Desarrollo y validación de la Escala de Fatiga con las Redes Sociales y su predicción a partir de la personalidad normal, patológica y positiva
Development and validation of the Social Media Fatigue Scale and its prediction based on normal, pathological, and positive personality traits
DOI:
https://doi.org/10.17081/psico.28.54.6899Palabras clave:
rasgos de personalidad normal, rasgos de personalidad patológicos, rasgos de personalidad positivos, fatiga con redes socialesResumen
Objetivos: (a) desarrollar y validar la Escala de Fatiga con las Redes Sociales (FRS) y (b) analizar la contribución incremental de los rasgos de personalidad normales y patológicos para predecir la FRS, así como el efecto moderador de los rasgos de personalidad positivos entre FRS y malestar psicológico.
Método: Estudio transversal, no experimental, con muestreo no probabilístico por conveniencia. Participaron 496 sujetos de población general argentina (53% mujeres, 46.6% varones, 0.2% otros géneros y el 0.2% no respondió; M edad= 40.6; DE edad = 14.85). Además de la prueba construida, se administraron: The Mental Health Continuum Short Form; Depression, Anxiety and Stress Scale; Iowa Netherlands Comparison Orientation Measure; Big Five Inventory y el Inventario de los Cinco Continuos de laPersonalidad.
Resultados: El análisis factorial exploratorio reveló una estructura de tres factores (cognitivo, emocional y conductual) que explicaban el 59.79% de la varianza. Se obtuvo una escala de 12 ítems con buenos valores de fiabilidad y validez. La versión final de 12 ítems presentó fiabilidad satisfactoria (α_total = 0.82; α_cognitiva = 0.70; α_emocional = 0.70; α_conductual = 0.69). Mediante dos análisis de regresiones jerárquicas se determinó que los rasgos patológicos añadieron varianza significativa sobre los rasgos normales para FRS-emocional (ΔR² = .06; R²_final = .15) y FRS-cognitiva (ΔR² = .03; R²_final = .07); para FRS conductual la mejora no fue significativa (ΔR² = .01). El neuroticismo, el afecto negativo y el desapego emergieron como predictores claves. Asimismo, los rasgos de personalidad positivos moderan la relación entre FRS y estrés (β_interacción =-.02; p = .007), indicando un efecto amortiguador pequeño.
Conclusiones: La FRS aporta evidencias sólidas de validez estructural y fiabilidad, subraya la utilidad de integrar rasgos normales, patológicos y positivos de la personalidad para comprender la fatiga con las redes sociales.
Limitaciones: Entre las limitaciones se destacan el diseño transversal, el muestreo no probabilístico y el uso exclusivo de autoinformes, lo que restringe la inferencia causal y la generalización de los resultados.
Aplicaciones: La escalas de FRS puede aplicarse en contextos clínicos, educativos y organizacionales para detectar usuarios en riesgo de malestar asociado al uso excesivo de redes sociales.
Descargas
Citas
Ahmed, O., Walsh, E. I., Dawel, A., Alateeq, K., Oyarce, D. A. E., & Cherbuin, N. (2024). Social media use, mental health and sleep: A systematic review with meta-analyses. Journal of affective disorders, 367, 701-712. https://doi.org/10.1016/j.jad.2024.08.193
American Psychiatric Association (2013). Diagnostic and Statistical Manual of Mental Disorders (DSM-5®). American Psychiatric Pub.
Amichai-Hamburger, Y., & Vinitzky, G. (2010). Social network use and personality. Computers in Human Behavior, 26, 1289-1295. https://doi.org/10.1016/j.chb.2010.03.018
Antúnez, Z., & Vinet, E. V. (2012). Escalas de Depresión, Ansiedad y Estrés (DASS - 21): Validación de la versión abreviada en estudiantes universitarios chilenos. Terapia Psicológica, 30(3), 49-55. https://doi.org/10.4067/S0718-48082012000300005
Ashiru, Ja., Oluwajana, D., & Biabor, O. S (2023). Is the Global Pandemic driving me crazy? The relationship between personality traits, Fear of Missing Out, and social media fatigue during the COVID-19 Pandemic in Nigeria. International Journal of Mental Health and Addiction, 21, 2309–2324. https://doi.org/10.1007/s11469-021-00723-8
Bawden, D., & Robinson, L. (2009). The dark side of information: overload, anxiety and other paradoxes and pathologies. Journal of Infor-mation Science, 35(2), 180-191. https://doi.org/10.1177/0165551508095781
Benjamini, Y., & Hochberg, Y. (1995). Controlling the false dis covery rate: A practical and powrful approach to multiple testing. Journal of the Royal Statistical Society. Series B (Methodological), 57(1), 289-300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
Bright, L. F., Kleiser, S. B., & Grau, S. L. (2015). Too much Facebook? An exploratory examination of social media fatigue. Computers in Human Behavior, 44, 148–155. https://doi.org/10.1016/j.chb.2014.11.048
Buunk, A., Belmonte, J., Peiró, J., Zurriaga, R., & Gibbons, F. (2005). Diferencias individuales en la comparación social: propiedades de la escala española de orientación hacia la comparación social. Revista Latinoamericana de Psicología, 37(3), 561-579. https://pepsic.bvsalud.org/scielo.php?script=sci_arttex-t&pid=S0120-05342005000300008
Castro Solano, A., & Casullo, M. M. (2001). Rasgos de personalidad, bienestar psicológico y rendimiento académico en adolescentes argentinos. Interdisciplinaria, 18(1), 65–85. http://www.redalyc.org/articulo.oa?id=18011326003
Castro Solano, A., & Lupano Perugini, M. L. (2019). Perfiles diferenciales de usuarios de internet, factores de personalidad, rasgos positivos, síntomas psicopatológicos y satisfacción con la vida. Revista Iberoamericana de Evaluación y Diagnóstico Psicológico, 54(4), 79-90. https://doi.org/10.21865/RIDEP53.4.06
Castro Solano, A., & Lupano Perugini, M. L. (2025). The High Five Model as a Predictor of the Optimal Occupational and Personal Functioning of Workers Through Machine Learning Algorithms. Psychological Reports, online first, https://doi.org/10.1177/00332941251343544
Chai, S., & Kim, M. (2012). A socio-technical approach to knowledge contribution behavior: An empirical investigation of social networking sites users. International Journal of Information Management, 32(2), 118–126. https://doi.org/10.1016/j.ijinfomgt.2011.07.004
Chen, B., Sun, X., Zhang, Q., & Yao, L. (2024). Are fatigued users fleeing social media? A three-level meta-analysis on the association between social media fatigue and social media use. Psychology of Popular Media, 13(3), 457–471. https://doi.org/10.1037/ppm0000495
Chen, W., & Lee, K. H. (2013). Sharing, liking, commenting, and distressed? The pathway between Facebook interaction and psychological distress. Cyberpsychology, Behavior, and Social Networking, 16(10), 728-734. https://doi.org/10.1089/cyber.2012.0272
Choi, S. B., & Lim, M. S. (2016). Effects of social and technology overload on psychological well-being in young South Korean adults: The mediatory role of social network service addiction. Computers in Human Behavior, 61, 245–254. https://doi.org/10.1016/j.chb.2016.03.032
Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Second Edition. LEA.
Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). (2006). Lineamientos para el comportamiento ético en las Ciencias Sociales y Humanidades (CSyH) (Resolución D N.º 2857/06).
Costa, P. T., & McCrae, R. R. (1980). Influence of extra version and neuroticism on subjective well-being: happy and unhappy people. Journal of Personality and Social Psychology, 38(4), 668 https://doi.org/10.1037//0022-3514.38.4.668
Costa, P. T., & McCrae, R. R. (1985). The NEO Perso-nality Inventory Manual. Psychological Assessment Resources.
Cramer, E. M., Song, H., & Drent, A. M. (2016). Social comparison on Facebook: Motivation, affective consequences, self-esteem, and Facebook fatigue. Computers in Human Behavior, 64, 739–746. https://doi.org/10.1016/j.chb.2016.07.049
Cunningham, S., Hudson, C. C., & Harkness, K. (2021). Social media and depression symptoms: A meta-analysis. Research on Child and Adolescent Psychopathology, 49(2), 241–253. https://doi.org/10.1007/s10802-020-00715-7
de la Iglesia, G., & Castro Solano, A. (2018). The Positive Personality Model (PPM): Exploring a new conceptual framework for personality assessment. Frontiers in Psychology, 9, 2027. https://doi.org/10.3389/fpsyg.2018.02027
de la Iglesia, G. & Castro Solano, A. (2019). Positive Personality Model: Which traits relate to complete mental health as conceived by the dual factor model?. Psychological Thought, 12 (2), 202–213. https://doi.org/10.23668/psycharchives.2714
de la Iglesia, G., & Castro Solano, A. (2023). Análisis psicométricos del Inventario de los Cinco Continuos de la Personalidad, versión corta (ICCP-SF). Interdisciplinaria, 40(1), 98-114. https://doi.org/10.16888/interd.2023.40.1.6
Denissen, J. J. A., & Penke, L. (2008). Motivational individual reaction norms underlying the five-factor model of personality: First steps towards a theory-based conceptual framework. Journal of Research in Personality, 42, 1285–1302. https://doi.org/10.1016/j.jrp.2008.04.002
Dhir, A., Kaur, P., Chen, S., & Pallesen, S. (2019). Antece-dents and consequences of social media fatigue. International Journal of Information Management, 48, 193–202. https://doi.org/10.1016/j.ijinfomgt.2019.05.021
Dhir, A., Yossatorn, Y., Kaur, P., & Chen, S. (2018). Online social media fatigue and psychological wellbeing—A study of compulsive use, fear of missing out, fatigue, anxiety and depression. International Journal of Information Management, 40, 141-152. https://doi.org/10.1016/j.ijinfomgt.2018.01.012
Eidman, L., & de la Iglesia, G. (2021). Positive personality traits as predictors of psychotherapy progress. Journal of Contemporary Psychotherapy, 51(3), 251-258. https://doi.org/10.1007/s10879-021-09490-y
Elosúa, P., & Zumbo, B. D. (2008). Coeficientes de confiabilidad para escalas de respuesta categórica ordenada. Psicothema, 20(4), 896-901.
Eskisu, M., Hosoglu, R., & Rasmussen, K. (2017). An investigation of the relationship between Facebook usage, big five. Self-Esteem and Narcissism. Computers In Human Behavior, 69, 294–301. https://doi.org/10.1016/j.chb.2016.12.036
Fan, X., Jiang, X., Deng, N., Dong, X., & Lin, Y. (2021). Does role conflict influence discontinuous usage intentions? Privacy concerns, social media fatigue and self-esteem. Information Technology & People, 34(3), 1152–1174. https://doi.org/10.1108/ITP-08-2019-0416
Floyd, F. J., & Widaman, K. F. (1995). Factor analysis in the development and refinement of clinical assessment instruments. Psychological Assessment, 7(3), 286–99. https://doi.org/10.1037/1040-3590.7.3.286
Freiberg Hoffmann, A., Stover, J. B., de la Iglesia, G., & Fernández Liporace, M. (2013). Correlaciones policó-ricas y tetracóricas en estudios factoriales explora-torios y confirmatorios. Ciencia Psicológica, 7(2), 151-164. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S1688-42212013000200005
Frison, E., & Eggermont, S. (2015). The impact of daily stress on adolescents’ depressed mood: The role of social support seeking through Facebook. Computers in Human Behavior, 44, 315-325. https://doi.org/10.1016/j.chb.2014.11.070
Gibbons, F. X., & Buunk, B. P. (1999). Individual differences in social comparison: Development of a scale of social comparison orientation. Journal of Personality and Social Psychology, 76, 129-142. https://doi.org/10.1037/0022-3514.76.1.129
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2013). Multivariate data analysis (7ª ed.). Pearson New International.
INDEC (2023). Accesos a internet. Instituto Nacional de Estadísticas y Censos (Argentina). https://www.indec.gob.ar/indec/web/Nivel4-Tema-4-26-153
John, O. (1990). The “Big Five” factor taxonomy: Dimensions of personality in the natural language and in questionnaires. En L. Pervin (Ed.), Handbook of Personality: Theory and Research. Guilford Press.
Kayiş, A. R., Satici, S. A., Yilmaz, M. F., Şimşek, D., Ceyhan, E., & Bakioğlu, F. (2016). Big five-personality trait and internet addiction: A metaanalytic review. Computers in Human Behavior, 63, 35-40. https://doi.org/10.1016/j.chb.2016.05.012
Keyes, C. L. (2005). Mental illness and/or mental health? Investigating axioms of the complete state model of health. Journal of Consulting and Clinical Psychology, 73(3), 539. https://doi.org/10.1037/0022-006X.73.3.539
Krueger, R. F., Derringer, J., Markon, K. E., Watson, D., & Skodol, A. E. (2013). The Personality Inventory for DSM-5—Brief Form (PID-5-BF)—Adult. American Psychiatric Association
Lee, A. R., Son, S. M., & Kim, K. K. (2016). Information and communication technology overload and social networking service fatigue: A stress perspective. Computers in Human Behavior, 55, 51–61. https://doi.org/10.1016/j.chb.2015.08.011
Lee, C. C., Chou, S. T. H., & Huang, Y. R. (2014). A study on personality traits and social media fatigue-example of Facebook users. Lecture Notes on Infor-mation Theory, 2(3). https://doi.org/10.12720/lnit.2.3.249-253
Lee, Y., Jeon, Y.J., Kang, S. et al. Social media use and mental health during the COVID-19 pandemic in young adults: a meta-analysis of 14 cross-sectional studies. BMC Public Health 22, 995 (2022). https://doi.org/10.1186/s12889-022-13409-0
Lin, K. M. (2015). Predicting Asian undergraduates’ intention to continue using social network services from negative perspectives. Behaviour & Information Technology, 34(9), 882-892. https://doi.org/10.1080/0144929X.2015.1027736
Livingstone, S. (2008). Taking risky opportunities in youthful content creation: teenagers’ use of social networking sites for intimacy, privacy and self-ex-pression. New media & society, 10(3), 393-411. https://doi.org/10.1177/1461444808089415
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. https://dx.doi.org/10.6018/analesps.30.3.199361
Logan, K., Bright, L. F., & Grau, S. L. (2018). “Unfriend me, please!”: Social media fatigue and the theory of rational choice. Journal of Marketing Theory and Practice, 26(4), 357–367. https://doi.org/10.1080/10696679.2018.1488219
Lorenzo-Seva, U., & Ferrando, P.J. (2013). FACTOR 9.2. A comprehensive program for fitting exploratory and semiconfirmatory factor analysis and IRT models. Applied Psychological Measurement, 37(6), 497-498. https://doi.org/10.1177/0146621613487794
Lovibond, P. F., & Lovibond, S. H. (1995). The structure of negative emotional states: Comparison of the Depression Anxiety Stress Scales (DASS) with the Beck Depression and Anxiety Inventories. Behaviour research and therapy, 33(3), 335-343. https://doi.org/10.1016/0005-7967(94)00075-U
Lu, H. P., & Hsiao, K.-L. (2010). The influence of extro/introversion on the intention to pay for social networking sites. Information & Management, 47(3), 150–157. https://doi.org/10.1016/j.im.2010.01.003
Lucas, R. E., & Diener, E. (2009). Personality and subjective well-being. En E. Diener (Ed.), The science of well-being: The collected works of Ed Diener (pp. 75–102). Springer Science + Business Media.
Lup, K., Trub, L., & Rosenthal, L. (2015). Instagram# instasad?: exploring associations among instagram use, depressive symptoms, negative social compa-rison, and strangers followed. Cyberpsychology, Behavior, and Social Networking, 18(5), 247-252. https://doi.org/10.1089/cyber.2014.0560
Lupano Perugini, M. L., & Castro Solano, A. (2019). Carac-terísticas psicológicas diferenciales entre usuarios de redes sociales de alta exposición vs. no usuarios. Acta Psiquiátrica y Psicológica de América Latina, 65(1), 5-16 http://hdl.handle.net/11336/118320
Lupano Perugini, M. L., & Castro Solano, A. (2021a). Normal and maladaptive personality traits as predictors of motives for social media use and its effects on well-being. Psychological Reports, 124(3), 1070–1092. https://doi.org/10.1177/0033294120922495
Lupano Perugini, M. L., & Castro Solano, A. (2021b). Rasgos de personalidad, bienestar y malestar psico-lógico en usuarios de redes sociales que presentan conductas disruptivas online. Interdisciplinaria, 38(2), 7-23. http://doi.org/10.16888/interd.2021.38.2.1
Lupano Perugini, M. L., & Castro Solano, A. (2022). Preferencia en la utilización de plataformas y diferentes usos de Internet. El Rol moderador de los rasgos psicopatológicos de personalidad en la relación con el bienestar percibido. Revista Iberoamericana de Diagnóstico y Evaluación Psicológica. RIDEP, 64 (3), 141-155. https://doi.org/10.21865/RIDEP64.3.11
Lupano Perugini, M. L., & Castro Solano, A. (2023a). Diseño y validación de un instrumento para evaluar comportamiento contraproducente online: Rasgos de personalidad como predictores de dichas conductas. Avances En Psicología Latinoamericana , 41(3), 1–18. https://doi.org/10.12804/revistas.urosario.edu.co/apl/a.11415
Lupano Perugini, M. L., & Castro Solano, A. (2023b). Uso pasivo de redes sociales y malestar psicológico. Interdisciplinaria, 40(2), 543-558. https://doi.org/10.16888/interd.2023.40.2.31
Lupano Perugini, M. L., de la Iglesia, G., & Castro Solano, A. (2017). The Mental Health Continuum–Short Form (MHC–SF) in the argentinean context: Confir-matory factor analysis and measurement Invariance. Europe’s Journal of Psychology, 13(1), 93–108, https://doi.org/10.5964/ejop.v13i1.1163
Maier, C., Laumer, S., Weinert, C., & Weitzel, T. (2015). The effects of technostress and switching stress on discountinued use of social networking services: A study of facebook use. Information Systems Journal, 25(3), 275–308. https://doi.org/10.1111/isj.12068
Malik, A., Dhir, A., Kaur, P., & Johri, A. (2020). Correlates of social media fatigue and academic performance decrement: A large cross-sectional study. Information Technology & People, 34(2), 557-580. https://doi.org/10.1108/ITP-06-2019-0289
Marciano, L., Camerini, A.-L., & Schulz, P.J. (2020). Neuro-ticism in the digital age: A meta-analysis. Computers in Human Behavior Reports, 2, 2451-9588, https://doi.org/10.1016/j.chbr.2020.100026
Meynadier, J., Malouff, J. M., Schutte, N. S., & Loi, N. M. (2024). Meta-analysis of associations between five-factor personality traits and problematic social media use. Current Psychology, 43(27), 23016–23035. https://doi.org/10.1007/s12144-024-06052-y
Muthén, B., & Kaplan D. (1985). A comparison of some methodologies for the factor analysis of non-normal Likert variables. British Journal of Mathematical and Statistical Psychology, 38, 171-189. https://doi.org/10.1111/j.2044-8317.1985.tb00832.x
Ngien, A., & Jiang, S. (2022). The effect of social media on stress among young adults during COVID-19 pandemic: Taking into account fatalism and social media exhaustion. Health Communication, 37(10), 1337–1344. https://doi.org/10.1080/10410236.2021.1888438
Nurhamidin, J., & Huwae, A. (2024). Neuroticism trait personality and social media fatigue in early adults. International Journal of Public Health, 13(1), 447-454. http://doi.org/10.11591/ijphs.v13i1.22888
Ou, M., Zheng, H., Kim, H. K., & Chen, X. (2023). A Meta-Analysis of social media fatigue: drivers and a major consequence. Computers in Human Behavior, 140, 107597. http://dx.doi.org/10.1016/j.chb.2022.107597
Padilla-Walker, L. M., Millett, M. A., & Memmott-Elison, M. K. (2020). Can helping others strengthen teens? Character strengths as mediators between prosocial behavior and adolescents’ internalizing symptoms. Journal of Adolescence, 79, 70-80. https://doi.org/10.1016/j.adolescence.2020.01.001
Pang, H. (2021). How compulsive WeChat use and information overload affect social media fatigue and well-being during the COVID-19 pandemic? A stressor-strain-outcome perspective. Telematics and Informatics, 64, Article 101690. https://doi.org/10.1016/j.tele.2021.101690
Peterson, R.A. A meta-analysis of variance accounted for and factor loadings in exploratory factor analysis. Marketing Letters 11, 261–275 (2000). https://doi.org/10.1023/A:1008191211004
Przybylski, A. K., Murayama, K., DeHaan, C. R., & Gladwell, V. (2013). Motivational, emotional, and behavioral correlates of fear of missing out. Computers in human behavior, 29(4), 1841-1848. http://doi.org/10.1016/j.chb.2013.02.014
R Core Team. (2023). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. https://www.r-project.org/
Ravindran, T., Yeow Kuan, A. C., & Hoe Lian, D. G. (2014). Antecedents and effects of social network fatigue. Journal of the Association for Information Science and Technology, 65 (11), 2306–2320. https://doi.org/10.1002/asi.23122
Ryan, T., & Xenos, S. (2011). Who uses Facebook? An investigation into the relationship between the Big Five, shyness, narcissism, loneliness, and Facebook usage. Computers in Human Behavior, 27(5), 1658-1664. https://doi.org/10.1016/j.chb.2011.02.004
Shokouhyar, S., Siadat, S. H.,&Razavi, M. K. (2018). How social influence and personality affect users’ social network fatigue and discontinuance behavior. Aslib Journal of Information Management, 70(4), 344–366. https://doi.org/10.1108/AJIM-11-2017-0263
Statista. (2024). Porcentaje de usuarios de algunas redes sociales en Argentina en 2024. https://es.statista.com/estadisticas/1218938/argentina-porcenta-je-de-usuarios-por-red-social/
Stover, J. B., Fernández Liporace, M., & Castro Solano, A. (2023). Generalized Problematic Internet Use Scale 2: Adaptación para adultos de Buenos Aires. Revista de Psicología, 41(2), 1127-1151. https://doi.org/10.18800/psico.202302.017
Tarafdar, M., Cooper, C. L., & Stich, J.F. (2019). The technostress trifecta - techno eustress, techno distress and design: Theoretical directions and agenda for research. Information Systems Journal, 29(1), 6–42. https://doi.org/10.1111/isj.12169
The jamovi project. (2023). jamovi (Version 2.4) [Computer software]. https://www.jamovi.org/
Vinet, E., Rehbein, L., Román, F., & Saiz, J. (2008). Escalas abreviadas de depresión, ansiedad y estrés (DASS- 21): Versión chilena traducida y adaptada [Manus-crito no publicado]. Universidad de La Frontera.
Woodward, M.J., McGettrick, C.R., Dick, O.G. et al. Time Spent on Social Media and Associations with Mental Health in Young Adults: Examining TikTok, Twitter, Instagram, Facebook, Youtube, Snapchat, and Reddit. J. technol. behav. sci. (2025). https://doi.org/10.1007/s41347-024-00474-y
Xiao, L., & Mou, J. (2019). Social media fatigue-Technological antecedents and the moderating roles of personality traits: The case of WeChat. Computers in Human Behavior, 101, 297–310. https://doi.org/10.1016/j.chb.2019.08.001
Xie, X. Z., & Tsai, N. C. (2021). The effects of negative information-related incidents on social media discontinuance intention: Evidence from SEM and fsQCA. Telematics and Informatics, 56, Article 101503. https://doi.org/10.1016/j.tele.2020.101503
Zhang, Q. (2020). Association between perceived risk and discontinuous use intention among strong relationship social media users. China Economic & Trade Herald, (11), 168–172. https://doi.org/10.3969/j.issn.1007-9777.2020.32.057
Zhang, S., Shen, Y., Xin, T., Sun, H., Wang, Y., Zhang, X., & Ren, S. (2021). The development and validation of a social media fatigue scale: From a cognitive-behavio-ral-emotional perspective. PloS one, 16(1), e0245464. https://doi.org/10.1371/journal.pone.0245464
Zhang, S., Zhao, L., Lu, Y., & Yang, J. (2016). Do you get tired of socializing? An empirical explanation of discontinuous usage behavior in social network services. Information & Management, 53(7), 904–914. https://doi.org/10.1016/j.im.2016.03.006
Zheng, H., & Ling, R. (2021). Drivers of social media fatigue: A systematic review. Telematics and Informatics, 64, 101696. https://doi.org/10.1016/j.tele.2021.101696
Zhu, Y., & Bao, Z. (2018). The role of negative network externalities in SNS fatigue: An empirical study based on impression management concern, privacy concern, and social overload. Data Technologies and Applications, 52(3), 313–328. https://doi.org/10.1108/DTA-09-2017-0063
Zimmermann, J., Altenstein, D., Krieger, T., Holtforth, M. G., Pretsch, J., Alexopoulos, J., ... & Leising, D. (2014). The structure and correlates of self-reported DSM-5 maladaptive personality traits: Findings from two German-speaking samples. Journal of Personality Disorders, 28(4), 518-540. https://doi.org/10.1521/pedi_2014_28_130
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Juliana Beatriz Stover, Alejandro Castro Soalno
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Desde la revista Psicogente impartimos una política de respeto con nuestra comunidad científica incluyendo a nuestros autores. Los autores tienen derecho a un trato respetuoso y atento en el proceso Editorial, que las evaluaciones de sus artículos sean justas, imparciales (para ello la revista procederá con la evaluación doble ciego) y se realicen en un tiempo razonable. Se deberá mantener la confidencialidad y los permisos para proceder con la publicación. Todo cambio solicitado por parte del comité, los pares y el Editor deberán ser explícitos y claramente justificados. Especifica que los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cual estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons BY que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación a esta revista.
Garantizamos un proceso editorial transparente: desde las acciones de recepción del articulo hasta la validación final del mismo, se hará en comunicación constante con el autor. Las modificaciones en el estado de los artículos, así como las diversas decisiones tomadas sobre él y los tiempos de ejecución empleados se realizarán haciendo uso de la plataforma OJS y de ser necesario en contacto directo a través del correo de autores y de la revista Psicogente. Así mismo se procura la escogencia de Pares revisores idóneos: con perfiles y experiencia que lleven a una avaluación de calidad de cada documento sometido a revisión.
Datos de los fondos
-
Universidad de Buenos Aires
Números de la subvención UBACyT 20020190100045BA "Perfil psicológico del usuario de Internet y de las redes sociales. Análisis de las características de personalidad positivas y negativas desde un enfoque psicoléxico y variables psicológicas mediadoras”.
