de ansiedad, miedo e irritabilidad en relación con el uso de las RS. No se verificó un efecto de la moderación para los otros motivos de uso de Internet, ni para los componentes cognitivo y conductuales de la FRS. Este hallazgo está en conexión con otros estudios que señalan la importancia de considerar a la personalidad como variable moderadora en los resultados psicológicos como consecuencia del uso de Internet (Ashiru, 2023; Lupano Perugini y Castro Solano, 2021a, 2022).

En tercer lugar, se analizó el papel moderador de los rasgos de personalidad online. En el mismo caso, los tres rasgos más importantes para los contextos online (autenticidad, agradabilidad/sociabilidad y cautelosidad) moderan la relación entre el motivo de uso de Internet búsqueda de compañía/exhibicionismo y la FRS de carácter emocional. En este caso las personas que son más consideradas, más amables, confiadas con los demás, agradables, sociales, auténticas y cautelosas son aquellas que tienen tendencia a experimentar sentimientos negativos en relación con el uso de las RS. Este rasgo al igual que para los rasgos evaluados de modo offline, modera solo esta motivación de uso de Internet e impacta solamente sobre el componente emocional de la FRS. Para este caso el peso de las variables evaluadas de modo online es algo mayor que para la evaluación de la personalidad de modo offline. Este hallazgo está en conexión con los estudios que evalúan la personalidad en contextos online. Los rasgos de personalidad online aportan mayor variancia explicada (validez incremental) que los rasgos del FFM para la predicción de algunos resultados psicológicos específicos del mundo online (Bunker y Kwan 2021; Castro Solano y de la Iglesia, 2024).

En cuanto a las implicaciones prácticas derivadas de esta investigación cabe considerar que se dispone de un instrumento validado para la población argentina hispanohablante que permite evaluar los niveles de FRS en sus tres dimensiones: emocional, cognitiva y conductual. Esta herramienta puede ser empleada en el ámbito de la psicología aplicada para medir la fatiga generada por el uso prolongado de las redes sociales, ya sea en la valoración inicial de los consultantes o toda vez que se quiera indagar sobre los efectos del uso continuado de RS en la población general.

Asimismo, es fundamental considerar los rasgos de personalidad al evaluar variables relacionadas con la psicología de Internet (e.g., motivos para el uso de RS). Tanto los rasgos de personalidad evaluados en entornos offline como aquellos específicamente diseñados para el ámbito online interactúan con estas variables, lo que resalta la necesidad de integrarlos en la práctica aplicada de la psicología para obtener una comprensión más completa de los fenómenos relacionados con el uso de Internet.

Una de las principales limitaciones de esta investigación radica en el uso de medidas de autoinforme, las cuales podrían comprometer la validez de los datos obtenidos. Además, puede considerarse que alrededor del 70% de los participantes residían en una región metropolitana y zonas suburbanas y el resto estaba distribuido en otras áreas del interior del país, si bien esto representa la distribución poblacional por regiones en Argentina, es probable que el fenómeno de la FRS tenga características distintivas en diferentes regiones con patrones diferenciales de uso de la Internet y de las redes sociales. Estas diferencias regionales no fueron abordadas en este estudio.

Futuras investigaciones deberán abordar el fenómeno de la FRS en relación con otras variables mediadoras y moderadoras evaluadas tanto de forma offline como online.

Referencias

Amichai-Hamburger, Y. & Vinitzky, G. (2010). Social Network Use and Personality. Computers in Human Behavior, 26(6), 1289-1295. https://doi.org/10.1016/j.chb.2010.03.018

Ashiru, J., Oluwajana, D. & Biabor, O. S. (2023). Is the Global Pandemic Driving Me Crazy? The Relationship Between Personality Traits, Fear of Missing Out, and Social Media Fatigue During the COVID-19 Pandemic in Nigeria. International Journal of Mental Health and Addiction, 21, 2309-2324. https://doi.org/10.1007/s11469-021-00723-8

Bayer, J. B., Triệu, P., & Ellison, N. B. (2020). Social media elements, ecologies, and effects. Annual Review of Psychology, 71, 471-497. https://doi.org/10.1146/annurev-psych-010419-050944

Bossetta, M. (2018). The digital architectures of social media: Comparing political campaigning on Facebook, Twitter, Instagram, and Snapchat in the 2016 US election. Journalism & Mass Communication Quarterly, 95(2), 471-496. https://doi.org/10.1177/1077699018763307

Bright, L. F., Kleiser, S. B., & Grau, S. L. (2015). Too much Facebook? An exploratory examination of social media fatigue. Computers in Human Behavior,44, 148-155. https://doi.org/10.1016/j.chb.2014.11.048

Bunker, C. J. & Kwan, V. S. (2021). Do the offline and social media Big Five have the same dimensional structure, mean levels, and predictive validity of social media outcomes? Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 15(4), Artículo 8. https://doi.org/10.5817/CP2021-4-8

Castro Solano, A. & Casullo, M. M. (2001). Rasgos de personalidad, bienestar psicológico y rendimiento académico en adolescentes argentinos. Interdisciplinaria,18(1), 65-85. https://www.redalyc.org/articulo.oa?id=18011326003

Castro Solano, A. & de la Iglesia, G. (2024). Virtual Personality: A Lexical Study of Personality Traits in Virtual Environments [Manuscrito remitido para su publicación].

Castro Solano, A. & Lupano Perugini, M. L. (2019). Perfiles diferenciales de usuarios de internet, factores de personalidad, rasgos positivos, síntomas psicopatológicos y satisfacción con la vida. Revista Iberoamericana de Evaluación Diagnóstica y Evaluación Psicológica, 54(4), 79-90. https://doi.org/10.21865/RIDEP53.4.06

Castro Solano, A. Lupano Perugini, M. L., & Caporiccio Trillo, M. A. (2022). Motivos de uso de Instagram: análisis automático del texto de los usuarios y asociación con rasgos de personalidad. Perspectivas en Psicología, 19(2), 171-193. http://perspectivas.mdp.edu.ar/revista/index.php/pep/article/view/629

Castro Solano, A. & Stover, J. (2024). Fatiga por uso de redes sociales: Predicción según personalidad normal, patológica y positiva [Manuscrito remitido para publicación].

Chai, S. & Kim, M. (2012). A socio-technical approach to knowledge contribution behavior: An empirical investigation of social networking sites users. International Journal of Information Management, 32(2), 118-126. https://doi.org/10.1016/j.ijinfomgt.2011.07.004

Chen, M. & Peng, A. Y. (2023). Why Do People Choose Different Social Media Platforms? Linking Use Motives With Social Media Affordances and Personalities. Social Science Computer Review, 41(2), 330-352. https://doi.org/10.1177/08944393211049120

Choi, S. B. & Lim, M. S. (2016). Effects of social and technology overload on psychological well-being in young South Korean adults: The mediatory role of social network service addiction. Computers in Human Behavior, 61, 245-254. https://doi.org/10.1016/j.chb.2016.03.032

Costa, P. T. & McCrae, R. R. (1985). The NEO Personality Inventory Manual. Psychological Assessment Resources.

Costa, P. T. Jr, & McCrae, R. R. (1992). Four ways five factors are basic. Personality and Individual Differences, 13(6), 653-665. https://doi.org/10.1016/0191-8869(92)90236-I

Cramer, E. M., Song, H., & Drent, A. M. (2016). Social comparison on Facebook: Motivation, affective consequences, self-esteem, and Facebook fatigue. Computers in Human Behavior, 64, 739-746. https://doi.org/10.1016/j.chb.2016.07.049

Dhir, A., Kaur, P., Chen, S., & Pallesen, S. (2019). Antecedents and consequences of social media fatigue. International Journal of Information Management,48, 193-202. https://doi.org/10.1016/j.ijinfomgt.2019.05.021

Dhir, A., Yossatorn, Y., Kaur, P., & Chen, S. (2018). Online social media fatigue and psychological wellbeing—A study of compulsive use, fear of missing out, fatigue, anxiety and depression. International Journal of Information Management, 40, 141-152. https://doi.org/10.1016/j.ijinfomgt.2018.01.012

Digman, J. M. (1990). Personality structure: Emergence of the five-factor model. Annual Review of Psychology, 41(1), 417-440. https://doi.org/10.1146/annurev.ps.41.020190.002221

Eskisu, M., Hosoglu, R., & Rasmussen, K. (2017). An investigation of the relationship between Facebook usage, big five, self-esteem and narcissism. Computers in Human Behavior, 69, 294-301. https://doi.org/10.1016/j.chb.2016.12.036

Fairchild, A. J. & MacKinnon, D. P. (2009). A general model for testing mediation and moderation effects. Prevention Science, 10, 87-99. https://doi.org/10.1007/s11121-008-0109-6

Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural equation modelling: Guidelines for determining model fit. Electronic Journal of Business Research Methods, 6(1), 53-60. https://doi.org/10.21427/D7CF7R

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

Kayiş, A. R., Satici, S. A., Yilmaz, M. F., Şimşek, D., Ceyhan, E., & Bakioğlu, F. (2016). Big five-personality trait and internet addiction: A meta-analytic review. Computers in Human Behavior, 63, 35-40. https://doi.org/10.1016/j.chb.2016.05.012

Lee, C. C., Chou, S. T. H., & Huang, Y. R. (2014). A study on personality traits and social media fatigue-example of Facebook users. Lecture Notes in Information Theory, 2(3), 249-253. https://doi.org/10.12720/lnit.2.3.249-253

Lee, C. S., Abu Bakar, N. A., Muhammad Dahri, R. B., & Sin, S. C. J. (2015). Instagram this! Sharing photos on Instagram. En R. B. Allen, J. Hunter, & M. L. Zeng (Eds.), Digital Libraries: Providing Quality Information: 17th International Conference on Asia-Pacific Digital Libraries, ICADL 2015, Seoul, Korea, December 9-12, 2015. Proceedings (pp. 132-141). Springer International Publishing. https://doi.org/10.1007/978-3-319-27974-9_13

Logan, K., Bright, L. F., & Grau, S. L. (2018). “Unfriend me, please!”: Social media fatigue and the theory of rational choice. Journal of Marketing Theory and Practice, 26(4), 357-367. https://doi.org/10.1080/10696679.2018.1488219

Luchman, J. N., Bergstrom, J., & Krulikowski, C. (2014). A motives framework of social media website use: A survey of young Americans. Computers in Human Behavior, 38, 136-141. https://doi.org/10.1016/j.chb.2014.05.016

Lupano Perugini, M. L. & Castro Solano, A. (2021a). Normal and maladaptive personality traits as predictors of motives for social media use and its effects on well-being. Psychological Reports, 124(3), 1070-1092. https://doi.org/10.1177/0033294120922495

Lupano Perugini, M. L. & Castro Solano, A. (2021b). Rasgos de personalidad, bienestar y malestar psicológico en usuarios de redes sociales que presentan conductas disruptivas online. Interdisciplinaria, 38(2), 7-23. https://doi.org/10.16888/interd.2021.38.2.1

Lupano Perugini, M. L. & Castro Solano, A. (2022). Preferencia en la Utilización de Plataformas y Diferentes Usos de Internet. El Rol Moderador de los Rasgos Psicopatológicos de Personalidad en la Relación con el Bienestar Percibido. Revista Iberoamericana de Diagnóstico y Evaluación Psicológica, 64(3), 141-155. https://doi.org/10.21865/RIDEP64.3.11

Lupano Perugini, M. L. & Castro Solano, A. (2023a). Diseño y validación de un instrumento para evaluar comportamiento contraproducente online. Rasgos normales, positivos, negativos y patológicos de personalidad como predictores de dichas conductas. Avances en Psicología Latinoamericana,42(3), 1-18. https://doi.org/10.12804/revistas.urosario.edu.co/apl/a.11415

Lupano Perugini, M. L. & Castro Solano, A. (2023b). Uso pasivo de redes sociales y malestar psicológico. El rol de la comparación social. Interdisciplinaria,40(2), 543-558. https://doi.org/10.16888/interd.2023.40.2.31

Maier, C., Laumer, S., Weinert, C., & Weitzel, T. (2015). The effects of technostress and switching stress on discontinued use of social networking services: A study of Facebook use. Information Systems Journal, 25(3), 275-308. https://doi.org/10.1111/isj.12068

Malik, A., Dhir, A., Kaur, P., & Johri, A. (2020). Correlates of social media fatigue and academic performance decrement: A large cross-sectional study. Information Technology & People, 34(2), 557-580. https://doi.org/10.1108/ITP-06-2019-0289

Marciano, L., Camerini, A. L., Schulz, P. J. (2020). Neuroticism in the digital age: A meta-analysis. Computers in Human Behavior Reports, 2, 100026. https://doi.org/10.1016/j.chbr.2020.100026

McFarland, L. A., & Ployhart, R. E. (2015). Social media: A contextual framework to guide research and practice. Journal of Applied Psychology, 100(6), 1653-1677. https://doi.org/10.1037/a0039244

R Core Team. (2022). The R Project for Statistical Computing. Recuperado de https://www.r-project.org/

Reinecke, L., Vorderer, P., & Knop, K. (2014). Entertainment 2.0? The role of intrinsic and extrinsic need satisfaction for the enjoyment of Facebook use. Journal of Communication, 64(3), 417-438. https://doi.org/10.1111/jcom.12099

Robie, C., Risavy, S. D., Holtrop, D., & Born, M. P. (2017). Fully contextualized, frequency-based personality measurement: A replication and extension. Journal of Research in Personality, 70, 56-65. https://doi.org/10.1016/j.jrp.2017.05.005

Ruggiero, T. E. (2000). Uses and gratifications theory in the 21st century. Mass Communication & Society, 3(1), 3-37. https://doi.org/10.1207/S15327825MCS0301_02

Ryan, T. & Xenos, S. (2011). Who uses Facebook? An investigation into the relationship between the Big Five, shyness, narcissism, loneliness, and Facebook usage. Computers in Human Behavior, 27(5), 1658-1664. https://doi.org/10.1016/j.chb.2011.02.004

Schulze, J., West, S. G., Freudenstein, J. P., Schäpers, P., Mussel, P., Eid, M., & Krumm, S. (2021). Hidden framings and hidden asymmetries in the measurement of personality—A combined lens-model and frame-of-reference perspective. Journal of Personality, 89(2), 357-375. https://doi.org/10.1111/jopy.12586

Statista. (2023). Porcentaje de usuarios de algunas redes sociales en Argentina en 2023. Recuperado de https://es.statista.com/estadisticas/1218938/argentina-porcentaje-de-usuarios-por-red-social/

Taber, L. & Whittaker, S. (2018). Personality depends on the medium: differences in self-perception on Snapchat, Facebook and offline. En R. Mandryk & M. Hancock (Coords.) CHI ’18: Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (Artículo 607). Association for Computing Machinery. https://doi.org/10.1145/3173574.3174181

Taber, L. & Whittaker, S. (2020). “On Finsta, I can say ‘Hail Satan’”: Being authentic but disagreeable on Instagram. En R. Bernhaupt & F. Mueller (Coords.), Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. Association for Computing Machinery. https://doi.org/10.1145/3313831.3376182

Zhang, S., Shen, Y., Xin, T., Sun, H., Wang, Y., Zhang, X., & Ren, S. (2021) The development and validation of a social media fatigue scale: From a cognitive-behavioral-emotional perspective. PLoSONE, 16(1): e0245464. https://doi.org/10.1371/journal.pone.0245464

Zheng, H. & Ling, R. (2021). Drivers of social media fatigue: A systematic review. Telematics and Informatics, 64, 101696. https://doi.org/10.1016/j.tele.2021.101696

Zhu, Y. & Bao, Z. (2018). The role of negative network externalities in SNS fatigue: An empirical study based on impression management concern, privacy concern, and social overload. Data Technology and Applications, 52(3), 313-328. https://doi.org/10.1108/DTA-09-2017-0063

Información adicional

1: El presente estudio fue financiado por la Universidad de Buenos Aires; subsidio UBACyT: Perfil psicológico del usuario de Internet y de las redes sociales. Análisis de las características de personalidad positivas y negativas desde un enfoque psicoléxico y variables psicológicas mediadoras. Código: 20020190100045BA