¿De Qué Color Eres Semáforos de

Machine Translated by Google
El número actual y el archivo de texto completo de esta revista están disponibles en Emerald
Insight en: https://www.emerald.com/insight/2444-8494.htm
¿De
¿De qué color eres? Semáforos de qué color de
adicción a teléfonos inteligentes y adicción a

los teléfonos inteligentes ere
perfiles de usuario
sonia sanmart en y nadia jim enez
Universidad de Burgos, Burgos, Spain
Recibido el 24 de febrero de 2021
Revisado el 19 de agosto de 2021
Resumen Aceptado el 18 de octubre de 2021
Propósito: la principal preocupación hoy en día es la adicción a los teléfonos inteligentes y los perfiles de usuario. Siguiendo el
marco de los factores de riesgo y protección, los autores pretenden caracterizar a los usuarios de teléfonos inteligentes según
dos niveles: (1) individual: referido al uso (es decir, propensión al aburrimiento, adicción compulsiva a descargar aplicaciones
de teléfonos inteligentes) y (2) microsistema: referido a la familia y compañeros (es decir, armonía familiar y phubbing). Además,
los autores derivarán implicaciones y estrategias gerenciales útiles.
Diseño/metodología/enfoque: en primer lugar, se empleó una extensa revisión de la literatura y entrevistas en profundidad con expertos para
identificar las variables relacionadas con la adicción a nivel individual y de microsistema.
En segundo lugar, se recopiló información de una muestra de 275 usuarios españoles de teléfonos inteligentes y se empleó un algoritmo de
agrupamiento de K-means para clasificar a los usuarios de teléfonos inteligentes.
Hallazgos: el esquema de semáforos propuesto identifica tres perfiles de usuarios (rojo, amarillo y verde) con respecto a su adicción a los teléfonos
inteligentes y considera variables críticas individuales y del microsistema.
Originalidad/valor: este estudio propone un esquema de semáforos práctico y pionero para clasificar a los usuarios de teléfonos inteligentes y
facilitar el desarrollo de estrategias de cada clúster.
Palabras clave Adicción a los teléfonos inteligentes, Descarga compulsiva de aplicaciones, Phubbing, Armonía familiar, Propensión al
aburrimiento, Perfiles, Grupo Tipo de papel Trabajo de investigación
1. Introducción
Actualmente, el teléfono inteligente se está convirtiendo en un dispositivo indispensable para las actividades y
funciones diarias de las personas. Hay 3.500 millones de usuarios de teléfonos inteligentes en todo el mundo,
lo que representa el 44,9% de la población mundial (Statista, 2020). El 94 % de la población mundial joven (de
18 a 29 años) posee un teléfono inteligente (Turner, 2020). Un usuario medio de smartphone pasa 3 h al día
en su smartphone y lo consulta 63 veces al día (Milijic, 2019; Turner, 2020). Durante la primera mitad de 2020,
las descargas de aplicaciones por primera vez crecieron un 28,8 % y los consumidores gastaron 26 400
millones de dólares en el ecosistema global de aplicaciones (Sensortower, 2020). Además, actualmente las
redes sociales y las aplicaciones se utilizan como canal de comercialización (Rita et al., 2021), lo que implica
un desafío para dirigirse de manera satisfactoria y ética a los usuarios de las tecnologías.
Los teléfonos inteligentes son, de hecho, dispositivos críticos para la población mundial hasta el punto de
generar problemas. Su uso es mundial e implica llamar, enviar mensajes de texto, utilizar una aplicación (app),
leer noticias, consultar redes sociales, entregar correos electrónicos, escuchar música, ver televisión o jugar
(Busch y McCarthy, 2021). Además, en momentos puntuales como en cuarentenas (ie por el COVID-19), se ha
incrementado el uso de smartphones para hacer compras o asistir a clases (Sensortower, 2020). En este
contexto, la crisis del COVID-19 podría estar llevando a las personas a la adicción a los teléfonos inteligentes,
ya que el tiempo que pasan conectados a los teléfonos inteligentes ha aumentado en promedio
© Sonia San-Martin y Nadia Jimenez. Publicado por Emerald Publishing Limited. Este artículo se publica
bajo la licencia Creative Commons Attribution (CC BY 4.0). Cualquiera puede reproducir, distribuir, traducir
y crear trabajos derivados de este artículo (tanto para fines comerciales como no comerciales), sujeto a la
atribución total a la publicación original y a los autores. Los términos completos de esta licencia se pueden European Journal of Management
and Business Economics
consultar en http://creativecommons.org/licences/by/4.0/legalcode Los autores agradecen la financiación Emerald Publishing Limited e-
ISSN: 2444-8494
de la Comisión Europea, en el marco de un proyecto Erasmus þ con referencia 2019-1-ES01- p-ISSN: 2444-8451
KA201-064250. DOI 10.1108/EJMBE-02-2021-0069
una hora por día debido a los bloqueos (Smartme Analytics, 2020). En consecuencia, la crisis del COVID-19 se suma a
EJMBE
las circunstancias que pueden agravar el problema de la adicción a los smartphones.
La adicción a los smartphones ha despertado el interés de varios investigadores que la han analizado en diferentes
disciplinas como la educación o la salud (eg Yang et al., 2019; Mahapatra, 2019).
Hoy en día, la adicción no solo está relacionada con el abuso de sustancias, sino también con el uso excesivo de
Internet o de los teléfonos inteligentes (Kwon et al., 2013), e implica un desafío para la sociedad, la educación y los
empresarios. Sin embargo, falta una clasificación acordada de usuarios de teléfonos inteligentes según los niveles de
adicción y los riesgos y factores de protección y las recomendaciones prácticas correspondientes; es crucial derivar
estrategias gerenciales para abordar cada clúster. Una excepción es Kiss et al. (2020), quienes identificaron cuatro
perfiles de usuarios según su uso de dispositivos digitales.
El marco de los factores de riesgo y protección (Jessor, 1992) dentro del enfoque socioecológico de Bronfenbrenner
(2002) aplicado al estudio de los trastornos del comportamiento (como la adicción a los teléfonos inteligentes), ayuda a
comprender las interacciones complejas entre los factores inter e intraindividuales (Hong y Garbarino , 2012). En este
sentido, este artículo busca proponer un esquema de semáforo innovador para clasificar a los usuarios de teléfonos
inteligentes según el riesgo crucial (propensión al aburrimiento, adicción y descarga compulsiva de aplicaciones y
phubbing) y factores protectores (armonía familiar) a nivel individual y de microsistema. El objetivo final es derivar
estrategias prácticas y recomendaciones para las empresas involucradas. Se proponen dos preguntas de investigación:
RQ1. ¿Existen (y cuántos) grupos diferentes de usuarios de teléfonos inteligentes según el riesgo?
y factores protectores?
RQ2. ¿Qué desafíos e implicaciones sociales y gerenciales se pueden derivar de

¿Uso y usuarios actuales de teléfonos inteligentes?
Estos hallazgos enriquecerán el conocimiento existente a través de las siguientes contribuciones: ofrecer una
clasificación de los perfiles de usuarios de teléfonos inteligentes de fácil comprensión para derivar estrategias y
enfrentar los niveles de adicción, utilizando variables conductuales individuales y del microsistema que implican formas
de riesgo y protección frente a la adicción. Hasta donde sabemos, este es el primer estudio académico con una muestra
amplia reciente de usuarios españoles de smartphones y que propone estrategias de negocio para cada clúster con la
ayuda de expertos.
2. Adicción a los teléfonos inteligentes, perfiles de usuarios, variables a nivel individual y de microsistema 2.1
Adicción a los teléfonos inteligentes y perfiles de usuarios La adicción a los teléfonos inteligentes puede
considerarse como “un uso excesivo de los teléfonos inteligentes de una manera difícil de controlar y cuya
influencia se extiende negativamente a otros campos de la vida” (G €okçearslan et al., 2018, pág.
640). La Organización Mundial de la Salud aún no ha reconocido la adicción a los teléfonos inteligentes como tal.
Existe cierto acuerdo sobre el hecho de que la adicción al móvil implica un uso excesivo o problemático de los teléfonos
inteligentes y se entiende ampliamente como una adicción conductual (Yen et al., 2009; Billieux et al., 2008; Mahapatra,
2019). Los investigadores han abordado el tema de la adicción a los teléfonos inteligentes (Roberts et al., 2015; Lian
and You, 2017), y otros prefieren hablar sobre la dependencia del teléfono móvil (Seo et al., 2015) o el uso problemático
de los teléfonos inteligentes (Busch and McCarthy, 2021 ). ; Elhai et al., 2016). Algunos autores afirman que los
individuos no son realmente adictos al dispositivo smartphone sino a las funciones que proporciona el dispositivo y las
aplicaciones (apps) (Sha et al., 2019). La ubicuidad móvil ha llevado a un mejor acceso a la información, una mayor
conectividad y varias comodidades que también aumentan el uso de teléfonos inteligentes (Handa y Ahuja, 2020).
En cuanto a los perfiles de usuarios de teléfonos inteligentes, existen pocos estudios recientes que consideren la
agrupación para este tipo de adicción. Si bien hay más literatura sobre los perfiles de usuarios de adicción a Internet,
los perfiles de usuarios de teléfonos inteligentes carecen del alcance de nuestro conocimiento. Además, algunos
estudios solo distinguen a los adictos frente a los no adictos (por ejemplo, Shu y Chieh-Ju, 2007). Vaghefi y Lapointe (2016)
clasificó a los individuos en cinco tipos (es decir, adictos, fanáticos, usuarios altamente comprometidos, regulares y reflexivos ),
considerando su dependencia y autorregulación con respecto al uso de teléfonos inteligentes , su adicción a la tecnología de la información
y su propensión a
la adicción. Kayri y Gun€uç (2016) La adicción € también ofreció una tipología según la adicción a Internet y el nivel socioeconómico y
encontró color
¿eres tú? tres grupos (es decir, sin adicción, riesgo de adicción y adicción).
Para desarrollar un conjunto de perfiles que capturarían la adicción de los estudiantes a los dispositivos
digitales y su uso en relación con el riesgo, Kiss et al. (2020) identificaron cuatro perfiles de usuarios distintos a
través del análisis de conglomerados. El primer grupo fue etiquetado como buscadores de sensaciones
fuertemente protegidos que eran más propensos al uso problemático con niveles de protección moderadamente
altos pero con las puntuaciones más altas en las escalas de propensión al aburrimiento y búsqueda de
sensaciones. El segundo grupo estaba formado por usuarios más equilibrados y no vulnerables, que alcanzaron
puntuaciones medias tanto en las escalas de factores de riesgo como de protección. El tercer grupo se denominó
protegido, usuarios conscientes propensos al uso problemático con niveles más bajos de uso problemático y
factores de riesgo y niveles más altos de factores de protección. El cuarto grupo fue etiquetado como usuarios
fuertemente problemáticos, desprotegidos, que lograron los puntajes más altos de uso problemático, y fueron
los menos protegidos y tuvieron los puntajes más bajos de factores protectores.
2.2 El marco de los factores de riesgo y protección y las variables relacionadas con la adicción a nivel
individual y de microsistema El marco de los factores de riesgo y protección proporciona una base
teórica para investigar los comportamientos problemáticos entre los jóvenes (Jessor, 1992). Este marco,
empleado inicialmente en medicina e investigación psiquiátrica (O'Connell et al., 2009), aplica una perspectiva
sociopsicológica y epidemiológica para explicar todo el complejo de factores personales, sociales y ambientales
que pueden explicar e incluso prevenir los trastornos del comportamiento. entre los jóvenes (Jessor, 1992).
Un enfoque posterior a este marco (es decir, un enfoque socioecológico) sugiere que cuatro dominios
contextuales ayudan a determinar los predictores de problemas de conducta y adicciones (Bronfenbrenner,
2002). Estos cuatro dominios son recordados por Hong y Garbarino (2012) como nivel personal (individuo), nivel
de microsistema (familia y pares), nivel de exosistema (comunidad) y nivel de macrosistema (sociedad). El nivel
personal se refiere a las características individuales de los jóvenes (es decir, características psicológicas). El
nivel del microsistema se refiere al entorno directo del individuo (por ejemplo, el hogar) y comprende las
relaciones interpersonales. Así, en este nivel, la familia, la escuela y los compañeros son los elementos primarios
del microsistema para la juventud. En este trabajo nos vamos a centrar en estos dos niveles, ya que es donde
aparecen la mayoría de los problemas relacionados con el uso incorrecto de los teléfonos inteligentes y luego
se traducen a un nivel social más amplio (es decir, niveles de exosistema y macrosistema; no considerados en
este estudio).
Existen factores opuestos en cada nivel que pueden conducir y mitigar el desarrollo de algunos trastornos
del comportamiento, llamados factores de riesgo y protectores (Jessor, 1992). Un factor de riesgo (protector) se
entiende como un atributo individual o contexto ambiental que aumenta (reduce) la posibilidad de adicción,
problema o trastorno de conducta (Clayton, 1995). Esta investigación se centra en los factores de riesgo y
protección para clasificar a los usuarios de teléfonos inteligentes a nivel individual y de microsistema. La Tabla
1 muestra que varios factores a nivel individual tienen más incidencia para explicar la adicción a los teléfonos
inteligentes, y los estudios sobre el efecto de los factores a nivel del microsistema son escasos y están
relacionados con el contexto en el que se comporta el individuo. La sección de metodología explica cómo los
expertos nos ayudaron a seleccionar los factores de riesgo y protección más mencionados.
A continuación, nos ocupamos de los factores considerados a nivel individual (descarga compulsiva de apps
y propensión al aburrimiento) y a nivel microsistémico (phubbing y armonía familiar), teniendo en cuenta la
revisión de la literatura y opiniones de expertos y considerando que pueden tener implicaciones para la sociedad
y la gestión.
EJMBE Nivel Riesgo Protector
Nivel personal Miedo a perderse algo (FoMO) (Handa y Resiliencia (Choi et al., 2015; Kiss et
(individual) Ahuja, 2020; Wolniewicz et al., 2020) al., 2020)
Propensión al aburrimiento (Kiss et al. Self-control (Kim et al., 2018; Eks¸i et
2020; Regan, et al. 2020) al., 2020; Kiss et al. 2020)
Insatisfacción corporal (Liu et al., 2020a) Autoestima (Kiss et al., 2020)
Sexo femenino (Choi et al., 2015) Fortalezas del carácter (Choi et al.,
Alcohol use (Choi et al., 2015) 2015)
Tabaquismo (Choi et al., 2015) Atención plena (Regan, et al. 2020)
Ansiedad (Choi et al., 2015) Conciencia (Lian and You, 2017)
Depresión (Choi et al., 2015)
Impulsividad (Regan et al. 2020) Virtudes (Lian y Tú, 2017)
Nomophobia (Regan et al. 2020)
Nivel de microsistema Ser maltratado (Chotpitayasunondh y Family harmony (Kim et al., 2018; Eks¸y
Tabla 1. (familia y pares) Douglas, 2016; Xie et al., 2019) Negligencia et al., 2020)
Factores de riesgo y de los padres (Kwak et al., 2018) Apego padre-hijo (Xie et al., 2019)
protectores de la adicción a los Violencia doméstica (Jeong et al., 2020)
teléfonos inteligentes Disfunción familiar (Liu et al., 2020b) Apoyo docente (Jeong et al., 2020)
2.2.1 Nivel individual: descarga compulsiva y propensión al aburrimiento. 2.2.1.1 Descarga compulsiva. Los
usuarios más jóvenes están predispuestos al uso compulsivo del teléfono. Okazaki et al. (2019, p. 2) destacan
que los usos compulsivos relacionados con la tecnología y las “compras compulsivas se han convertido en
un problema social importante que debe recibir más atención por parte de los especialistas en marketing
social y los encargados de formular políticas”. No obstante, la investigación sugiere que los comportamientos
adictivos a los teléfonos inteligentes están estrechamente asociados con otros trastornos del comportamiento
(Pourrazavi et al., 2014). Parylak et al. (2011) proponen que los smartphones también incitan a algún
comportamiento compulsivo en el ámbito tecnológico. Siguiendo a Hsiao (2017, p. 276), la descarga
compulsiva de aplicaciones podría entenderse como “la falta de control del individuo sobre [la descarga] de
aplicaciones móviles y la tendencia a dedicar demasiado tiempo y esfuerzo a las aplicaciones móviles”. Este
concepto es novedoso, ya que hasta donde sabemos, la literatura de compra compulsiva no ha hablado
sobre la "compra" [descarga] compulsiva de aplicaciones, ya que hay una gran cantidad de versiones gratuitas
de aplicaciones en el mercado de aplicaciones (Tang et al., 2019). ). La compulsividad implica la propensión
del consumidor a descargar aplicaciones de manera impetuosa, no reflexiva, inmediata y cinética (Rook y
Fisher, 1995; Altintas et al., 2010). Este comportamiento podría responder a la incapacidad de los individuos
para controlar un deseo desencadenado por los síntomas de adicción a los teléfonos inteligentes (Altintas et
al., 2010). La descarga compulsiva de aplicaciones podría reflejar compulsión y una respuesta ritual a
pensamientos incontrolados sobre la obtención de productos [aplicaciones] (Okazaki et al., 2019, p. 3) que
podría deberse a la adicción a los teléfonos inteligentes y que implica un desafío para las empresas que
desarrollan aplicaciones y quieren ser socialmente responsables (Mrad y Chi Cui, 2020).
2.2.1.2 Propensión al aburrimiento. Como Kiss et al. (2020) , los factores psicológicos, como el
aburrimiento, sirven como herramientas útiles para proporcionar información para comprender mejor el papel
de los factores de riesgo cuando se trata del uso problemático de los dispositivos digitales por parte de los
jóvenes. Wolniewicz et al. (2020) consideran que la propensión al aburrimiento es una tendencia basada en
rasgos a experimentar falta de interés, indiferencia o apatía. Las personas que experimentan altos niveles de
aburrimiento en el ocio pueden participar en actividades desviadas, como el consumo de sustancias (Leung,
2007). beso et al. (2020) ha sugerido que tener mucho tiempo es fundamental para el aburrimiento. El
aburrimiento del ocio podría estar relacionado con otras formas de adicción y se ha implicado en la
participación en actividades desviadas, en particular el consumo de drogas y la delincuencia. Cada vez más,
el teléfono celular permite a los adolescentes, aunque no tengan mucho que hacer, participar en varias
actividades, como enviar mensajes de texto, jugar, comprar, acceder a Internet, leer noticias en línea, tomar y ver fotos o
vídeo, entre otros. No es sorprendente que la literatura haya encontrado que cuanto mayor es el nivel de ¿De
aburrimiento que experimenta una persona, mayor es la probabilidad de depender del teléfono inteligente qué color de
(Leung, 2007), reciclar y desechar ropa (Kwon et al., 2020) y comprar impulsivamente (Sundstrom et al. adicción a
al., 2019; Bozaci, 2020).
los teléfonos inteligentes ere
2.2.2 Nivel de microsistema: phubbing y armonía familiar. 2.2.2.1 Phubbing. Phubbing es el acto de
ignorar a alguien usando el teléfono inteligente en lugar de interactuar cara a cara con otros
(Chotpitayasunondh y Douglas, 2016). “La persona que interactúa con un teléfono inteligente en lugar de
prestar atención a otra persona o personas durante la interacción social se llama phubber, mientras que
la(s) persona(s) que está(n) siendo phubber, es decir, el teléfono rechazado, durante la interacción social
se llama el “'phubbee(s)'” (Al-Saggaf y O'Donnell, 2019, p. 132). Cuando alguien es phubber, informa
menos confianza en el phubber, una menor calidad de comunicación percibida y una menor satisfacción
con la relación (Chotpitayasunondh y Douglas, 2016). El phubbing se considera un acto irritante y descortés
(Miller-Ott y Kelly, 2017) y las personas que han sido phubbed describieron estrategias para evadir el
contacto perdido cara a cara. En ocasiones, esta acción (phubbing) se utiliza para compensar las
necesidades relacionadas y evitar la sensación de exclusión social (David y Roberts, 2017). Xie et al.
(2019) encuentran que la adicción a los teléfonos móviles de las personas sufre una intensificación
después de enfrentar el phubbing. La investigación existente sobre el phubbing destacó varios factores
que podrían hacer que uno use su teléfono inteligente mientras mantiene una conversación cara a cara
con otras personas, incluida la adicción a los teléfonos inteligentes, la adicción a los SMS (mensajes de
texto), la adicción a las redes sociales, la adicción a Internet y, en cierta medida, la adicción a los juegos.
(Wolniewicz et al., 2020). El phubbing también puede afectar la concentración y las relaciones entre las
partes interesadas en la educación cuando el dispositivo móvil se utiliza con fines no académicos (Hall-
Newton et al., 2019).
2.2.2.2 Armonía familiar. En cuanto al nivel de microsistema, el entorno familiar está relacionado con
varios problemas de comportamiento, incluido el uso problemático de teléfonos inteligentes (O'Connell,
2009; Altintas et al., 2010; Busch y McCarthy, 2021). La armonía familiar juega un papel en contra del
desarrollo de la psicopatología y representa un recurso para enfrentar el estrés de la vida (Kavikondala et
al., 2016). La armonía familiar se define como “un valor que expresa la cercanía, la cooperación y las
relaciones entre los miembros de la familia y contribuye al bienestar de los individuos” (Eks¸i et al., 2020,
p. 3).
Buctot et al. (2020) afirman que las personas que muestran adicción a los teléfonos inteligentes
también muestran una relación familiar problemática principalmente debido a la atención desviada de los
usuarios, y tratan de ocultar su uso abusivo de la familia. Por lo tanto, los antecedentes familiares del
joven son cruciales para determinar el comportamiento de los jóvenes con respecto al uso de teléfonos
inteligentes (Buctotet al., 2020). Los modelos y normas familiares influyen en el desarrollo de las adicciones
y, al no recibir una comunicación abierta y mutua con la familia o un apoyo cercano, afectan negativamente
el comportamiento de los jóvenes (Yen et al., 2007; Kavikondala et al., 2016) y exacerban el uso
problemático de la tecnología (Eks ¸i et al., 2020) y afectan el aprendizaje de buenos o malos hábitos de
consumo (Scholderer y Grunert, 2001; Kleinschager y Morrison, 2014; Essiz y Mandrik, 2021). Además,
Dinc (2015) sugiere que un ambiente íntimo en el que los jóvenes a menudo ven a los miembros de su
familia usando teléfonos inteligentes contribuye al uso generalizado de los teléfonos inteligentes entre los
jóvenes. Lee y Lee (2017) encontraron que el apego de los padres se asocia negativamente con la
tendencia adictiva al uso de teléfonos inteligentes, actuando de manera protectora.
3. Metodología 3.1
Muestra y medidas del estudio La
muestra seleccionada estuvo compuesta por usuarios españoles de smartphones. Aunque el 44,9% de la
población mundial posee un smartphone (Statista, 2020), este porcentaje es muy superior en España
(74,3%). España fue el país europeo con mayor penetración de smartphones. España ocupa la quinta
posición en el ranking de 10 países con mayor uso de smartphones
(Turner, 2020). Según un informe reciente, el 45,3% de los jóvenes españoles de entre 18 y 24 años se
EJMBE
declaran adictos a su smartphone (Rastreator, 2019). Refleja que el 25,6% de la población española se
considera adicta al móvil, y el 77,3% afirma que no podría vivir sin un smartphone.
Siguiendo nuestro propósito de identificar los tipos de usuarios de teléfonos inteligentes con respecto
a su riesgo de convertirse en adictos a los teléfonos inteligentes, empleamos un método de muestreo no
probabilístico dirigido con la plataforma Prolific (es decir, 18-25 años, residentes en España y muestra
balanceada por género). Prolific es un sitio web de crowdsourcing (http://www.prolific.ac) apoyado por la
Universidad de Oxford que permite recopilar datos a través de encuestas en línea. A los participantes se
les ofreció una compensación de V2.23 por completar la encuesta. Se obtuvieron 275 cuestionarios
válidos, con una tasa de respuesta del 91,6%. El perfil de la muestra es ligeramente predominantemente
masculino (58,1%), entre 18 y 22 años (66,9%), estudiando carreras universitarias (66,5%) y dedicando
una media de 4,94 (DE: 3,28) horas al día al uso del smartphone. Según los datos secundarios disponibles
sobre el uso y adicción al smartphone de la población joven española, el perfil de la muestra y el perfil
nacional son similares. El 46,7% de los jóvenes españoles varones de entre 16 y 25 años (41%) con
estudios medios y superiores (93,9%) dedican diariamente al uso de su smartphone una media de 3,5 h
(De-Sola et al., 2019; Ditrendia, 2019) .
Como se ha dicho anteriormente y al margen de la revisión bibliográfica, se mantuvieron entrevistas
en profundidad de una hora de duración media siguiendo un cuestionario semiestructurado a seis expertos
en adicciones y uso de smartphones. Expertos de diferentes disciplinas (gestión, marketing, psicología,
sociología y educación) nos ayudan a confirmar los principales factores conductuales de riesgo y
protectores causantes de adicciones e incluidos a nivel individual y de microsistema. La entrevista se
dividió en tres preguntas abiertas clave con el propósito de (1) enumerar los factores conductuales de
riesgo y protección relacionados con la adicción a los teléfonos inteligentes; (2) clasificar los factores a
nivel individual y de microsistema; y (3) sugerir algunos perfiles de adicción a los teléfonos inteligentes.
Luego de obtener la información de las entrevistas, se siguió un análisis temático híbrido para la
codificación (Fereday y Muir-Cochrane, 2006). Este enfoque integra la codificación inductiva basada en
datos con la codificación deductiva basada en la teoría. Empleamos el software cualitativo Atlas.TI y dos
investigadores analizaron las transcripciones de forma independiente y posteriormente compararon sus
hallazgos. Las áreas de desacuerdo se resolvieron mediante discusión. La pregunta abierta relacionada
con las variables más críticas que pueden aumentar la adicción a los teléfonos inteligentes muestra que
el aburrimiento, el phubbing y el comportamiento compulsivo fueron las variables más mencionadas. El
factor crítico para la prevención de la adicción fue una respuesta unánime relacionada con la familia (es
decir, la comunicación entre la familia, las normas familiares o el entorno familiar), considerado en el
concepto de armonía familiar validado.
Posteriormente, se empleó literatura previa para desarrollar el instrumento de encuesta. La adicción
a los teléfonos inteligentes se midió con la escala corta de SAS validada por López-Fernández (2017), la
propensión al aburrimiento se midió con la escala empleada por Al-Saggaf et al. (2019), armonía familiar
con la escala de Kavikondala et al. (2016), phubbing utilizando la escala de Franchina et al. (2018) y
descarga compulsiva adaptando la escala utilizada por Okazaki et al. (2019). Utilizamos escalas tipo
Likert de cinco puntos desde totalmente en desacuerdo (1) hasta totalmente de acuerdo (5).
3.2 Análisis de
datos Los análisis de datos se realizaron utilizando IBM SPSS statistics 26 y LISREL 8.7. Primero, se
ejecutó el análisis factorial exploratorio (AFE) para probar la unidimensionalidad de los constructos. La
rotación varimax reveló que los cinco constructos estudiados tienen autovalores superiores a 1 y una
varianza total explicada del 55,14%. En esta etapa, se empleó la prueba de factor único de Harman para
abordar el problema de CMB (Malhotra et al., 2006). Asistiendo a Fuller et al. (2016), la prueba de Harman
sugiere un problema con CMB si el primer factor acumula más del 50% de la varianza.
El análisis factorial exploratorio cargado con todos los ítems en un factor muestra que un único factor no
rotado explicó el 20,2 % de la varianza de los datos. Por lo tanto, descartamos los problemas de CMB.
En segundo lugar, un análisis factorial confirmatorio (CFA) reveló el modelo de medición Qué validez convergente y discriminante. Los
resultados del modelo de teléfono inteligente ajustado y reespecificado se muestran en las Tablas 2 y 3. Se suprimieron tres ítems porque
no mostraban los
estándares requeridos por la adicción para ser considerados confiables y válidos siguiendo a Bagozzi y Yi (2012). El color eres tu? la
confiabilidad
de las escalas finales se corroboró con los valores del coeficiente alfa de Cronbach (>0,7), el coeficiente de confiabilidad compuesta (>0,6)
y la varianza
extraída (>0,5) (Bagozzi y Yi, 2012) (ver Tabla 2). En cuanto a la validez discriminante de los constructos, los resultados muestranpromedio
que la
raíz de la varianza extraída en todos los casos es mayor que las correlaciones entre constructos (Farrell, 2010) (ver Tabla 3). El modelo
de medida muestra un ajuste aceptable: una ÿ2 (gl: 372) de 703,8 (p 5 0,00), un índice de ajuste comparativo (CFI) de 0,93 y un error
cuadrático medio de aproximación (RMSEA) de 0,05.
En la siguiente sección 4 se explican los resultados.
4. Resultados
4.1 Análisis de
conglomerados Como autores anteriores han realizado recientemente (Kiss et al., 2020) en adictos a los teléfonos
inteligentes, ejecutamos un algoritmo de agrupamiento de K-means para clasificar a los usuarios de teléfonos
inteligentes en diferentes grupos según su adicción a los teléfonos inteligentes y los niveles individuales y de
microsistema relacionados. factores Utilizamos las puntuaciones de cinco factores (F1: Adicción a los teléfonos
inteligentes; F2: Propensión al aburrimiento; F3: Armonía familiar; F4: Phubbing; F5: Descarga compulsiva de
aplicaciones) anteriormente validadas como variables de entrada. El algoritmo de agrupamiento de K-medias
requiere, como entrada, el número de agrupaciones de salida a producir. Para reducir el número óptimo posible
de grupos, ejecutamos el análisis en función de nuestra comprensión de cómo se han clasificado los adictos a €
los teléfonos inteligentes en el pasado (N 5 2 a N 5 5) (Shu y Chieh-Ju, 2007; Vaghefi y Lapointe, 2016 ; Kayri y
Gun€uç, 2016; Kiss et al., 2020). El número de conglomerados que ofrece mejores resultados fue K 5 3,
atendiendo al tamaño del grupo, el grado de significancia de cada factor y los valores centrales finales (FCV).
Además, siguiendo las recomendaciones de Punj y Stewart (1983), Kodinariya y Makwana (2013) y
Krzanowski y Lai (1988) , la selección del modelo del número óptimo de conglomerados se implementó en dos
fases. Seguimos la práctica estándar de generar todas las clasificaciones posibles en la primera fase, que van
desde K5N a K 5 1. Luego, comparamos el conjunto de criterios de calidad de modelos candidatos mediante
análisis de conglomerados de dos pasos empleando SPSS. En la segunda fase, seleccionamos el modelo más
adecuado en base al Criterio de Información de Akaike (AIC). La Figura 1 muestra un gráfico que muestra cómo
la curva tiene un codo que casi se aplana después de que k es igual a tres, corroborando así que K 5 3 es el
número óptimo de conglomerados.
El análisis de varianza (ANOVA) corrobora que los cinco factores (F1 a F5) son significativos al 95% para
caracterizar los grupos. Los valores de la estadística F indican que la armonía familiar y el comportamiento
phubbing producen las variaciones más amplias y más pequeñas entre los grupos. La Tabla 4 muestra los
resultados del análisis ANOVA y la información de tres conglomerados.
Las entrevistas en profundidad a los expertos revelan que consideran útil el empleo del esquema de
semáforos propuesto por nosotros como investigadores. Consideran que los colores (rojo, amarillo y verde) son
útiles para clasificar a los usuarios de teléfonos inteligentes según su riesgo de desarrollar adicción a los teléfonos
inteligentes por dos razones: (1) es un lenguaje de señales universal en diferentes países y (2) es una manera
fácil para el usuario para identificar el riesgo de convertirse en adicto a los teléfonos inteligentes
independientemente de cualquier característica personal. Asimismo, el esquema del semáforo de tres colores
(verde, amarillo y rojo) coincide perfectamente con la cantidad de grupos encontrados por esta investigación (3).
Por lo tanto, cada color se describirá atendiendo a su puntuación de los factores de riesgo y protección que van
desde el verde (bajo riesgo de adicción a los teléfonos inteligentes), al amarillo (riesgo medio de adicción a los
teléfonos inteligentes) y al rojo (alto riesgo de adicción a los teléfonos inteligentes). La siguiente descripción
atiende a la información mostrada en la Tabla 4.
Resultados EFA y CFA
Estadísticas descriptivas,
Tabla 2.
CR:
0,913;
media:
0,640) diferencia;
ÿ:
0,733; F5:
aplicación
compulsiva 0,983;
media:
0,740) diferencia;
ÿ:
0,790;
RC: F4:
Phubbing
(5,5%
de 0,926;
RC:
0,973;
CRA: F3:
Armonía
familiar 0,853;
RC:
0,935;
CRA: F2:
Propensión
al
aburrimiento RC:
0,885;
AVE:
0.500) F1:
adicción
a
los
teléfonos
inteligentes
descarga
(8,6%
de 0.720) (20,3%
de
varianza;
ÿ: 0.670) (13,6%
de
varianza;
ÿ: (7,7%
de
varianza;
ÿ:
0,741; Factor
CD3
Gran
parte
de
mi
vida
se
centra
en
descargar
aplicaciones
CD4
Descargo
aplicaciones
en
mi
teléfono
inteligente
que
no
necesito
CD5
Descargo
aplicaciones
en
mi
teléfono
inteligente
que
no
planeaba
descargar
CD6
Me
considero
un
descargador
de
aplicaciones
por
impulso emocionante,
incluso
BP7
La peligroso,
me
siento
medio
muerto
yaburrido
mayor
parte
del FH1
Mi
familia
funciona
bien
tiempo
me para
todos
los
miembros
siento
sin
hacer
nada
BP8
A
menos
que
esté FH2
Las
interacciones
diarias
de
mi
familia
son
pacíficas
FH3
Los
miembros
de
la
familia
se
haciendo
algo acomodan
unos
a
otros
FH4
Estoy
orgulloso
de
mi
familia
FH5
Mi
familia
es
armoniosa
PO1
Uso
mi
teléfono
inteligente
durante
una
conversación
en
un
bar
o
restaurante
PO2
Participo
con
mi
teléfono
inteligente
durante
una
conversación
PO3
Miro
las
redes
sociales
en
mi
teléfono
inteligente
durante
una
conversación
personal
CD1
Mi
teléfono
inteligente
tiene
aplicaciones
sin
abrir
o
sin
usar
CD2
Otros
podrían
considerarme
un
"adicto
a
las
descargas
de
aplicaciones". SAS9
Uso
mi
teléfono
inteligente
más
tiempo
del
que
tenía
previsto
SAS10
Las
personas
que
me
rodean
me
dicen
que
uso
demasiado
mi
teléfono
inteligente
BP1
A
menudo
me
encuentro
con
“cabos
sueltos”,
sin
saber
qué
hacer
BP2
Me
cuesta
entretenerme
BP3
Muchos
las
cosas
que
tengo
hacer
son
repetitivas
ymonótonas
BP4
Se
necesita
más
estimulación
para
ponerme
en
marcha
que
la
mayoría
de
las
personas
BP5
No
me
siento
motivado
por
la
mayoría
de
las
cosas
que
hago
BP6
Es
difícil
para
mí
encontrar
algo
que
hacer
o
ver
para
mantenerme
interesado
en
la
mayoría
de
las
situaciones
2,57
1,25
0,812
0,893
8,24
0,797 SAS8
Estoy
continuamente
revisando
mi
teléfono
inteligente
para
no
perderme
conversaciones
entre SAS3
He
sentido
dolor
en
las
muñecas
o
en
la
nuca
mientras
uso
un
teléfono
inteligente
SAS4
No
puedo
soportar
no
tener
un
teléfono
inteligente
SAS5
Me
siento
impaciente
e
irritable
cuando
no
estoy
sosteniendo
SAS
6Tengo
mi
teléfono
inteligente
en
mi
mente
incluso
cuando
no
lo
estoy
usando
SAS7
Nunca
dejaré
de
usar
mi
teléfono
inteligente
incluso
cuando
mi
vida
diaria
ya
es
muy
grande SAS1
Extraño
el
trabajo
planificado
debido
al
uso
del
teléfono
inteligente
SAS2
Me
cuesta
concentrarme
en
clase
mientras
hago
tareas
o
trabajo
debido
a Artículos
de
bacalao
otras
personas
en
las
redes
sociales afectado uso
de
teléfonos
inteligentes
Media
SD
Peso
ÿ
2,25
1,28
0,602
0,746
10,00
0,556 3,25
1,48
0,374
0,722
10,33
0,521 2,26
1,14
0,681
0,788
8,88
0,621 2,09
1,01
0,642
0,793
8,79
0,628 2,69
1,01
0,733
0,857
7,27
0,734 3,49
1,23
0,944
0,959
5,69
0,920 0,813
0,856
10,23
0,733
3,90
1,14 3,42
1,23
0,860
0,890
9,61
0,791 3,69
1,14
0,808
0,843
10,39
0,711 3,66
1,20
0,784
0,851
10,32
0,725 2,45
1,34
0,717
0,823
9,85
0,678 2,72
1,19
0,753
Eliminado 2,72
1,31
0,583
0,712
10,81
0,507 3,16
1,12
0,538
0,659
11,04
0,434 2,49
1,19
0,785
0,837
9,63
0,701 3,3
3,38
1,24
0,566
0,772
10,47
0,596 2,58
1,19
0,588
0,738
9,90
0,545 2,67
1,22
0,414
0,639
10,67
0,409 2,03
1,07
0,632
0,727
10,02
0,528 2,72
1,17
0,701
Eliminado 2,99
1,18
0,400
0,652
10,60
0,425 2,65
1,38
0,436
0,490
11,23
0,240 3,73
1,15
0,545
0,521
11,15
0,272 2,28
1,16
0,400
0,740
10,02
0,548
1,66
1,07
0,669
0,805
9,19
0,648 1,98
1,20
0,706
0,774
9,66
0,600 1,23
0,624
0,543
0,700
10,40
0,490 1,41
0,771
0,531
0,699
10,41
0,489 1,92
1,11
0,574
0,724
10,75
0,507 1,90
1,07
0,413
0,668
10,49
0,447
1,22
0,622
Eliminado
EJMBE
r2
Grupo 1: usuarios de teléfonos inteligentes verdes. Usuarios de smartphones incluidos en esta primera muestra del clúster
Qué
puntuaciones positivas más altas en armonía familiar (FCV 5 0,59237) y las puntuaciones negativas más altas
puntuación en la adicción a los teléfonos inteligentes (FCV 5 0.38367) y también en otros factores [aburrimiento
teléfono inteligente
propensión (FCV 5 0.58406), comportamiento phubbing (FCV 5 0.35244) y comportamiento compulsivo

adiccion
descargando (FCV 5 0.42467)] que otros grupos. Esta descripción podría encajar con color eres tu?
usuarios de teléfonos inteligentes que no corren el riesgo de desarrollar adicción a los teléfonos inteligentes. estas puntuaciones
F1 F2 F3 F4 F5
F1 0.707
F2 0,597 0.821
F3 0,171 0,313 0.848
F4 0,701 0,515 0.127 0.858
F5 0,679 0,611 0.177 0.646 0.799
Nota(s): Los valores debajo de la diagonal muestran correlaciones entre constructos, valores en la diagonal (en cursiva) Tabla 3.
mostrar la raíz cuadrada de AVE. F1: Adicción a los teléfonos inteligentes; F2: Propensión al Aburrimiento; F3: Armonía familiar; Validez discriminante
F4: Phubbing; F5: Descarga compulsiva de aplicaciones matriz
1200
1,000
800
600
400
200
Figura 1.
0 Número de conglomerados vs.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 criterio AIC
Número de clústeres
Valor central final (FCV) Distancia desde los centros de los conglomerados
Sig. Verde rojo Amarillo
Factor F (95%) Verde Rojo Amarillo (n 5 125) (n 5 81) (n 5 69)
F1 58,03 0.000 0,3837 0,8430 0.2946 Verde 2.62 1.97

F2 66,39 0.000 0,5841 0,7446 0.1840
F3 156,45 0.000 0,5924 0,1193 1,213 rojo 2.62 2.57
F4 56,77 0.000 0,3524 0,8383 0.3456
Tabla 4.
F5 88,87 0.000 0,4247 0,9705 0.3700 Amarillo 1.97 2.57
resultados de ANOVA y
Nota(s): F1: Adicción a los teléfonos inteligentes; F2: Propensión al Aburrimiento; F3: Armonía familiar; F4: Phubbing; conglomerados
F5: Descarga compulsiva de aplicaciones información
revelan que los usuarios de teléfonos inteligentes en este primer grupo tienden a estar insertos en un marco
EJMBE
familiar donde se destaca la armonía. Esta característica familiar puede evitar que estos usuarios desarrollen
adicción a los teléfonos inteligentes, aburrimiento, phubbing a otros y descargas compulsivas.
Este grupo representa el 45,5% del total de la muestra.
Grupo 2: usuarios de teléfonos inteligentes rojos. El segundo grupo incluye a las personas que muestran
puntuaciones positivas más altas en adicción a teléfonos inteligentes (FCV 5 0,84299), propensión al
aburrimiento (FCV 5 0,74456), comportamiento phubbing (FCV 5 0,83829) y descarga compulsiva (FCV 5
0,97052). Esta descripción corresponde a un tipo de usuario de smartphone que, de hecho, es adicto. Los
usuarios de teléfonos inteligentes rojos tienden a aburrirse rápidamente, atacan a otros usando su teléfono
inteligente, descargan aplicaciones compulsivamente y son considerados adictos al uso de teléfonos inteligentes.
Este grupo representa el 29,5% del total de la muestra.
Grupo 3: usuarios de teléfonos inteligentes amarillos. Los usuarios de teléfonos inteligentes incluidos en
este tercer clúster muestran puntuaciones negativas más altas en armonía familiar (FCV 5 1.21324). Esta
puntuación podría colocar a los usuarios de este grupo en un riesgo medio de desarrollar adicción a los
teléfonos inteligentes, ya que su marco familiar podría no protegerlos de este trastorno del comportamiento.
Las puntuaciones de estos usuarios también revelan que los usuarios de teléfonos inteligentes amarillos son
propensos a aburrirse (FCV 5 0.18403), y parece que esta podría ser la puerta abierta para interactuar con el teléfono inteligen
Este grupo representa el grupo más pequeño y representa el 25% del total de la muestra. Aunque no son
adictos en este momento (FCV 5 0.29455), y no muestran comportamientos peligrosos como la descarga
compulsiva de aplicaciones, consideramos que tienen riesgo de adicción.
4.2 Caracterización demográfica y de uso de smartphones de los clusters

La información de los valores centrales finales para cada uno de los tres clusters en relación con los cinco
factores (Tabla 4) facilita describir las diferencias entre clusters y caracterizarlos considerando las diferentes
individualidades de los usuarios de smartphones (Tabla 5). La Tabla 5 muestra datos que revelan la frecuencia
de las características de cada grupo estudiado y pruebas estadísticas post-hoc (prueba Chi-cuadrado y
ANOVA) para descartar o apreciar diferencias entre grupos con respecto a las características de la muestra y
el uso de teléfonos inteligentes (Pallant, 2001).
En concreto, ofrece información sobre sus características demográficas y socioeconómicas de género,
educación, rendimiento escolar medio y la edad en la que recibe el primer smartphone. Atendiendo a la
literatura previa, se podrían identificar diferentes perfiles de uso de teléfonos inteligentes en función de las
características empleadas (es decir, género, educación, rendimiento académico y edad) (Busch y McCarthy,
2021). Además, el tiempo diario de uso de medios a través del móvil y la cantidad de aplicaciones descargadas
son dos variables objetivas relacionadas con la adicción a los teléfonos inteligentes que también se mencionan
como relevantes para caracterizar a los adictos a los teléfonos inteligentes en estudios previos (Noe et al.,
2019). Además, es difícil ignorar la situación de pandemia que vivimos hoy en día, que puede aumentar el uso
de teléfonos inteligentes (Smartme Analytics, 2020). Por lo tanto, decidimos incluir esta variable también.
Por lo tanto, la Tabla 5 muestra en las primeras tres filas la proporción de tres características de la muestra
(es decir, género, educación y aumento en el uso de teléfonos inteligentes durante la crisis de COVID-19) en
función del grupo de membresía. La educación y el aumento en el uso de teléfonos inteligentes durante la
crisis de COVID-19 son las dos características que muestran diferencias significativas entre las proporciones
de los perfiles de usuarios de teléfonos inteligentes que asisten a la prueba de Chi-cuadrado (Pallant, 2001).
Las filas tercera, cuarta, quinta y sexta muestran cuatro características objetivas de la muestra (es decir, edad,
tiempo de uso diario de medios a través del móvil, número de aplicaciones descargadas y rendimiento escolar
promedio) con respecto a la proporción de cada conglomerado. La edad, el tiempo diario de uso de medios a
través del móvil y el número de aplicaciones descargadas son las tres características objetivas que muestran
diferencias significativas entre los usuarios de smartphones que asisten a la prueba ANOVA desarrollada (Pallant, 2001).
La diferencia entre los perfiles de usuarios de smartphones atendiendo a sus características demográficas y
de uso de smartphones se detalla en el siguiente epígrafe.
Porcentaje por clúster

Qué
Verde rojo Amarillo teléfono inteligente
teléfono inteligente teléfono inteligente teléfono inteligente ÿ2 Pearson adiccion
Características de la muestra usuarios usuarios usuarios (sig.)
color eres tu?
Género Masculino 59,2 60,5 54,4 3,7 (0,460)
Mujer 40,8 39,5 45,6
Educación Escuela secundaria 0,8 3,7 0,0 26,0** (0,004)
Escuela secundaria 5,7 13,6 2,9
Escuela vocacional 4,1 17,3 16.2
titulo universitario 74,0 56,8 64.7
Postgrado/Doctorado 2,4 0,0 1.5
No estudiar 13,0 8,6 14.7
Aumentando en Sin aumento 31,2 16,0 23,2 22,3** (0,001)
uso de teléfonos inteligentes Menos de 1h 16,8 9,9 29,0
durante el covid-19 Entre 1 y 2 h 30,4 35,8 33.3
crisis más de 2 horas 21,6 38,3 14.5
b (DE)
Verde rojo Amarillo
teléfono inteligente teléfono inteligente teléfono inteligente
usuarios usuarios usuarios F (sig.)
Edad 21,5 (2,12) 20,8 (2,26) 21,8 (1,99) 4,5** (0,012)

Tiempo de uso diario de medios vía móvil 4,4 (3,14) 5,9 (3,45) 4,8 (3,09) 5,9** (0,001) Tabla 5.
Número de aplicaciones descargadas 24,5 (25,02) 31,8 (36,7) 19,3 (15,1) 4,0** (0,019)
Descriptivo
Rendimiento escolar medio 9,1 (11,1) 9,9 (13,4) 7,8 (1,13) 0,821 (0,441) Información sobre
Nota(s): á: media; DE: Desviación estándar. ** 95% nivel de confianza racimos
4.3 Descripciones y diferencias de grupos

Este epígrafe presenta una descripción de cada conglomerado según las características que muestran
diferencias significativas entre grupos (Tabla 5). Cada grupo previamente asociado con
color con respecto a su adicción a los teléfonos inteligentes y considerando el individuo y el microsistema
Las variables críticas se caracterizarán por las características principales de cada perfil. Esta práctica de
la caracterización de los conglomerados en relación con ciertas variables sociodemográficas y de uso de teléfonos inteligentes es
bien aceptado y empleado en la literatura previa (Kiss et al., 2020).
Grupo 1: usuarios de teléfonos inteligentes verdes. Este grupo tiene una mayoría de hombres (59.2%) con un promedio
edad de 21 y medio. Este grupo tiene el mayor porcentaje de personas que estudian carreras universitarias
(74%) en comparación con otros grupos (ÿ2 : 26; p < 0,000). Con respecto a su uso de teléfonos inteligentes,
Los usuarios de teléfonos inteligentes ecológicos pasan mucho menos tiempo usando su teléfono inteligente en comparación con
usuarios rojos (ÿ: 1.5; p < 0.000) y usuarios amarillos (ÿ: 0.4; p < 0.000), y este grupo también tiene la mayor
porcentaje de personas (31,2%) que no nota ningún aumento en el tiempo de uso de su smartphone durante
Crisis de COVID-19 en comparación con otros grupos (ÿ2 : 22,3; p < 0,000).
Grupo 2: usuarios de teléfonos inteligentes rojos. Este grupo incluye una gran mayoría de hombres (60,5%).
En promedio, tienen menos de 21 años y, además, son significativamente más jóvenes que
usuarios verdes (ÿ: 0.7; p < 0.000) y que usuarios amarillos (ÿ: 1; p < 0.000). Este clúster incluye un
alto porcentaje de personas que estudian escuela secundaria o vocacional (30.9%) en comparación
con otros grupos (ÿ2 : 26; p < 0,000). Con respecto al uso de teléfonos inteligentes de los usuarios rojos, este grupo
pasa significativamente más tiempo usando su teléfono inteligente en comparación con los usuarios verdes (ÿ: 1.5;
p < 0,000) y usuarios amarillos (á: 1,1; p < 0,000). Este grupo revela descargar significativamente
más aplicaciones que usuarios verdes (á: 7,3; p < 0,000) y que usuarios amarillos (á: 12,5; p < 0,000).
Además, un mayor porcentaje (74,1%) de los individuos de este grupo afirma que su uso de
smartphone ha aumentado más de 1 h al día durante la crisis de la COVID-19 en comparación con otros grupos
EJMBE
(ÿ2 : 26; p < 0,000).
Grupo 3: usuarios de teléfonos inteligentes amarillos. Este grupo incluye porcentajes similares de ambos sexos
(54,4% es hombre y 45,6% es mujer). Este tercer grupo tiene un mayor porcentaje de personas que afirman no
estar estudiando (14,7%) en comparación con otros grupos (ÿ2 : 26; p < 0,000). Los usuarios de teléfonos
inteligentes amarillos son el grupo que descarga significativamente menos aplicaciones en comparación con los
usuarios verdes (á: 5,2; p < 0,000) y los usuarios rojos (á: 12,5; p < 0,000). Además, este grupo también cuenta
con el mayor porcentaje de personas (29%) que afirman haber aumentado el tiempo de uso de su smartphone
durante la crisis del COVID-19 en menos de 1 h, en comparación con otros grupos (ÿ2 : 22,3; p < 0,000).
5. Discusión La
adicción a los teléfonos inteligentes constituye un desafío social y de gestión (Mrad y Chi Cui, 2020) y también
puede ser un problema peligroso debido al uso excesivo, el abuso o la adicción y hacer negocios. El teléfono
inteligente se ha convertido en una de las innovaciones tecnológicas más extendidas e influyentes de la sociedad
(Busch y McCarthy, 2021). Este estudio propone un esquema sencillo e innovador de usuarios de smartphones
según su nivel de adicción y variables relacionadas. Por lo tanto, las principales contribuciones de este artículo son
cuatro: (1) Aprovechar la literatura multidisciplinaria y aplicar un marco de referencia de la epidemiología para
analizar un problema social importante con ricas implicaciones prácticas gerenciales. (2) El modelo de semáforo
propuesto utiliza el marco de factores de riesgo y protección al considerar variables críticas a nivel individual
(propensión al aburrimiento, descarga compulsiva de aplicaciones) y microsistema (phubbing y armonía familiar).
En la medida de nuestro conocimiento, este es uno de los primeros estudios que ofrece una tipología de usuarios
españoles de teléfonos inteligentes considerando variables de riesgo y protección de diferentes disciplinas en la
medida de nuestro conocimiento. (3) El estudio responde a la brecha de estudios necesarios con la información de
los usuarios principales de teléfonos inteligentes, ya que la mayoría de los estudios existentes se están volviendo
obsoletos rápidamente y se basan en la adicción a Internet y los usos de la tecnología. De hecho, la adicción a los
teléfonos inteligentes está cambiando exponencialmente cada año. Por ejemplo, el estudio de Kayri y Gun€ uç
(2016) € ofreció una tipología según el nivel de adicción a Internet y encontró un 9% de adictos, mientras que
nuestro estudio muestra casi un 30% de usuarios de teléfonos inteligentes adictos). Finalmente, (4) ayuda a los
formuladores de políticas y gerentes a diseñar estrategias para abordar cada uno de los tres grupos para superar
los posibles efectos adversos de la adicción a los teléfonos inteligentes y derivar recomendaciones para los
gerentes. Hemos revisado la literatura y hemos obtenido la ayuda de expertos en uso y uso excesivo de teléfonos
inteligentes para ofrecer una tipología de usuarios fácilmente aplicable (es decir, usuarios de teléfonos inteligentes
verdes, amarillos y rojos).
A medida que la tecnología móvil continúa aumentando su popularidad, los académicos y gerentes de
marketing, los legisladores y la sociedad deben comprender el efecto que las tecnologías ejercen sobre los
comportamientos individuales. Primero, la literatura no tiene claro si ciertos constructos pueden estar relacionados
y explicar la adicción a los teléfonos inteligentes (Busch y McCarthy, 2021). En este sentido, las entrevistas con
expertos nos dan pistas que revelan el aburrimiento, el phubbing, el comportamiento compulsivo y el vínculo
familiar como las variables más críticas relacionadas con la adicción a los teléfonos inteligentes que podrían ayudar
a clasificar a los usuarios de teléfonos inteligentes. En la medida de nuestro conocimiento, solo el estudio de Kiss
et al. (2020) clasifica a los usuarios de smartphones según su adicción y otras variables, y el nuestro es el primero
contemplando tres grupos, que ayudan no solo a distinguir adictos (usuarios rojos) vs no adictos (usuarios verdes)
sino también a individuos en riesgo de adicción ( usuarios amarillos).
Respondiendo a RQ1, nuestro estudio ofrece una clasificación amplia de usuarios de teléfonos inteligentes
considerando los factores de riesgo y protección involucrados a nivel individual y de microsistema, y cada grupo
corresponde a un color de un esquema llamado semáforo (es decir, verde, rojo y amarillo). En este sentido, los
usuarios verdes encajan con los usuarios de teléfonos inteligentes que no tienen riesgo de desarrollar adicción a
los teléfonos inteligentes (este primer grupo muestra principalmente puntajes positivos más altos en armonía
familiar y una puntuación negativa más alta en la adicción a los teléfonos inteligentes que otros grupos). Los usuarios rojos compren
Individuos que tienden a aburrirse rápidamente , phub a otros usando su teléfono inteligente, descargan What apps compulsivamente y
se consideran adictos al uso de teléfonos inteligentes descargando). Finalmente, los usuarios amarillos son los que colorean ¿ustedes?
no son adictos en
este momento, pero tienen riesgo de adicción (este tercer cluster muestra mayores puntuaciones negativas en armonía familiar, aunque
no son adictos
en este momento, son propensos a aburrirse, y parece que este podría ser el puerta abierta para comprometerse con la adicción a los
Precisamente, nuestros resultados muestran que el constructo de armonía familiar es el más relevante –uno de los factoresinteligentes).
teléfonos que hemos
estudiado aquí– a la hora de abordar la adicción y explicar diferentes comportamientos de los usuarios de smartphones, como afirman
Buctot et al. (2020) sugieren. La propensión al aburrimiento y la descarga compulsiva de aplicaciones también ayudan a clasificar a las
personas en un grupo de menor o mayor riesgo de adicción, ya que se han identificado como variables esenciales cuando se trata del
uso excesivo y la dependencia de los teléfonos inteligentes (Leung, 2007; Parylak et al., 2011).
Con estos resultados en mente y junto con la profundización de los expertos y con el objetivo de abordar
RQ2, algunas estrategias propuestas para cada grupo pueden ser las siguientes. En el caso de los usuarios de
smartphones verdes, la estrategia principal debe ser reforzar los lazos familiares, ya que actúa como un factor
protector esencial para evitar que los jóvenes desarrollen una adicción, para que se mantengan libres de la
adicción a los teléfonos inteligentes. Es mejor que los usuarios sean selectivos a la hora de comprar apps que
les sean útiles en lugar de descargar compulsivamente muchas apps que ocupan espacio en su smartphone y
no se utilizan tras su instalación. Los directivos pueden dirigirse a las familias como influencers para fomentar
el buen uso y hábitos de compra con el smartphone mediante campañas de comunicación. Los usuarios verdes
no usan tanto el teléfono inteligente. Por lo tanto, son menos compradores potenciales de teléfonos inteligentes.
Siguiendo a Mrad y Chi Cui (2020), la connotación negativa predominante del consumo adictivo plantea un
desafío constante a los esfuerzos de las empresas por promover productos sin correr el riesgo de problemas
de ética de marketing que socavan la calidad de vida de los consumidores.
Por el contrario, a los usuarios rojos se les debe proporcionar o buscar actividades de ocio (es decir,
deportes, paseos, lectura, charlas cara a cara) para hacer frente a la propensión al aburrimiento y evitar la
descarga compulsiva de aplicaciones con sus teléfonos inteligentes. Los gerentes podrían promover que estos
usuarios compren estos productos sin conexión. Además, el phubbing debe ser condenado socialmente ya que
el grupo social puede jugar un papel fundamental en el comportamiento individual. Con este grupo problemático,
la familia debe establecer normas de comunicación, y el teléfono inteligente no debe involucrarse para construir
una buena y sana armonía familiar y tal vez practicar la mediación de los padres. Se trata de un grupo numeroso
de jóvenes con malos hábitos de uso de smartphones que conviene abordar de manera urgente para evitar
crecer con esos hábitos que se agudizaron durante la crisis del COVID-19. Aunque compran mucho, lo hacen
compulsivamente, y esto es malo a la larga ya que puede derivar en insatisfacción y no hacer un uso práctico
de su smartphone.
Como Sundstrom et al. (2019) , los minoristas deben elegir una estrategia basada en el valor y la satisfacción
del cliente, ya que el aburrimiento puede derivar en una competencia de precios y, en cambio, satisfacer a los
clientes al brindarles la oportunidad de aburrirse menos. En esta línea de pensamiento, y como afirma Bozaci
(2020) , existe la necesidad de gestionar el aburrimiento, que es uno de los problemas más importantes a los
que se enfrenta la gente hoy en día, ya que es una de las variables desencadenantes de la adicción a los
smartphones y la compra impulsiva. Como él sugiere, las personas deben ser educadas en áreas apropiadas
a sus habilidades e intereses para que puedan comprender el significado de sus comportamientos o tareas y
enfocarse más en sus actividades para reducir el uso problemático de los teléfonos inteligentes y aumentar su
capacidad de realizar más conscientemente. compras Los padres y las instituciones educativas, los gerentes y
los empleados pueden tomar precauciones para reducir el aburrimiento. Los formuladores de políticas deben
promover el uso saludable de teléfonos inteligentes mediante campañas siempre que descarguen aplicaciones;
este puede ser el medio para abordarlos, por ejemplo, desarrollando aplicaciones educativas que muestren
cómo usar el teléfono inteligente correctamente.
Por último, en riesgo de adicción, los usuarios de amarillo también pueden beneficiarse de actividades alternativas
EJMBE
de ocio, reforzar los lazos familiares y evitar ser usuarios adictos en el futuro. Por lo tanto, deben evitar el aburrimiento
ya que conduce a la adicción y la búsqueda de otras actividades, como actividades deportivas o culturales. Además,
como proponen Kleinschafer y Morrison (2014) , los miembros del hogar deben establecer normas para socializar entre
ellos a la transmisión intergeneracional de comportamientos deseables.
De todos modos, varias de las estrategias descritas pueden usarse de manera diferente para ayudar a los tres
grupos a enfrentar una adicción real/potencial a los teléfonos inteligentes, es decir, las escuelas pueden promover
charlas con expertos, maestros, padres y jóvenes para hablar sobre los riesgos y usos saludables de los teléfonos inteligentes.
Las instituciones pueden ofrecer cursos de capacitación sobre el uso correcto de teléfonos inteligentes para usuarios
de diferentes edades, niveles educativos y situaciones del hogar. Más allá de la familia y la escuela, los desarrolladores
de contenido y aplicaciones para teléfonos inteligentes deben reflexionar sobre la necesidad de ofrecer no solo
contenidos de entretenimiento, sino también herramientas útiles para evitar descargas inútiles. Además, podrían
diseñar aplicaciones que ayuden a fomentar un uso correcto de los teléfonos inteligentes y proporcionen pistas
prácticas para autorregular el tiempo de uso de los teléfonos inteligentes y las aplicaciones (es decir, para abordar la
adicción de los jóvenes a los teléfonos inteligentes, se podría desarrollar una aplicación de juego donde el avatar se
cansa después de un cierto tiempo jugando es mejor que prohibir el smartphone como castigo). Como han sugerido
otros autores (Camoiras-Rodriguez y Varela, 2020), los minoristas móviles deben realizar una segmentación del
mercado cuando intentan aumentar su base de clientes y elegir a sus clientes potenciales según sus personalidades,
pero también según el uso y el perfil de su dispositivo.
La Tabla 6 refleja un resumen de los principales desafíos sociales y de gestión derivados de las variables utilizadas
en este estudio para caracterizar los clústeres.
Sin embargo, se necesita más investigación ya que se deben reconocer ciertas limitaciones de este estudio. El
presente estudio considera un grupo demográfico específico (ie jóvenes), sería interesante replicar el estudio con una
muestra mayor, con adolescentes, adultos mayores o padres. Además, la plataforma (prolífica) empleada puede estar
condicionando la muestra ya que las personas inscritas en este tipo de webs pueden tener un perfil específico que
puede no representar a toda la población. Por lo tanto, futuros estudios deberían considerar nuevos perfiles
demográficos, pero otros
Factor
de riesgo o protector Principal reto social Principal desafío gerencial
Descarga Diseñar aplicaciones de entretenimiento que Los roles de los especialistas en marketing hoy en
compulsiva sean socialmente responsables y que no contribuyan día deben centrarse no solo en obtener ganancias a
a pasar mucho tiempo diario en la vida de los jóvenes. corto plazo, sino también en ofrecer productos y
servicios saludables, responsables y éticos (es decir,
aplicaciones, contenidos) para las personas, mejorando
su calidad de vida y beneficiando a la sociedad. Los
gerentes necesitan Ser capaz de detectar puntos para
Aburrimiento Para manejar la propensión al aburrimiento, ya que manejar la propensión al aburrimiento, ya que conduce
conduce a la adicción. Promover actividades de ocio a compras impulsivas y compras no satisfactorias.
saludables (por ejemplo, deportes, actividades culturales)
phubbing Fomentar la comunicación cara a cara y la escucha

activa para propiciar relaciones sanas y cercanas de
amistad
Para ayudar a evitar la exclusión social
Tabla 6.
Desafíos sociales y de Armonía familiar Promover una familia adecuada Se podrían emplear personas influyentes y redes
gestión derivados de los comunicación, socialización y normas en la medida en familiares para aconsejar que las personas aprendan
factores de riesgo y protección que afectan las actitudes y los comportamientos hábitos de uso de teléfonos inteligentes buenos/
prácticos (incluidas las compras, las recomendaciones, etc.)
Se recomendarían formas de recopilar la información (es decir, cara a cara). Este estudio sigue un diseño transversal y la consideración
exclusiva de un solo país (España); esas son deficiencias metodológicas de los teléfonos inteligentes que restringen la generalización de los
resultados. La
adicción a estudios futuros podría estudiar muestras transnacionales o recopilar datos longitudinales. Este estudio se ha centrado en el color
¿eres tú? a
nivel individual y de microsistema, pero en el futuro deberían incluirse en la caracterización del usuario del smartphone otras variables referidas
a los niveles de futuros
exosistema y macrosistema, factores adicionales de riesgo y protección, por ejemplo, apoyo social percibido y capital social. Finalmente,
estudios podrían desarrollar un modelo causal para saber cómo estos factores de riesgo, protectores y la adicción pueden afectar precisamente
a la compra.
Referencias
Altintas, MH, Gursakal, N., Kaufmann, HR, Vrontis, D. e Isin, FB (2010), “Consumidores impulsivos y posmodernos
siempre conectados con el teléfono móvil”, International Journal of Technology Marketing, vol. 5 No. 4, págs.
328-344, doi: 10.1504/IJTMKT.2010.039735.
Al-Saggaf, Y. y O'Donnell, SB (2019), "Phubbing: percepciones, razones detrás, predictores e impactos",
Comportamiento humano y tecnologías emergentes, vol. 1 No. 2, págs. 132-140, doi: 10.1002/ hbe2.137.
Bagozzi, RP y Yi, Y. (2012), “Especificación, evaluación e interpretación de modelos de ecuaciones estructurales”,

Journal of The Academy of Marketing Science, vol. 40 No. 1, págs. 8-34, doi: 10.1007/ s11747-011-0278-
x.
Billieux, J., Van der Linden, M. y Rochat, L. (2008), “El papel de la impulsividad en el uso real y problemático del
teléfono móvil”, Psicología Cognitiva Aplicada, vol. 22 N° 9, págs. 1195-1210, doi: 10.1002/acp.1429.
Bozaci (2020), "El efecto de la propensión al aburrimiento en la adicción a los teléfonos inteligentes y las compras
impulsivas: un estudio de campo con consumidores jóvenes en Turquía", The Journal of Asian Finance,
Economics and Business, vol. 7 No. 7, págs. 509-517, doi: 10.13106/jafeb.2020.vol7.no7.509.
Bronfenbrenner, U. (2002), “Teoría de los sistemas ecológicos”, en Vasta, R. (Ed.), Six Theories of Child
Development: Revisited Formulations and Current Issues, Jessica Kingsley Publishers, Londres, págs.
221-288.
Buctot, DB, Kim, N. y Kim, JJ (2020), "Factores asociados con la prevalencia de la adicción a los teléfonos
inteligentes y su capacidad predictiva para la calidad de vida relacionada con la salud entre los adolescentes
filipinos", Revisión de servicios para niños y jóvenes, vol. 110, 104758, doi: 10.1016/j.childyouth.2020.104758.
Busch, PA y McCarthy, S. (2021), "Antecedentes y consecuencias del uso problemático de teléfonos inteligentes: una
revisión sistemática de la literatura de un área de investigación emergente", Computers in Human Behavior,
vol. 114, 106414, doi: 10.1016/j.chb.2020.106414.
Camoiras-Rodriguez, Z. y Varela, C. (2020), “La influencia de los rasgos de personalidad del consumidor en la
intención de compra móvil”, Revista Española de Marketing - ESIC, vol. 24 N° 3, págs. 331-353, doi: 10.
1108/SJME-02-2020-0029.
Choi, SW, Kim, DJ, Choi, JS, Ahn, H., Choi, EJ, Song, WY, Kim, S. y Youn, H. (2015), “Comparación de los
factores de riesgo y protección asociados con la adicción a los teléfonos inteligentes y Adicción a Internet”,
Journal of Behavioral Addictions, vol. 4 No. 4, págs. 308-314, doi: 10.1556/2006.4.2015.043.
Chotpitayasunondh, V. y Douglas, KM (2016), “Cómo el 'phubbing' se convierte en la norma: los antecedentes y
las consecuencias del desaire a través de un teléfono inteligente”, Computers in Human Behavior, vol. 63,
págs. 9-18, doi: 10.1016/j.chb.2016.05.018.
Clayton, RR, Leukefeld, CG, Donohew, L., Bardo, M. y Harrington, NG (1995), “Factores de riesgo y de protección:
una breve revisión”, Drugs and Society, vol. 8 Nos 3-4, págs. 7-14, doi: 10.1300/ J023v08n03_02.
David, ME y Roberts, JA (2017), "Phubbed and alone: phone snubbing, social exclusion, and added to social
media", Journal of the Association for Consumer Research, vol. 2 No. 2, págs. 155-163, doi: 10.1086/690940.
De-Sola, J., Rubio, G., Talledo, H., Pistoni, L., Van Riesen, H. y de Fonseca, FR (2019), “Hábitos de uso del teléfono móvil
EJMBE entre la población española: contribución de las aplicaciones a la uso problemático”, Frontiers in Psychiatry, vol. 10,
págs. 1-13, doi: 10.3389/fpsyt.2019.00883.
Dinc, M. (2015), “Dependencia tecnológica y juventud”, Journal of Youth Studies, vol. 3 núm. 3, págs. 31-65.
~
Ditrendia (2019), “Informe ditrendia: mobile en Espana y en el Mundo 2019 ”, available at: https://ditrendia.es/informes/
(accessed 10 August 2020).
_
Eks¸i, F., Demirci, I. y Tanyeri, H. (2020), “Uso problemático de la tecnología y bienestar en la adolescencia: los efectos
personales y relacionales de la tecnología”, The Turkish Journal on Addictions, vol. 7, págs. 107-121, doi: 10.5152/
ADDICTA.2020.19077.
Elhai, JD, Levine, JC, Dvorak, RD y Hall, BJ (2016), “El miedo a perderse algo, la necesidad de tocar, la ansiedad y la
depresión están relacionados con el uso problemático de teléfonos inteligentes”, Computers in Human Behavior,
vol. 63, págs. 509-516, doi: 10.1016/j.chb.2016.05.079.
Essiz, O. y Mandrik, C. (2021), “Influencia intergeneracional en las actitudes y comportamientos de los consumidores
sostenibles: roles de la comunicación familiar y la influencia de los pares en la socialización del consumidor
ambiental”, Psicología y Marketing, en prensa. doi: 10.1002/mar.21540.
Farrell, AM (2010), “Validez discriminante insuficiente: un comentario sobre Bove, Pervan, Beatty y Shiu (2009)”, Journal of
Business Research, vol. 63 N° 3, pp. 324-327, doi: 10.1016/j.jbusres.2009. 05.003.
Fereday, J. y Muir-Cochrane, E. (2006), “Demostrar rigor mediante el análisis temático: un enfoque híbrido de codificación
inductiva y deductiva y desarrollo de temas”, International Journal of Qualitative Methods, vol. 5 N° 1, págs. 80-92,
doi: 10.1177/ 160940690600500107.
Franchina, V., Vanden Abeele, M., Van Rooij, AJ, Lo Coco, G. y De Marez, L. (2018), “El miedo a perderse como predictor
del uso problemático de las redes sociales y el comportamiento phubbing entre los adolescentes flamencos ”,
Revista Internacional de Investigación Ambiental y Salud Pública, vol. 15 núm. 10, pág. 2319, doi: 10.3390/
ijerph15102319.
Fuller, CM, Simmering, MJ, Atinc, G., Atinc, Y. y Babin, BJ (2016), “Detección de varianza de métodos comunes en la
investigación empresarial”, Journal of Business Research, vol. 69 N° 8, págs. 3192-3198, doi: 10.1016/
j.jbusres.2015.12.008.
G€okçearslan, S¸., Uluyol, Ç. y S¸ahin, S. (2018), “Adicción a los teléfonos inteligentes, holgazanería cibernética, estrés y
apoyo social entre estudiantes universitarios: un análisis de ruta”, Revisión de servicios para niños y jóvenes, vol.
91, págs. 47-54, doi: 10.1016/j.childyouth.2018.05.036.
Hall-Newton, K., Rudkowski, J., Mark, HLS, Hogue, J. y Ratnichkina, P. (2019), "Dispositivos móviles en la sala de
conferencias: ¿dentro, indiferente o intruso?", Journal of Education para negocios, vol. 94 No. 6, págs. 390-399, doi:
10.1080/08832323.2018.1541853.
Handa, M. y Ahuja, P. (2020), "Desconectarse para desintoxicarse: un estudio sobre la adicción a los teléfonos inteligentes
entre adultos jóvenes en la India", Young Consumers, vol. 21 No. 3, págs. 273-287, doi: 10.1108/YC-12-2019-1077.
Hong, JS y Garbarino, J. (2012), “Factores de riesgo y protección para el acoso homofóbico en las escuelas: una aplicación
del marco socioecológico”, Revista de Psicología Educativa, vol. 24 N° 2, págs. 271-285, doi: 10.1007/
s10648-012-9194-y.
Hsiao, KL (2017), "Uso compulsivo de aplicaciones móviles y tecnoestrés: el papel de los rasgos de personalidad", Revisión
de información en línea, vol. 41 N° 2, pp. 272-295, doi: 10.1108/OIR-03-2016-0091.
Jeong, JY, Suh, B. y Gweon, G. (2020), “¿Es diferente la adicción a los teléfonos inteligentes de la adicción a Internet?
comparación de factores de riesgo de adicción entre adolescentes”, Behavior and Information Technology, vol. 39
No. 5, págs. 578-593, doi: 10.1080/0144929X.2019.1604805.
Jessor, R. (1992), “Comportamiento de riesgo en la adolescencia: un marco psicosocial para la comprensión y la acción”,
Developmental Review, vol. 12 N° 4, págs. 374-390, doi: 10.1016/0273-2297(92)90014-S.
Kavikondala, S., Stewart, SM, Ni, MY, Chan, BH, Lee, PH, Li, KK, McDowell, I., Johnston, JM, Chan, SS, Lam, TH, Lam,
WW y Fielding, R. (2016), “Estructura y vigencia de la Familia
Escala de Armonía: un instrumento para medir la armonía”, Evaluación Psicológica, vol. 28 N° 3, págs. 307-318, ¿De
doi: 10.1037/pas0000131.
€ qué color de
Kayri, M. y Gun€ uç, S. (2016), “Comparación de la adicción a Internet en estudiantes con niveles socioeconómicos
adicción a los
altos y bajos”, Addicta: The Turkish Journal on Addiction, vol. 3, págs. 177-183, doi: 10.15805/addicta.2016.3.0110.
teléfonos inteligentes eres?
Kim, HJ, Min, JY, Min, KB, Lee, TJ y Yoo, S. (2018), “Relación entre el entorno familiar, el autocontrol, la calidad de la
amistad y la adicción a los teléfonos inteligentes de los adolescentes en Corea del Sur: resultados de datos
nacionales ”, PloS One, vol. 13 No. 2, pp. 1-13, doi: 10.1371/ journal.pone.0190896.
Kiss, H., Fitzpatrick, KM y Piko, BF (2020), "La brecha digital: factores de riesgo y de protección y las diferencias en el
uso problemático de dispositivos digitales entre los jóvenes húngaros", Revisión de servicios para niños y
jóvenes, vol. 108, 104612, doi: 10.1016/j.childyouth.2019.104612.
Kleinschager, J. y Morrison, M. (2014), “Las normas del hogar y su papel en la reducción del consumo de
electricidad en el hogar”, International Journal of Consumer Studies, vol. 38 No. 1, págs. 75-81, doi:
10.1111/ijcs.12066.
Kodinariya, TM y Makwana, PR (2013), “Revisión sobre la determinación del número de clústeres en el agrupamiento
de K-means”, International Journal, vol. 1 núm. 6, págs. 90-95.
Krzanowski, WJ y Lai, YT (1988), “Un criterio para determinar el número de grupos en un conjunto de datos mediante
el agrupamiento de suma de cuadrados”, Biometrics, vol. 44 N° 1, págs. 23-34, doi: 10.2307/2531893.
Kwak, JY, Kim, JY y Yoon, YW (2018), “Efecto de la negligencia de los padres en la adicción a los teléfonos inteligentes
en adolescentes en Corea del Sur”, Child Abuse and Neglect, vol. 77, págs. 75-84, doi: 10.1016/j.chiabu.
2017.12.008.
Kwon, M., Kim, DJ, Cho, H. y Yang, S. (2013), “La escala de adicción a los teléfonos inteligentes: desarrollo y validación
de una versión corta para adolescentes”, PloS One, vol. 8 No. 12, pp. 1-7, doi: 10.1371/ journal.pone.0083558.
Kwon, TA, Choo, HJ y Kim, Y.-K. (2020), “¿Por qué nos aburrimos de nuestra ropa y dónde termina?”, International
Journal of Consumer Studies, vol. 44 No. 1, págs. 1-13, doi: 10.1111/ ijcs.12540.
Lee, C. y Lee, S.-J. (2017), “Prevalencia y predictores de la propensión a la adicción a los teléfonos inteligentes entre
los adolescentes coreanos”, Revisión de servicios para niños y jóvenes, vol. 77, págs. 10-17, doi: 10.1016/j.
niñojuventud.2017.04.002.
Leung, L. (2007), "Aburrimiento del ocio, búsqueda de sensaciones, autoestima, síntomas de adicción y patrones de
uso del teléfono móvil", EK, MT, SU y AL (Eds), Comunicación interpersonal mediada, Lawrence Erlbaum
Associates, Mahwah, Nueva Jersey, NJ, págs. 1-36.
Lian, L. y You, X. (2017), “Virtudes específicas como predictores de la adicción a los teléfonos inteligentes entre
estudiantes universitarios chinos”, Current Psychology, vol. 36 No. 2, págs. 376-384, doi: 10.1007/s12144-017-9612-x.
Liu, Q., Sun, J., Li, Q. y Zhou, Z. (2020a), “La insatisfacción corporal y la adicción a los teléfonos inteligentes entre los
adolescentes chinos: un modelo de mediación moderado”, Children and Youth Services Review, vol. 108,
104613, doi: 10.1016/j.childyouth.2019.104613.
Liu, QQ, Yang, XJ, Hu, YT, Zhang, CY y Nie, YG (2020b), “¿Cómo y cuándo se asocia la disfunción familiar con la
adicción a los teléfonos móviles de los adolescentes? Prueba de un modelo de mediación moderada”, Revisión
de servicios para niños y jóvenes, vol. 111, 104827, doi: 10.1016/j. niñojuventud.2020.104827.
L opez-Fernandez, O. (2017), “Versión corta de la Escala de adicción a teléfonos inteligentes adaptada al español y al
francés: hacia una investigación transcultural en el uso problemático del teléfono móvil”, Conductas adictivas,
vol. 64, págs. 275-280, doi: 10.1016/j.addbeh.2015.11.013.
Mahapatra, S. (2019), "Adicción a los teléfonos inteligentes y consecuencias asociadas: el papel de la soledad y la
autorregulación", Comportamiento y tecnología de la información, vol. 38 No. 8, págs. 833-844, doi: 10.1080/
0144929X.2018.1560499.
Malhotra, NK, Kim, SS y Patil, A. (2006), “Varianza del método común en la investigación de SI: una comparación de
EJMBE enfoques alternativos y un nuevo análisis de investigaciones anteriores”, Management Science, vol. 52 N° 12, págs.
1865-1883, doi: 10.1287/mnsc.1060.0597.
Milijic, M. (2019), “29þ estadísticas de uso de teléfonos inteligentes: alrededor del mundo en 2020”, disponible en : https://
leftronic.com/smartphone-usage-statistics/ (consultado el 29 de diciembre de 2020).
Miller-Ott, AE y Kelly, L. (2017), “Un análisis de la teoría de la cortesía sobre el uso del teléfono celular en presencia de
amigos”, Communication Studies, vol. 68 N° 2, págs. 190-207, doi: 10.1080/10510974.2017. 1299024.
Mrad, M. y Chi Cui, C. (2020), "Comorbilidad de la compra compulsiva y la adicción a la marca: un examen de dos tipos de
consumo adictivo", Journal of Business Research, vol. 113, págs. 399-408, doi: 10.1016/j.jbusres.2019.09.023.
No€e, B., Turner, LD, Linden, DE, Allen, SM, Winkens, B. y Whitaker, RM (2019), "Identificación de indicadores de adicción
a los teléfonos inteligentes a través de la interacción entre el usuario y la aplicación", Computers in Human Behavior,
vol. . 99, págs. 56-65, doi: 10.1016/j.chb.2019.04.023.
O'Connell, ME, Boat, T. y Warner, KE (2009), Prevención de trastornos mentales, emocionales y conductuales entre los
jóvenes: Progreso y posibilidades, The National Academies Press, Washington, DC.
Okazaki, S., Schuberth, F., Tagashira, T. y Andrade, V. (2019), “Infiltrar el lado oscuro del compromiso de la marca en
Instagram: la teoría dual de la pasión”, Journal of Business Research, vol. 130, págs. 493-505, doi: 10.1016/
j.jbusres.2019.11.028.
Pallant, J. (2001), SPSS Survival Manual, Buckingham Open University Press, Maidenhead.
Parylak, SL, Koob, GF y Zorrilla, EP (2011), “El lado oscuro de la adicción a la comida”, Fisiología y Comportamiento, vol.
104 No. 1, págs. 149-156, doi: 10.1016/j.physbeh.2011.04.063.
Pourrazavi, S., Allahverdipour, H., Jafarabadi, MA y Matlabi, H. (2014), “Una investigación sociocognitiva sobre el uso
excesivo de teléfonos móviles”, Asian Journal of Psychiatry, vol. 10, págs. 84-89, doi: 10.1016/j.ajp. 2014.02.009.
Punj, G. y Stewart, DW (1983), “Análisis de conglomerados en investigación de mercados: revisión y sugerencias para su
aplicación”, Journal of Marketing Research, vol. 20 N° 2, págs. 134-148, doi: 10.2307/3151680.
Rastreator (2019), “Crece la adicci on al m ovil entre los j ovenes: el 45% ya se considera adicto”, available at: https://
www.rastreator.com/sala-de-prensa/notas-de-prensa/2017-08-crece-adiccion movil-entre-jovenes.aspx (accessed
29 December 2020).
Regan, T., Harris, B., Van Loon, M., Nanavaty, N., Schueler, J., Engler, S. y Fields, SA (2020), “¿Reduce la atención plena
los efectos de los factores de riesgo de los teléfonos inteligentes problemáticos? ¿utilizar? Comparación de la
frecuencia de uso versus la adicción autoinformada”, Addictive Behaviors, vol. 108, 106435, doi: 10. 1016/
j.addbeh.2020.106435.
Rita, P., Ramos, RF, Moro, S., Mealha, M. y Radu, L. (2021), “Las aplicaciones de citas online como canal de marketing:
un enfoque generacional”, European Journal of Management and Business Economics, vol. . 30 No. 1, págs. 1-17,
doi: 10.1108/EJMBE-10-2019-0192.
Roberts, JA, Pullig, C. y Manolis, C. (2015), “Necesito mi teléfono inteligente: un modelo jerárquico de personalidad y
adicción al teléfono celular”, Personality and Individual Differences, vol. 79, págs. 13-19, doi: 10.1016/
j.paid.2015.01.049.
Rook, DW y Fisher, RJ (1995), "Influencias normativas en el comportamiento de compra impulsivo", The Journal
de Investigación del Consumidor, vol. 22, págs. 305-313, doi: 10.1086/209452.
Scholderer, J. y Grunert, KG (2001), “¿Funciona la publicidad genérica? Una evaluación sistemática de la campaña danesa
por el pescado fresco”, Economía y gestión de la acuicultura, vol. 5 núms. 5-6, págs. 253-271, doi:
10.1080/13657300109380293.
Sensortower (2020), "Los ingresos globales de aplicaciones alcanzaron los $50 mil millones en la primera mitad de 2020,
un 23 % más año tras año", disponible en: https://sensortower.com/blog/app-revenue-and-downloads-1h -2020
(consultado el 29 de diciembre de 2020).
Seo, M., Kim, J.-H. y David, P. (2015), “¿Siempre conectado o siempre distraído? Los síntomas del TDAH y la seguridad ¿De
social explican el uso problemático del teléfono móvil y las comunicaciones múltiples”, Journal of Computer-
qué color de
Mediated Communication, vol. 20 No. 6, págs. 667-681, doi: 10.1111/jcc4.12140.
adicción a
Sha, P., Sariyska, R., Riedl, R., Lachmann, B. y Montag, C. (2019), “Vincular la comunicación por Internet y el trastorno
del uso de teléfonos inteligentes al observar más de cerca las aplicaciones de Facebook y WhatsApp”, Addictive los teléfonos inteligentes ere
Informes de comportamientos, vol. 9, págs. 1-9, doi: 10.1016/j.abrep.2018.100148.
Shu, CY y Chieh-Ju, T. (2007), “Comparación de adictos a Internet y no adictos en la escuela secundaria taiwanesa”,
Computers in Human Behavior, vol. 23 No. 1, págs. 79-96, doi: 10.1016/j.chb.2004.03.037.
Smartme Analytics (2020), “Impacto uso del smartphone crisis del coronavirus”, disponible en: https://
dub01.online.tableau.com/#/site/smartmeanalytics/views/CrisisCOVID19_Dashboard/
CrisisCOVID19_Dashboard ?:iid52 (consultado el 29 de diciembre de 2020).
Statista (2020), “Número de usuarios de teléfonos inteligentes en todo el mundo de 2016 a 2021”, disponible en : https://
www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/ (consultado el 29 de diciembre de
2020).
Sundstr€om, M., Hjelm-Lidholm, S. y Radon, A. (2019), “Hacer clic para eliminar el aburrimiento: explorar el
comportamiento de compra de moda por impulso en línea”, Journal of Retailing and Consumer Services, vol. 47,
págs. 150-156, doi: 10.1016/j.jretconser.2018.11.006.
Tang, J., Zhang, B. y Akram, U. (2019), "Disposición del usuario para comprar aplicaciones en dispositivos móviles
inteligentes: evidencia de la tienda de aplicaciones", Asia Pacific Journal of Marketing and Logistics, vol. 32 No.
8, págs. 1629-1649, doi: 10.1108/APJML-06-2019-0411.
Turner (2020), “¿Cuántos teléfonos inteligentes hay en el mundo?”, disponible en : https://www.bankmycell.com/blog/
how-many-phones-are-in-the-world (consultado el 29 de diciembre de 2020).
Vaghefi, I. y Lapointe, L. (2016), “Una tipología de la responsabilidad del usuario ante la adicción a las TI”, Information
Systems Journal, vol. 27 No. 2, doi: 10.1111/isj.12098.
Wolniewicz, CA, Rozgonjuk, D. y Elhai, JD (2020), "La propensión al aburrimiento y el miedo a perderse algo median
las relaciones entre la depresión y la ansiedad con el uso problemático de teléfonos inteligentes", Human
Behavior and Emerging Technologies, vol. 2 No. 1, págs. 61-70, doi: 10.1002/hbe2.159.
Xie, X., Chen, W., Zhu, X. y He, D. (2019), "El phubbing de los padres aumenta la adicción al teléfono móvil de los
adolescentes: roles del apego entre padres e hijos, pares desviados y género", Children and Revisión de
servicios juveniles, vol. 105, 104426, doi: 10.1016/j.childyouth.2019.104426.
Yang, Z., Asbury, K. y Griffiths, MD (2019), "Una exploración del uso problemático de teléfonos inteligentes entre
estudiantes universitarios chinos: asociaciones con ansiedad académica, procrastinación académica,
autorregulación y bienestar subjetivo", Revista internacional de salud mental y adicción, vol. 17 No. 3, págs.
596-614, doi: 10.1007/s11469-018-9961-1.
Yen, JY, Yen, CF, Chen, CC, Chen, SH y Ko, CH (2007), "Factores familiares de la adicción a Internet y la experiencia
de uso de sustancias en adolescentes taiwaneses", CyberPsychology and Behavior, vol. 10 No. 3, págs.
323-329, doi: 10.1089/cpb.2006.9948.
Yen, CH, Tang, TC, Yen, JY, Lin, HC, Huang, CF, Liu, SC y Ho, CH (2009), “Síntomas del uso problemático del teléfono
celular, deterioro funcional y su asociación con la depresión entre los adolescentes del sur Taiwán”, Journal of
Adolescence, vol. 32, págs. 863-873, doi: 10. 1016/j.adolescencia.2008.10.006.
Se puede contactar con la

autora para correspondencia Sonia San-Martin en: sanmargu@ubu.es
Para obtener instrucciones sobre cómo solicitar reimpresiones de este artículo, visite nuestro
sitio web: www.emeraldgrouppublishing.com/licensing/reprints.htm O comuníquese con
nosotros para obtener más detalles: permisos@emeraldinsight.com

¿De Qué Color Eres Semáforos de

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

¿De Qué Color Eres Semáforos de

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

adicción a teléfonos inteligentes y adicción a

RQ2. ¿Qué desafíos e implicaciones sociales y gerenciales se pueden derivar de

EJMBE Nivel Riesgo Protector

En la siguiente sección 4 se explican los resultados.

propensión (FCV 5 0.58406), comportamiento phubbing (FCV 5 0.35244) y comportamiento compulsivo

F1 58,03 0.000 0,3837 0,8430 0.2946 Verde 2.62 1.97

4.2 Caracterización demográfica y de uso de smartphones de los clusters

Porcentaje por clúster

Edad 21,5 (2,12) 20,8 (2,26) 21,8 (1,99) 4,5** (0,012)

4.3 Descripciones y diferencias de grupos

phubbing Fomentar la comunicación cara a cara y la escucha

Bagozzi, RP y Yi, Y. (2012), “Especificación, evaluación e interpretación de modelos de ecuaciones estructurales”,

Se puede contactar con la

También podría gustarte