https://doi.org/10.24016/2020.v6n3.178

ARTICULO ORIGINAL

 

 

Predicción del Trolling desde el sadismo y la adicción a Internet en jóvenes adultos de Buenos Aires

 

Prediction of Trolling behavior from sadism and Internet addiction in young adults of Buenos Aires.

 

 

Pablo Christian González Caino 1, 2 * y Santiago Resett 1, 2

1 Universidad Argentina de la Empresa, Buenos Aires, Argentina.

1 Consejo Nacional de Investigaciones Científicas y Técnicas de Argentina, Buenos Aires, Argentina.

 

* Correspondencia: Agustín de Elia 1034, Ramos Mejía, Buenos Aires, Argentina, CP 1704. Teléfono: 54 11 57018170. pablo.cg.caino@hotmail.com.

 

Recibido: 08 de septiembre de 2020 | Revisado: 19 de septiembre de 2020 | Aceptado: 08 de diciembre de 2020 | Publicado Online: 10 de diciembre de 2020.

 

CITADO COMO:

Gonzales Caino, P. C. & Resett, S. (2020). Predicción del Trolling desde el sadismo y la adicción a Internet en jóvenes adultos de Buenos Aires. Interacciones, 6(3), e178. https://doi.org/10.24016/2020.v6n3.178

 

 

RESUMEN

Introducción: El trolling es un fenómeno de gran actualidad, pero mucho menos estudiado a diferencia de otras problemáticas relacionadas con las nuevas tecnologías. El presente estudio evaluó los niveles de trolling en adultos a partir del sadismo y la adicción a internet. Método: Para este fin, se constituyó una muestra intencional de 708 adultos, de ambos géneros (56% mujeres, edadM = 25 años DE = 8.7), de Ciudad Autónoma de Buenos Aires (CABA) y Gran Buenos Aires (GBA), Argentina. Los participantes contestaron el Cuestionario de trolling de Buckels et al., de Tendencias Sádicas de Paulhus et al., de Adicción a Internet de Lam-Figueroa et al. y un cuestionario demográfico. Los datos indicaban que tanto el sadismo vicario, el sadismo directo y la disfuncionalidad en el uso de Internet eran predictores del trolling. Resultados: Los resultados sugerían asociación del trolling con la edad y diferencias según el género. Un modelo estructural para predecir el trolling a partir del sadismo como variable latente y la adicción a internet mostraron un ajuste adecuado CFI = .99, TLI = .98, RMSEA = .04, indicando que el sadismo predecía el trolling y la adicción a internet. Conclusión: El sadismo es un predictor importante para la conducta de Trolling a través de internet, donde los individuos con estas características aprovechan el anonimato para realizar sus conductas agresivas.

Palabras clave: Trolling; predicción; sadismo; Internet; uso.

 

 

ABSTRACT

Background: Trolling is a very topical phenomenon, but much less studied unlike other problems related to new technologies. The present study evaluated the levels of trolling in adults from sadism and internet addiction. Method: For this purpose, an intentional sample of 708 adults of both genders (56% women, age M = 25 years SD = 8.7), from the Autonomous City of Buenos Aires (CABA) and Greater Buenos Aires (GBA), Argentina is selected. Participants answered the Trolling Questionnaire by Buckels et al., On Sadistic Tendencies by Paulhus et al., On Internet Addiction by Lam-Figueroa et al. and a demographic questionnaire. The data indicated that both vicarious sadism, outright sadism, and dysfunctionality in Internet use were predictors of trolling. Results: The results suggested an association of trolling with age and differences according to gender. A structural model to predict trolling based on sadism as a latent variable and internet addiction shows an adequate fit CFI = .99, TLI = .98, RMSEA = .04, indicating that sadism predicted trolling and internet addiction. Conclusion:  Sadism is an important predictor for trolling behavior over the internet, where individuals with these characteristics take advantage of anonymity to carry out their aggressive behaviors.

Keywords: rolling; prediction; sadism; Internet; use.

 

 

INTRODUCCIÓN

El siglo XXI ha conseguido grandes avances a través del uso de nueva tecnología en comunicaciones, y nada ha marcado más este avance que Internet. Sin embargo, antiguas prácticas problemáticas que antes se daban solamente en el ámbito cara a cara, se han trasladado a este nuevo espacio. Si bien la internet es una herramienta de gran utilidad, su uso excesivo y problemático puede causar diferentes problemas. Uno de ellos, la adicción a Internet, es un fenómeno que ha crecido en el último tiempo, especialmente debido a todos los nuevos dispositivos que hacen posible su utilización como, por ejemplo, los smartphones, tablets, entre otros. La adicción a Internet puede definirse como la incapacidad de un individuo para ejercer un control sobre el uso de Internet, el cuál conlleva a estados de fatiga, incomodidad y problemas en el día a día (Byun et al, 2009). Según Lam – Figueroa y otros (2011), la misma consta de dos partes, una sintomatológica, diferente al involucramiento normal con esta tecnología, y una disfuncional, la cual está emparentada con las consecuencias de esta adicción. Se ha demostrado anteriormente que la frecuencia de actividad en Internet ha correlacionado con el comportamiento antisocial online (Buckels et al., 2014). Por otro lado, los reportes indican que, generalmente, los hombres usan Internet con más frecuencia que las mujeres (Baloğlu, Özteke Kozan & Kesici, 2018) y tienen más conductas delictivas informáticas (Seigfried-Spellar, Villacís-Vukadinovi & Lynam, 2017).

Las personalidades aversivas han sido estudiadas en gran medida por la psicología a través de la historia, comenzando por el clásico trabajo de Cleckley (1941) sobre la psicopatía. Estos comportamientos han sido abordados desde diferentes áreas, como la forense (Mc cord & Mc cord, 1956; Walsh, Swogger & Kosson, 2009), la clínica (Hare, 2006; Hare & Neumann, 2008) y la subclínica (Lilienfield & Andrews, 1996; Paulhus & Willians, 2002). En los últimos años, estos comportamientos también han sido abordados por sus desarrollos utilizando las nuevas tecnologías.

Los comportamientos aversivos online causan varios problemas para quiénes los sufren. Si bien no es un tema que se ha estudiado en profundidad, se ha encontrado evidencia de que este tipo de comportamientos puede generar un peor funcionamiento psicosocial (Wong, Chan, & Cheng, 2014), debido a ser causante de sintomatología depresiva, baja autoestima, ansiedad e incluso conductas suicidas en sus víctimas (Bauman, Toomey & Walker, 2013; Hinduja & Patchin, 2010; Kowaslki, Giumetti, Schroeder & Lattanner, 2014; Mehari, Farrel & Le, 2014; Nicol, 2012), dando mayores dificultades en el plano psicológico y una peor calidad de vida.

Es importante destacar que, dentro de estas nuevas conductas problemáticas se encuentran el Cyberbullying, el Cyberstalking y el Trolling. El término Trolling proviene de la mitología escandinava, donde seres similares a los duendes llamados Trolls, habitaban debajo de puentes, esperando para atacar a viajeros distraídos. A su vez, el término puede encontrarse en la jerga pesquera, denominando la práctica de arrastrar un señuelo desde un bote, engañando así a los peces (Crystal, 2001). En el contexto de Internet, con sus primeras apariciones datadas de la década del 1980s (Dynel, 2016), el Trolling se define como una práctica de comportamiento engañoso, destructivo o disruptivo, sin ningún propósito instrumental (Buckels, Trapnell & Paulhus, 2014) con un énfasis en el engaño y el humor a costa del sufrimiento de la víctima del comportamiento. A diferencia del Cyberbullying, con un enfoque directo y sobre una víctima determinada, o el Flaming, una expresión genuina de hostilidad y agresión (Johnson, Cooper & Chin, 2008), el Trolling se distingue por su característica distintiva del engaño (Sest & March, 2017). En lo referente a las variables demográficas, estudios anteriores han encontrado asociaciones entre la perpetración de Trolling y edad en diferentes contextos, como los juegos online o Facebook en donde a menor edad, mayor nivel de dicha conducta (Lee et al, 2016; Sest & March, 2017). En el caso del género, también se han encontrado asociaciones (Sest & March, 2017) siendo un comportamiento más perpetrado por los hombres que por las mujeres (Buckels et al, 2014; Fichman & Sanfilippo, 2016)

Dentro de esta nueva rama, estudios anteriores han demostrado las correlaciones entre estas conductas aversivas y el comportamiento Trolling, especialmente con el sadismo cotidiano (Cracker & March, 2016; March, Grieve, Marrington & Jonason, 2017; Sest & March, 2017; Buckels, Trapnell, Andjelovic & Paulhus, 2018, Resett & González Caino, 2019). El sadismo clínico, término proveniente del Marqués de Sade, se define como el sentir placer por causar daño a otros individuos (Paulhus & Dutton, 2016). A diferencia del clínico, Buckels, Jones y Paulhus (2013) definen el sadismo cotidiano, o soft sadism (Pinker, 2011) como el disfrute por la crueldad en la vida diaria, como por ejemplo en películas, videojuegos o deportes, siendo una forma subclínica del sadismo clínico, muy estudiado por la psicología forense en el comportamiento criminal. Últimamente, esta forma de sadismo fue agregada a la tríada oscura de personalidad (Paulhus & Williams, 2002), convirtiéndolo en la tétrada oscura de la personalidad, debido a su distribución subclínica dentro de la población normal.

A pesar de ser un tema muy importante en América Latina, con un aumento en la cobertura de los medios de comunicación argentinos en los últimos años, no hay demasiados estudios que hayan abordado empíricamente este fenómeno en población adulta usuaria de Internet Encontrar los predictores de este comportamiento disruptivo es de gran importancia, para contribuir a su comprensión y a su prevención, debido a las consecuencias mencionadas en las víctimas. De este modo, este estudio es el primero en evaluar empíricamente el fenómeno Trolling y sus predictores en población latinoamericana, como los es la Argentina.

 

Objetivos

Por estas razones, el presente estudio tuvo como objetivos: 1) determinar si el sadismo cotidiano y la adicción a Internet eran predictores del Trolling online en adultos argentinos usuarios Internet, 2) explorar si la edad se asociaba con el trolling y si el género introducía diferencias en el Trolling, y 3) poner a prueba un modelo de ecuaciones estructurales para predecir el comportamiento de Trolling, a partir de las variables antemencionadas.

 

MÉTODO

Diseño

El diseño del presente estudio fue descriptivo correlacional, de corte transversal.

 

Participantes

El presente estudio fue realizado con un muestreo no probabilístico de tipo intencional. La población se definió como todos los adultos de ambos géneros con edades de 18 años a 56 que residían en Ciudad Autónoma de Buenos Aires (CABA) y Gran Buenos Aires (GBA), Argentina, con familiaridad con internet y celulares. Los participantes fueron 708 adultos, de ambos géneros (56% mujeres) con una edad media de 25 años (DE = 8.7), de Ciudad Autónoma de Buenos Aires (CABA) y Gran Buenos Aires (GBA). El 16% de la muestra reportó tener estudios primarios, el 37% estudios secundarios, el 17% terciario, el 24% estudios universitarios y el 6% nivel de posgrado. A su vez, el 53% poseía trabajo mientras que el 47% no estaba trabajando.

 

Instrumentos

Cuestionario sociodemográfico: se preguntó género, edad, lugar de residencia, nivel de estudios académicos y situación laboral al momento de realizar el estudio.

Escala de adicción a Internet (EAIL; Lam - Figueroa et al, 2011). Escala tipo Likert de 11 ítems que miden la adicción a Internet en dos dimensiones: sintomatología conductual con ocho ítems (Tiempo conectado a Internet, dedicando más tiempo a Internet de lo necesario, molesto cuando no conectado, entre otros) y disfuncionalidad con 3 ítems (problemas relacionados con la adicción: falta de trabajo o universidad por estar conectado, desprecio del hogar o tareas domésticas, entre otros). Cada ítem se mide con una escala Likert con 4 opciones de respuesta: Muy raramente (1), Raramente (2), A menudo (3) y Siempre (4). El instrumento posee una estructura factorial adecuada y validez de constructo (Lam - Figueroa et al, 2011). En el presente estudio, las alfas de Cronbach fueron de .84 para la dimensión de sintomatología y de .66 para la dimensión de disfuncionalidad. Presenta buenas propiedades en la Argentina en muestras de adultos, como validez de constructo, como lo demuestran estudios con su relación con los comportamientos agresivos online, y adecuada consistencia interna, con valores de alfa de Cronbach de .67-86 (Resett & González Caino, 2019).

Variedades de tendencias sádicas (VAST; Paulhus, Jones, Dutton & Klomsky, 2011). Utilizado para medir el sadismo cotidiano en dos dimensiones: sadismo directo y sadismo vicario. Ejemplos de artículos son "Disfruto lastimando físicamente a otras personas" o "En los videojuegos, me gustan los chorros de sangre realistas". Es una escala Likert de 5 ítems [1 = totalmente en desacuerdo; 5 = muy de acuerdo] y ha mostrado buenas propiedades psicométricas, mostrando aceptables alfas de Cronbach de .72 para sadismo vicario y .74 para sadismo directo, respectivamente, en el presente estudio. Se utilizó la versión al español de González Caino et al. (2018) que presentó buenas propiedades psicométricas en población adulta de la Argentina, encontrando alfas de .69 en el caso de la dimensión de sadismo vicario y .73 para la de sadismo directo.

Cuestionario global de Internet Trolling (GAIT; Buckels, Trapnell & Paulhus, 2014). Este cuestionario se utiliza para medir el comportamiento perpetrador de Trolling a través de Internet. Consta con cuatro ítems que son respondidos por una escala Likert (1 = totalmente en desacuerdo; 5 = muy de acuerdo). Las preguntas son: "He enviado a las personas a sitios de internet desagradables"; "Me gusta molestar insultar o burlarme de las personas", "Me gusta molestar a otros jugadores en los juegos de video" y "Mientras más linda es una cosa, más me gusta destruirla". Las primeras tres preguntas miden cómo el comportamiento de trolling se trata de llevar a cabo el comportamiento de Trolling y disfrutarlo, mientras que la última pregunta denota la identificación con la cultura de Trolling. Este instrumento arrojó un alfa de Cronbach de .72 para el presente estudio. En el presente trabajo se usó la versión al español argentino de Resett y González Caino (2019) que mostró una estructura unifactorial y alfas de Cronbach .74, como validez de constructo con respecto al uso problemático de nuevas tecnologías y la personalidad oscura en adultos argentinos.

 

Procedimientos de recolección de datos

Todos los datos fueron recolectados a través de la plataforma Google Forms, y compartido a través de redes sociales como Instagram, Facebook y Whatsapp, asegurando la confidencialidad y el anonimato de los participantes, e informando que las respuestas serían utilizadas solamente con fines académicos. Todos los participantes aceptaban participar del estudio dando un click en la opción Aceptar luego de leer el consentimiento informado del estudio. Si los participantes no tildaban el aceptar participar voluntariamente no podían completar el cuestionario. El formulario incluía una explicación de los propósitos del estudio, el aseguramiento del anonimato, confidencialidad y participación voluntaria, los requisitos de participación (ser mayor de edad, residir en CABA O GBA, entre otros) y los cuestionarios. También se incluía el nombre de los responsables del estudio y un contacto. La investigación fue aprobada por la universidad de filiación de los autores del manuscrito.

 

Procedimiento de análisis de datos

Los análisis descriptivos (medias, desvíos, mínimos y máximos), al igual que los análisis de regresión múltiple en bloque, correlaciones de Pearson y comparaciones de medias fueron realizados con el Software SPSS 23 con el método intro (enter) y se solicitó el cambio de significación para observar si el segundo bloque era significativo a un nivel p < .05 que es el habitualmente usado en ciencias sociales. El modelo de ecuaciones estructurales fue realizado a través del software AMOS 21, utilizando como método de estimación máxima verosimilitud. El modelo de ecuaciones estructurales aporta la ventaja de permitir un análisis más complejo de las relaciones entre las variables y la incorporación de constructos latentes en dicho análisis (Kline, 2015). A su vez, los sistemas de ecuaciones estructurales posibilitan el análisis de las relaciones dependientes tanto múltiples como cruzadas, representar los conceptos no observados y a su vez, tener en cuenta el error de medida en la estimación (Escobedo Portillo, Hernández Gómez, Estebané Ortega & Martínez Moreno, 2016). Del mismo modo, el modelo de ecuaciones estructurales aporta la ventaja de permitir un análisis más complejo de las relaciones entre las variables, como la incorporación de constructos latentes en dicho análisis (Kline, 2015). Previamente a poner a prueba el modelo, se tuvo en cuenta que las variables exógenas sean sólidos predictores demostrados por la literatura científica con respecto a la variable endógena (como lo eran el sadismo y la adicción a internet), que exista una relación lineal entre las variables y considerar la homocedasticidad y normalidad en la distribución de los residuos (Kline, 2015; Tabachnick & Fidell, 2014). La asociación de las variables era lineal y en la dirección esperada (rs = .20 y .29 para trolling y sintomatología y disfuncionalidad, respectivamente, y rs = .45 y .54 para trolling y sadismo vicario y directo, respectivamente). Con respecto a los residuos de las variables exógenas –puntajes de sadismo y adicción a internet- con respecto al trolling, su asimetría era 1.09 y su curtosis 2.08. Por otra parte, había evidencia de independencia de los residuos con la prueba Durbin-Watson debido a que el mismo era 1.92 –muy cercano a 2- y el gráfico de dispersión entre los valores predichos y los residuos señalaban una distribución no asociada o independiente de los puntajes. En lo relativo a la normalidad en la distribución, se detectaba significatividad estadística –lo cual indicaba distribución anormal-, aunque marginal (p < .06). Por ende, se decidió a poner a prueba el modelo estructural.

Para evaluar el ajuste del modelo, se tuvo en cuenta CFI y TLI los cuales deben ser por arriba de .90, y RMSEA y SRMR estar por debajo de.10 para ser aceptables (Bentler, 1992; Byrne, 2010). También se señalan criterios de un CFI y TLI mayor de .95 y RMSEA y SRMR menor de.05 (Hu & Bentler, 1999). Hay criterios más actuales de CFI y TLI menores a .97. (Hair, Black, Babin, & Anderson, 2010). Los datos de las variables tenían una distribución relativamente normal, con la excepción de las preguntas de trolling, cuyos valores para curtosis iban de -.918 a 4.052 y para asimetría iban de .330 a 2.071, pero no eran valores extremos. Valores mayores de 3 de asimetría y de curtosis de 8 a 20 son considerados extremos (Kline, 2015; Tabacknick & Fidell, 2014). Como casi todas las variables tenían una distribución normal y el trolling solamente se apartaba ligeramente de la normalidad, los modelos de SEM se pusieron a prueba con el método de máxima verosimilitud ML.

 

Aspectos éticos

Todos los datos fueron recolectados a través de la plataforma Google Forms, y compartido a través de redes sociales como Instagram, Facebook y Whatsapp, asegurando la confidencialidad y el anonimato de los participantes, e informando que las respuestas serían utilizadas solamente con fines académicos. Todos los participantes aceptaban participar del estudio dando un click en la opción Aceptar luego de leer el consentimiento informado del estudio para asegurar la participación voluntaria. Si los participantes no tildaban el aceptar participar voluntariamente, no podían completar el cuestionario. El formulario incluía una explicación de los propósitos del estudio, el aseguramiento del anonimato, confidencialidad y participación voluntaria, los nombres y filiaciones de los responsables del estudio, los requisitos de participación (ser mayor de edad, residir en CABA O GBA, entre otros), los e-mails de los autores para cualquier duda o consulta y -finalmente- los cuestionarios. La investigación fue aprobada por un comité de ética de la Universidad Argentina de la Empresa (código del proyecto A19S21). Los datos se recogieron entre marzo y junio del año 2020. Se tardaba alrededor de 25 minutos en completar los cuestionarios.

 

RESULTADOS

En la tabla 1, se muestran las medias y desviaciones de los puntajes de las dimensiones de sadismo, adicción a Internet y Trolling.

 

 

Con respecto al objetivo de determinar si la edad se asociaba con el Trolling, los resultados indicaban una correlación negativa significativa r = -.13 p < .001. En lo referente al género, mujeres y varones diferían en los puntajes de Trolling ya que los varones mostraban niveles más elevados t (706) = 7.24 p < .001, con M = 6.60 (DE = 3.07) para los varones y M = 5.14 (DE = 2.01) para las mujeres.

Para determinar la contribución específica de cada una de las dimensiones del sadismo como de la adicción a Internet, se realizó un análisis de regresión múltiple en bloque en el cual se colocaron los puntajes de sadismo en el primer bloque y los puntajes de adicción a Internet en un segundo bloque. El análisis arrojó un modelo estadísticamente significativo (p < .001), explicando una varianza total de 34% con el primer bloque y un 36% con el segundo bloque, mostrando un incremento estadísticamente significativo (p < .001). Los principales predictores fueron los dos tipos de sadismo: directo (t = 11.09, β = .38, p < .001) y el vicario (t = 7.119, β = .24, p < .001). A su vez, la dimensión disfuncionalidad de la adicción a Internet (t = 3.293, β = .11, p < .001) resultó también ser un predictor positivo del Trolling.

 

 

 

Para analizar los efectos del Sadismo, tanto vicario como directo, como la adicción a Internet, sintomatología y disfuncionalidad, sobre el Trolling se procedió a realizar un modelo de ecuaciones estructurales. En la figura 1, se puede observar el modelo sin restricciones, donde se ubicó al sadismo y a la adicción a Internet como variables observables, mientras al puntaje total de Trolling como variable endógena. Este modelo arrojó un buen ajuste de los datos (CFI = .99, TLI = .98, RMSEA = .04; x2 (3) = 6.995, p < .072). Además, el valor de p para el x2 no era significativo. Este modelo mostró un efecto directo del sadismo sobre el Trolling (β = .605, S.E = .054, p < .001). A su vez, se observó un efecto directo del sadismo sobre la adicción a internet (β = .370, S.E = .071, p < .001).

 

 

 

DISCUSIÓN

El estudio de los comportamientos aversivos a través de Internet ha crecido en los últimos años, pero sin embargo siguen siendo poco estudiados en Latinoamérica (González Caino & Resett, 2018). Estudios anteriores han demostrado la importancia del sadismo en la realización de conductas de Trolling a nivel internacional (Buckels et al., 2014; Sest & March, 2017). Por esto, la importancia del presente estudio radica en ser el primero en analizar predictores del fenómeno Trolling en población argentina, dado los problemas psicológicos que causa recibir esta forma de comportamiento problemático. Además, usó modelos de ecuaciones estructurales. Para esto se conformó una muestra intencional de 708 adultos, de (56% eran de género femenino), con una media de edad de 25 años. Todos los participantes respondieron a una batería de instrumentos, la cual estaba formada por el cuestionario global de Trolling (Sest & March, 2017), la escala de variedades de tendencias sádicas (Paulhus, Jones, Dutton & Klomsky, 2011), la escala de adicción a Internet (Lam – Figueroa et al, 2011) y preguntas demográficas.

Semejante a lo encontrado en estudios anteriores, ambas dimensiones del sadismo cotidiano fueron encontradas como los mayores predictores de la conducta Trolling. Estos resultados siguen confirmando el papel protagónico del sadismo en comportamientos aversivos a través de Internet (Buckels et al, 2014; Cracker & March, 2016; Sest & March, 2017). El disfrute y placer por ejercer daño sobre otros, característica destacada del sadismo directo, se interpreta como una motivación para la conducta de Trolling online, explicando por qué resultó ser el mayor predictor de esta conducta. El sadismo vicario, o la capacidad de disfrutar de cómo otros causan daño a un individuo, se explica a través de la motivación por imitar estas conductas de Trolling, habiendo disfrutado, por ejemplo, posts o mensajes en donde se estuvieran realizando el comportamiento de Trolling. Ambas dimensiones de sadismo describen personas que son emocionalmente crueles y con deficiencias morales, apareciendo en distintas partes de internet para realizar estos comportamientos (Greitmeyer & Mugge, 2014; Cracker & March, 2016). A su vez, la disfuncionalidad de la adicción a Internet también demostró contribuir como predictora del Trolling, aunque su tamaño del efecto era mucho más pequeño en comparación con el sadismo, como indican numerosas investigaciones sobre que el mejor predictor del trolling es el sadismo (Cracker & March, 2016; Sest & March, 2017). Publicaciones anteriores (por ejemplo, Alimoradi et. al, 2019; Neverkovich et. al. 2017) señalan las consecuencias de la adicción a Internet. En este caso, el aumento de tiempo en Internet hace que los individuos sean más propicios a estar expuestos y realizar a conductas de Trolling y, teniendo ya características propias de personalidad, hacerse partícipes de esta conducta (Lopes & Yu, 2017). También el pequeño efecto de la adicción sobre el trolling puede explicarse por el efecto de la desinhibición y percepción de anonimato (Fichman & Sanfilippo, 2016) que generan las nuevas tecnologías para agredir a otros o desinhibirse, como han detectado otros estudios (Gámez-Guadix, Borrajo, & Almendro, 2016).

Se detectó una asociación con la edad al igual que estudios anteriores en donde también a menor edad, mayores niveles de Trolling (Buckels et al., 2014, Craker & March, 2016; Resett & González Caino, 2019), sumando más evidencia a estos hallazgos. En lo que refiere a las diferencias según el género, el presente estudio encontró diferencias en Trolling en favor del grupo masculino en comparación al femenino, lo que coincide con otras investigaciones a este respecto (Buckels et al, 2014; Fichman & Sanfilippo, 2016; Sest & March, 2017).

Un análisis de ecuaciones estructurales, objetivo número dos del presente trabajo, mostró los distintos efectos del sadismo cotidiano y la adicción a Internet sobre el Trolling. Se encontró un efecto directo del sadismo sobre la adicción a Internet y sobre el Trolling. Que el sadismo sea un significativo predictor del trolling es coincidente con muchos estudios internacionales (Buckels et al., 2018; Cracker & March, 2016; Sest & March, 2017), lo cual se explica porque el trolling es una agresión muchas veces aleatoria y sin un fin más que el placer de molestar a cualquier sujeto (Buckels et al., 2014; Zezulka & Seigfried-Spellar, 2016). Incluso, muchos estudios detectaron que el sadismo es un predictor significativo controlando las tendencias agresivas y otros rasgos de la personalidad oscura (Buckels et al., 2018). Sin embargo, en modelo de SEM se observó que la adicción de internet no tenía un efecto sobre el trolling. Esto indica que –tal vez- es el sadismo el que hace covariar al Trolling y a la adicción de internet. Numerosos estudios indicaron que numerosos rasgos de la personalidad oscura, entre ellos el sadismo, se asocian con mayor uso problemático de las nuevas tecnologías; por ejemplo, sujetos con perfiles altos en sadismo presentan un mayor uso de sexo online (Kircaburun & Griffiths, 2018). Es posible que el perfil de personalidad de estos sujetos, sádicos y, quizás, buscadores de sensaciones, usen las ventajas de las nuevas tecnologías, como anonimato y desinhibición, para satisfacer sus tendencias agresivas y sexuales. Más investigaciones es necesaria a este respecto para determinar cómo es el perfil de personalidad de estos sujetos, desde la personalidad oscura, por ejemplo, y cómo es la relación de los mismos con el trolling y otras problemáticas relacionadas con las nuevas tecnologías de la información.

El presente estudio tiene algunas limitaciones a ser tenidas en cuenta. En primer lugar, la muestra utilizada fue intencional a partir de 708 participantes de la Cuidad de Buenos Aires y Gran Buenos Aires, lo que limita su poder de generalización. Por otro lado, los datos fueron recolectados a través de autoinformes, el cual presenta conocidas limitaciones, como, por ejemplo, la deseabilidad social –más aún en una variable como el Trolling-, subjetividad de las respuestas, la tendencia a dar respuestas extremas, etc. Esto puede resultar una limitación importante, ya que se están midiendo conductas socialmente aversivas. Por otra parte, al haber medido todas las variables con el autoinforme esto aumenta artificialmente las relaciones entre las variables. A su vez, este es un estudio transversal, lo cual también conlleva los problemas de tener una sola medida en el tiempo y no poder inferir la direccionalidad de las variables. También, el haber muestreado en un formato online esto puede introducir un sesgo y –además- el investigador no está presente para evacuar dudas o monitorear la actitud de los participantes.

Estudios futuros pueden utilizar otras variables aversivas que pueden explicar el fenómeno Trolling, como la psicopatía, la justificación de la agresión, los motivos para llevar a cabo dicha conducta, o medir otros comportamientos negativos de la Internet, como el Cyberbullying o el Flamming para observar su relación con el Trolling. Es necesario, del mismo modo, que futuros estudios examinen también los efectos psicosociales de las víctimas del Trolling, para determinar si sus correlatos para la salud mental son igual de negativos que los del Cyberbullying, por ejemplo. Además, futuras líneas de investigación deben utilizar diseños longitudinales y con muestras de mayor tamaño y recolectadas de forma aleatoria. Un diseño longitudinal permitirá evaluar la direccionalidad entre el sadismo y el Trolling, como entre el uso problemático de Internet y el Trolling, analizando así la direccionalidad entre las variables. Es posible que existan relaciones bidireccionales entre las conductas. Es posible que el uso problemático de las nuevas tecnologías sea un predictor del Trolling, pero también que mayores niveles de Trolling y el placer que genera dicha conducta conlleven a usar la Internet con mayor frecuencia. A su vez, se debe emplear otras técnicas de recolección de datos, además del autoinforme para evitar las limitaciones del mismo, sobre todo, en una conducta como aquí la examinada. Finalmente, se debería trabajar en actividades de prevención de la problemática desde un enfoque del uso seguro de las nuevas tecnologías.

 

ORCID

Pablo Christian González Caino https://orcid.org/0000-0003-2387-5777

Santiago Resett https://orcid.org/0000-0001-7337-0617

 

CONTRIBUCIÓN DE LOS AUTORES

Pablo Christian González Caino: Conceptualización; Investigación; Metodología; Análisis formal; Escritura - Borrador original; Escritura - Revisión y edición.

Santiago Resett: Metodología; Análisis formal; Escritura - Borrador original; Escritura - Revisión y edición.

 

FUENTE DE FINANCIAMIENTO

El estudio fue autofinanciado.

 

CONFLICTO DE INTERESES

Los autores declaramos que no existe conflicto de intereses.

 

AGRADECIMIENTOS

No aplica.

 

PROCESO DE REVISIÓN

Este estudio ha sido revisado por pares externos en modalidad de doble ciego.

 

DECLARACIÓN DE DISPONIBILIDAD DE DATOS

Los datos serán compartidos dentro de la plataforma de Interacciones como archivos complementarios (material suplementario 1).

 

DESCARGO DE RESPONSABILIDAD

Los autores son responsables de todas las afirmaciones realizadas en este artículo. Interacciones ni el Instituto Peruano de Orientación Psicológica se hacen responsables sobre las afirmaciones realizadas en este documento.

 

REFERENCIAS

Alimoradi, Z., Lin, C.-Y., Broström, A., Bülow, P.H., Bajalan, Z., Griffiths, M.D., Ohayon. M.M., & Pakpour, A.H. (2019). Internet addiction and sleep problems: A systematic review and meta-analysis. Sleep Medicine Reviews, 47, 51-61. https://doi.org/10.1016/j.smrv.2019.06.004

Baloğlu, M., Ozteke-Kozan, H. I., & Kesici, Ş. (2018). Gender differences in and the relationships between social anxiety and problematic Internet use: Canonical analysis. Journal of Medical Internet Research, 20(1), e33. https://doi.org/10.2196/jmir.8947

Bauman, S., Toomey, R.B., & Walker, J.L. (2013). Associations among bullying, cyberbullying, and suicide in high school students. Journal of Adolescence, 36 (2), 341-350. https://10.1016/j.adolescence.2012.12.001

Bentler, P. M. (1992). On the fit of models to covariances and methodology to the Bulletin. Psychological Bulletin, 112(3), 400-404. https://doi.org/10.1037/0033-2909.112.3.400

Buckels, E. E., Trapnell, P. & Andjelovic, T., & Paulhus, D. L. (2018). Internet Trolling and Everyday Sadism: Parallel Effects on Pain Perception and Moral Judgment. Journal of Personality, 87(2), 328-340. https://doi.org/10.1111/jopy.12393

Buckels, E., Trapnell, P., & Paulhus, D. (2014). Trolls just want to have fun. Personality and Individual Differences, 67, 97-102. https://doi.org/10.1016/j.paid.2014.01.016

Byrne, B. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming. Nueva York: Routledge. https://doi.org/10.4324/9781410600219

Byun, S., Ruffini, C., Mills, J., Douglas, A., Niang, M., Stepchenkova, S., Lee, K., Loutfi, J., Lee, J., Atallah, M., & Blanton, M. (2009). Rapid Communication Internet Addiction: Metasynthesis of 1996–2006 Quantitative Research. Cyberpsychology & Behavior, 12(2), 36-46. https://10.1089/cpb.2008.0102

Cleckley, H. (1941). The mask of sanity. Saint Louis: Mosby. https://doi.org/10.1080/00325481.1951.11694097

Craker, N., & March, E. (2016). The dark side of Facebook®: The Dark Tetrad, negative social potency, and trolling behaviours. Personality and Individual Differences, 102, 79-84. https://10.1016/j.paid.2016.06.043

Crystal, D. (2001). Language and the Internet. Nueva York: Cambridge University Press.

Dynel, M. (2016). “Trolling is not stupid”: Internet trolling as the art of deception serving entertainment’. Intercultural Pragmatics, 13(3), 353-381. https://doi.org/10.1515/ip-2016-0015

Escobedo Portillo, M. T., Hernández Gómez, J. A., Estebané Ortega, V., & Martínez Moreno, G. (2016). Modelos de ecuaciones estructurales: Características, fases, construcción, aplicación y resultados. Ciencia & trabajo, 18(55), 16-22. https://doi.org/10.4067/s0718-24492016000100004

Fichman, P., & Sanfilippo, M. R. (2016). Online trolling and its perpetrators: Under the

 cyberbridge. Lanham: Rowman & Littlefield.

Gámez-Guadix, Manuel & Borrajo, Erika & Almendros, Carmen. (2016). Risky online behaviors among adolescents: Longitudinal relations among problematic Internet use, cyberbullying perpetration, and meeting strangers online. Journal of Behavioral Addictions, 5, 100-107. https://10.1556/2006.5.2016.013.

Greitemeyer, T., & Mügge, D. O. (2014). Video games do affect social outcomes: A meta-analytic review of the effects of violent and prosocial video game play. Personality and social psychology bulletin, 40(5), 578-589. https://doi.org/10.1177/0146167213520459

González Caino, P., López, J. I., Cabrera, M., Montejano, G., Germanovich, A., Ortadag, G. G., & Resett, S. (2018). Propiedades psicométricas de la Escala VAST de tendencias sádicas en una muestra de adultos argentinos. Trabajo presentando en el X Congreso de investigación y práctica profesional en psicología, Buenos Aires, Argentina.

Hair, J. F., Black, W. C., Babin, B.J., & Anderson, R.E. (2010). Multivariate Data Analysis. Nueva York: Pearson. https://doi.org/10.1007/978-3-030-06031-2_16

Hare, R. D. (2006). Psychopathy: A clinical and forensic overview. Psychiatric Clinics, 29(3), 709-724. https://doi.org/10.1016/j.psc.2006.04.007

Hare, R. D., & Neumann, C. S. (2008). Psychopathy as a clinical and empirical construct. Annu. Rev. Clin. Psychol., 4, 217-246. https://doi.org/10.1146/annurev.clinpsy.3.022806.091452

Hinduja, S., & Patchin, J.W. (2010). Bullying, cyberbullying, and suicide. Archives of Suicide Research, 14(3), 206- 221. https://doi.org/10.1080/13811118.2010.494133

Hu, L.T., & 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

Fichman, P., & Sanfilippo, M. R. (2016). Online trolling and its perpetrators: Under the cyberbridge. Rowman & Littlefield.

 Johnson, N., Cooper, R., & Chin, W. (2008). The effect of flaming on computer-mediated negotiations. Journal European Journal of Information Systems, 17(4), 417-434. https://doi.org/10.1057/ejis.2008.22

Kircaburun, K., & Griffiths, M. D. (2018). Instagram addiction and the Big Five of personality: The mediating role of self-liking. Journal of Behavioral Addictions, 7(1), 158–170. https://doi.org/10.1556/2006.7.2018.15

Kline, R. (2015). Principles and practice of structural equation modeling. 4th edition. Nueva York: Guilford.

Kowalski, R.M., Giumetti, G.W., Schroeder, A.N., & Lattanner, M.R. (2014). Bullying in the Digital Age: A Critical Review and Meta-Analysis of Cyberbullying Research Among Youth. Psychological Bulletin, 140(4), 15-33. https://doi.org/10.1037/a0035618

Lam-Figueroa, N., Contreras-Pulache, H., Mori-Quispe, E., Nizama-Valladolid, M., Gutiérrez, C., Hinostroza-Camposano, W., Torrejón Reyes, E., Hinostroza-Camposano, R. … Hinostroza-Camposano, W. (2011). Adicción a internet: Desarrollo y validación de un instrumento en escolares adolescentes de Lima, Perú. Revista Peruana de Medicina Experimental y Salud Publica, 28(3), 462-469. https://10.17843/rpmesp.2011.283.524

Lilienfeld, S. O., & Andrews, B. P. (1996). Development and preliminary validation of a self-report measure of psychopathic personality traits in noncriminal populations. Journal of Personality Assessment, 66(3), 488–524. https://doi.org/10.1207/s15327752jpa6603_3

Lopes, B., & Yu, H. (2017). Who do you troll and Why: An investigation into the relationship between the Dark Triad Personalities and online trolling behaviours towards popular and less popular Facebook profiles. Computers in Human Behavior, 77, 69-76. https://doi.org/10.1016/j.chb.2017.08.036

March, E., Grieve, R., Marrington, J., & Jonason, P. K. (2017). Trolling on Tinder® (and other dating apps): examining the role of the Dark Tetrad and impulsivity. Personality and Individual Differences110, 139-143. https://10.1016/j.paid.2017.01.025

McCord, W., & McCord, J. (1956). Psychopathy and delinquency.

Mehari, K. R., Farrell, A. D., & Le, A. H. (2014). Cyberbullying among adolescents: Measures in search of a construct. Psychology of Violence, 4(4), 399–415. https://doi.org/10.1037/a0037521

Neverkovich S., Bubnova, I., Kosarenko, N., Sakhieva, R., Sizova, Z., Zakharova V., & Sergeeva, M. (2018). Students’ Internet Addiction: Study and Prevention. Eurasia Journal Math Sci Tech Ed, 14(4), 1483-1495. https://doi.org/10.29333/ejmste/83723

Nicol, S. (2012). Cyber-bullying and trolling. Youth Studies Australia31(4), 3.

Paulhus, D. L., & Dutton, D. G. (2016). Everyday sadism. En V. Zeigler-Hill & D. K. Marcus (Eds.), The dark side of personality: Science and practice in social, personality, and clinical psychology (p. 109–120). American Psychological Association: Washington. https://doi.org/10.1037/14854-006

Paulhus, D. L., Jones, D. N., Dutton, D. G., & Klonsky, E. D. (2011). Sadistic personality and its everyday correlates. Unpublished manuscript, University of British Columbia, Vancouver, Canada.

Paulhus, D. L., & Williams, K. M. (2002). The Dark Triad of personality: Narcissism, Machiavellianism, and psychopathy. Journal of Research in Personality, 36(6), 556– 563. https://10.1016/S0092-6566(02)00505-6

Pinker, S. (2011). Taming the devil within us. Nature, 478, 309–311. https://doi.org/10.1038/478309a

Resett, S., & Caino González, P. (2019). Propiedades psicométricas de un Cuestionario de Trolling en una muestra argentina. Revista Argentina de Ciencias del Comportamiento, 11(1), 48-57.

Seigfried-Spellar, K., Villacis Vukadinovic, N., & Lynam, D. (2017). Computer criminal behavior is related to psychopathy and other antisocial behavior. Criminal Justice, 51, 67-73. https://10.1016/j.jcrimjus.2017.06.003.

Sest, N., & March, E. (2017). Constructing the cyber-troll: Psychopathy, sadism, and empathy. Personality and Individual Differences, 119, 69-72. https://10.1016/j.paid.2017.06.038.

Tabachnick, B. G., & Fidell, L. S. (2014). Using multivariate statistics. Massachusetts: Allyn & Bacon/Pearson Education.

Walsh, Z., Swogger, M. T., & Kosson, D. S. (2009). Psychopathy and instrumental violence: Facet level relationships. Journal of personality disorders, 23(4), 416-424. https://doi.org/10.1521/pedi.2009.23.4.416

Wong, D.S.W., Chan, H.C., & Cheng, C.H.K. (2014). Cyberbullying perpetration and victimization among adolescents in Hong Kong. Children and Youth Service Review, 36, 133-140 https://10.1016/j.childyouth.2013.11.006

Zezulka, L. & Seigfried-Spellar, K. (2016). Differentiating Cyberbullies and Internet Trolls by Personality Characteristics and Self-Esteem. Journal of Digital Forensics, Security and Law. 11(3), 7-25. https://doi.org/10.15394/jdfsl.2016.1415