Avances en Psicología Latinoamericana
ISSN:1794-4724 | eISSN:2145-4515

Vício no Insta: propriedades psicométricas da escala Bergen de adição ao Instagram

Vicio en Instagram: propiedades psicométricas de la Escala Bergen de Adicción al Instagram

Instaddiction: Psychometric Properties of the Bergen Instagram Addiction Scale

Renan P. Monteiro, Tatiana Medeiros Costa Monteiro, Andressa Cristina de Barros Cassaro, Marcela Eduarda Bezerra de Lima, Nathalya Karolline Vasconcelos de Souza, Thatielly Miranda Santos Ribeiro, Thallys Pereira Arantes

Vício no Insta: propriedades psicométricas da escala Bergen de adição ao Instagram

Avances en Psicología Latinoamericana, vol. 38, núm. 3, 2020

Universidad del Rosario

Renan P. Monteiro a

Universidade Federal de Mato Grosso, Brasil


Tatiana Medeiros Costa Monteiro

Centro de Estudos da Família e do Indivíduo, Brasil


Andressa Cristina de Barros Cassaro

Universidade Federal de Mato Grosso, Brasil


Marcela Eduarda Bezerra de Lima

Universidade Federal de Mato Grosso, Brasil


Nathalya Karolline Vasconcelos de Souza

Universidade Federal de Mato Grosso, Brasil


Thatielly Miranda Santos Ribeiro

Universidade Federal de Mato Grosso, Brasil


Thallys Pereira Arantes

Universidade Federal de Mato Grosso, Brasil


Recepção: 27 Julho 2019

Aprovação: 03 Abril 2020

Informação adicional

Para citar este artigo: Monteiro, R. P., Monteiro, T. M. C., Cassaro, A. C. B., Lima, M. E. B., Souza, N. K. V., Ribeiro, T. M. S., & Arantes, T. P. (2020). Vício no Insta: propriedades psicométricas da Escala Bergen de Adição ao Instagram. Avances en Psicología Latinoamericana, 38(3), 1-12. https://doi.org/10.12804/revistas.urosario.edu.co/apl/a.8132

Resumo: O presente artigo objetivou adaptar para o contexto brasileiro a Escala Bergen de Adição ao Instagram (EBAI), reunindo evidências de validade (fatorial, convergente e concorrente) e precisão, além de inspecionar os parâmetros individuais de seus itens (dificuldade e discriminação). Participaram 217 usuários dessa rede social (Midade = 22,04; DPidade = 6,63; 73,7 % mulheres). Os resultados apontaram para a unidimensionalidade da medida, que teve seus itens com discriminação alta e muito alta, de fácil e moderado endosso e que cobriu ampla faixa do traço latente. Ademais, o vício no Instagram se associou positivamente a mal-estar psicológico (e.g., depressão, estresse e ansiedade), além do escore total da EBAI ter predito o uso dessa rede social (e.g., tempo gasto e frequência de postagens). No geral, os resultados demonstraram que a EBAI é uma medida curta e eficiente para a quantificação do vício no Instagram, possibilitando conhecer os antecedentes e as consequências do uso excessivo dessa rede social.

Palavras-chave vício, Instagram, medida, validade, saúde mental.

Resumen: El presente artículo tuvo como objetivo adaptar, para el contexto brasileño, la Escala Bergen de Adicción a Instagram (EBAI), reuniendo evidencias de validez (factorial, convergente y concurrente) y precisión, además de inspeccionar los parámetros individuales de sus ítems (dificultad y discriminación). Participaron 217 usuarios de esa red social (Medad = 22.04; DPedad = 6.63; 73.7 % mujeres). Los resultados apuntaron para la unidimensionalidad de la medida, que tuvo sus ítems con discriminación alta y muy alta, de fácil y moderado endoso y que cubrió amplio rango del rasgo latente. Adicionalmente, el vicio en Instagram se asoció positivamente a malestar psicológico (e.g., depresión, estrés y ansiedad), además del puntaje total de la EBAI haber predicho el uso de esa red social (e.g., tiempo gastado y frecuencia de publicaciones). En general, los resultados demostraron que la EBAI es una medida corta y eficiente para la cuantificación del vicio en Instagram, que permite conocer los antecedentes y consecuencias del uso problemático de esa red social.

Palabras clave: vicio, Instagram, medida, validez, salud mental.

Abstract: The present paper aimed to adapt to the Brazilian context the Bergen Instagram Addiction Scale (bias), gathering evidence of its validity —factorial, convergent, and concurrent— and reliability, and to verify the parameters of the individual items —difficult and discrimination—. Participants were 217 Instagram users (Mage = 22.04; SDage = 6.63; 73.7 % women). The results indicated the unidimensionality of the measure, such that the items presented high and very high discrimination, demanding low or moderate level of the latent trait to be endorsed and covered a wide range of theta. Furthermore, Instagram addiction was positively related to psychological distress (e.g., depression, stress, and anxiety). Additionally, the total score of bias predicted the use of this social media platform (e.g., time spent on Instagram and the frequency of posts). In general, the results demonstrated that bias is a short and efficient measure to operationalize Instagram addiction, enabling studies that aim to explore its antecedents and consequences.

Keywords: Addiction, Instagram, measure, validity, mental health.

Cinquenta e sete por cento das pessoas ao redor do mundo possuem acesso à internet, passando em média 6h42min do dia conectados, das quais 2h16min são dedicadas às redes sociais (We are Social/Hootsuite, 2019). Dados do We are Social/Hootsuite apontam, ainda, que 45 % da população mundial usa ativamente redes sociais, sendo que o Instagram apresentou o maior crescimento entre as principais plataformas, com um aumento de 38 milhões de usuários entre janeiro de 2018 a janeiro de 2019.

O Instagram surgiu em 2010 e rapidamente se popularizou, atualmente conta com quase 900 milhões de usuários. Essa rede social possibilita o compartilhamento de fotos e vídeos, transmissões ao vivo (lives), troca instantânea de mensagens, entre outros recursos. No que tange à realidade brasileira, as pessoas costumam gastar 3h34min do seu dia navegando nas redes sociais (We are Social/Hootsuite, 2019), boa parte desse tempo dedicado ao uso do Instagram (1h32min), rede social preferida entre os brasileiros (Cuponation, 2019), sendo que aproximadamente 30 % da população do país tem perfil ativo nessa rede social (Statista, 2019).

Portanto, verifica-se que o uso das redes sociais se tornou parte da rotina diária das pessoas no Brasil e no mundo, aproximando-as, facilitando a comunicação e obtenção de informações. Não obstante, o uso intenso de redes sociais pode ter efeitos adversos para a saúde mental (Yoon, Kleinman, Mertz & Brannick, 2019). Concernente ao uso do Instagram, foco do presente artigo, as evidências empíricas indicam que o tempo gasto nessa rede social está relacionado com depressão (Mackson, Brochu, & Schneider, 2019), ortorexia nervosa (Turner & Lefevre, 2017), ansiedade e preocupação com a aparência física (Sherlock & Wagstaff, 2018). Sherlock e Wagstaff apontam, ainda, que a exposição demasiada a imagens idealizadas no Instagram leva a um decréscimo na autoavaliação da atratividade, reduzindo os níveis de saúde mental. Outras evidências indicam que a exposição a contas de pessoas atraentes (Casale, Gemelli, Calosi, Giangrasso & Fioravanti, 2019) e observar comentários positivos sobre a aparência de outras pessoas no Instagram (Tiggemann & Barbato, 2018) pode aumentar a insatisfação corporal. Consequentemente, quanto mais intenso o uso, provavelmente, maior será a frequência que o usuário poderá se deparar com tais postagens, impactando negativamente a saúde mental (Yurdagül, Kircaburun, Emirtekin, Wang & Griffiths, 2019).

Além de ampliar a exposição a uma série de conteúdos que refletem a “vida perfeita” (e.g., corpos esculturais, viagens inesquecíveis), quanto mais tempo se passa no Instagram, maior será o engajamento e atividade nessa rede social. O número de postagens de fotos, stories e lives tenderá a ser maior, tornando o usuário propenso a sofrer com os efeitos decorrentes das curtidas, visualizações e comentários (feedback positivo). De fato, a partir da teoria sociométrica, pesquisadores têm verificado que receber curtidas e comentários em fotos pode ter efeito direto na autoestima dos usuários (Burrow & Rainone, 2017; Zell & Moeller, 2018) e a busca por aumento ou reafirmação da autoestima pode intensificar o uso e refletir na baixa saúde mental.

A partir do brevemente exposto, é latente a necessidade de incentivar um uso responsável das redes sociais. Por exemplo, recomenda-se um tempo médio diário de 30 minutos em tais plataformas, algo que pode resultar em melhora significativa no bem-estar (Hunt, Marx, Lipson, & Young, 2018). Contudo, o brasileiro passa seis vezes mais tempo do que o recomendado —vice-líder no ranking dos países que mais passam tempo nas redes sociais— (We are Social/Hootsuite, 2019), além de o Brasil ser o segundo país no mundo com o maior número de contas ativas no Instagram (Stastica, 2019). Tal popularidade e uso excessivo dos brasileiros contrasta com a escassa evidência empírica sobre os impactos que o uso intenso pode ter.

Cabe ressaltar que as pessoas podem fazer uso problemático da internet e se viciam em atividades específicas on-line (Fernandes, Maia & Pontes, 2019). As redes sociais são um dos principais fatores para o uso excessivo da Internet (Griffiths & Szabo, 2014) com potencial para eliciar tendências compulsivas entre alguns usuários (Van den Eijnden, Lemmens & Valkenburg, 2016). Nessa direção, o presente estudo busca aportar com a literatura adaptando medida que quantifique o vício no Instagram. Para tanto, partiu-se da Bergen Facebook Addiction Scale (BFAS) (Andreassen, Torsheim, Brunborg & Pallesen, 2012). Essa medida cobre seis aspectos centrais que caracterizam o vício (Griffiths, 2005): saliência (o uso domina o pensamento e o comportamento), modificação do humor (o uso modifica/melhora o humor), tolerância (uso é cada vez maior para ter os efeitos prévios), afastamento (sentimentos desagradáveis ao não usar), conflito (o uso causa conflito em relações interpessoais e em outras atividades) e recaída (voltar a usar após abstinência). No processo de construção da escala, Andreassen et al. (2012) elaboraram 3 itens para cobrir cada um dos seis elementos da adição, resultando em um conjunto inicial de dezoito itens. Em seguida, para cada elemento central da adição os autores selecionaram um item (o que obteve maior correlação item-total), originando uma versão de seis itens que apresentou indicadores que dão suporte para o modelo unidimensional (e.g., CFI = 0,99; RMSEA = 0,05). Ademais, tal medida apresentou coeficiente alfa adequado (α = 0,83) e estabilidade temporal para o intervalo de três semanas de r = 0,82 (p < 0,001)

Essa medida tem apresentado repercussão na literatura internacional. Por exemplo, ela já conta com 971 citações (verificado no dia 23 de março de 2020), tendo sido adaptada para diferentes países. Pontes, Andreassen e Griffiths (2016) verificaram que a BFAS se mostrou adequada para o contexto português, tendo indicadores de ajuste que asseguram a adequação do modelo unifatorial (e.g., CFI = 0,99; TLI = 0,98; RMSEA = 0,03), além da medida ter apresentado excelente consistência interna (α = 0,83). Em outro estudo, Turley, Lewis, Musharraf, Malik e Breslin (2019) reuniram evidências de validade da BFAS para o Paquistão, tendo verificado adequação do modelo unifatorial (e.g., CFI = 0,99; TLI = 0,98; RMSEA = 0,04), com evidências mais fortes de validade de construto em comparação a outras escalas (Facebook Intensity Scale e Addictive Tendencies Scale). Em contexto brasileiro, Silva et al.(2018) reuniram evidências psicométricas da bfas, encontrando suporte para o modelo unidimensional (e.g., CFI = 0,98; GFI = 0,98; RMSEA = 0,04), além de adequada consistência interna (CR = 0,77).

Nesta direção, por ser teoricamente fundamentada, por cobrir os aspectos centrais do vício e por ter propriedades psicométricas consistentes, esta medida tem sido adaptada para a avaliação da adição global a redes sociais (Andreassen et al., 2016). Somado a isso, a BFAS é uma medida curta (apenas seis itens) e de fácil administração, sendo útil para o rastreio da adição às redes sociais. Percebe-se que estes pontos favoráveis tornam a medida uma alternativa interessante para a quantificação do vício no Instagram, suprindo a atual falta de medidas para a adequada mensuração do uso intenso dessa rede social no Brasil. Portanto, o presente estudo buscará adaptar para o contexto brasileiro a bfas, renomeando-a para Escala Bergen de Adição ao Instagram (EBAI) . Especificamente, reuniremos evidências acerca de sua validade de construto, concorrente e convergente, além de checarmos sua consistência interna e os parâmetros individuais de seus itens por meio da Teoria de Resposta ao Item. A seguir o estudo empírico será apresentado objetivando atender os objetivos previamente elencados.

Método

Participantes

Participaram 217 usuários com perfil ativo no Instagram. Esses tinham idades variando entre 18 e 67 anos (M = 22,04; DP = 6,63). A maioria se autodeclarou do gênero feminino (73,7 %), solteira (85,7 %), de classe social média (44,2 %) e ensino superior incompleto (52,5 %).

Instrumentos

Escala Bergen de Adição ao Instagram: Essa escala é baseada na Bergen Facebook Adicction Scale (Andreassen et al., 2012), sendo composta por seis itens que são respondidos em escala Likert de cinco pontos (1 – Muito Raramente; 5 – Muito Frequentemente). Os itens versam sobre o relacionamento e uso do Instagram no último ano (e.g., Item 4. Durante o último ano você tentou reduzir o uso do Instagram sem sucesso?). Destaca-se que os itens foram traduzidos do inglês para o português utilizando o método de tradução retradução. No caso, dois psicólogos com proficiência em língua inglesa traduziram os itens do inglês para o português, sendo tais versões sintetizadas, gerando uma única versão que foi retraduzida para o inglês por um terceiro psicólogo. Um quarto profissional verificou a versão original e a retraduzida, observando equivalência entre ambas. Em seguida, a versão experimental da medida foi aplicada a uma amostra de conveniência formada por 10 universitários usuários do Instagram, buscando a identificação de eventuais dificuldades de entendimento dos itens e escala de resposta. Deste procedimento não se demandou qualquer alteração dos itens e escala de resposta.

Depression Anxiety and Stress Scale-12 (dass-12) (Monteiro & Gouveia, 2019). Essa é uma versão de 12 itens da dass-21 (Lovibond & Lovibond, 1995) para avaliar sintomas de mal-estar psicológico. Os participantes devem indicar em que medida eles concordam com cada item em uma escala tipo Likert de quatro pontos (0 – Não se aplicou nada a mim; 1 – Aplicou-se a mim algumas vezes; 2 – Aplicou-se a mim de muitas vezes; 3 – Aplicou-se a mim a maior parte das vezes). A escala possui três fatores, com quatro itens cada, a exemplo de “Senti tremores (por ex., nas mãos)” (Ansiedade; α = 0,80), “Senti que estava utilizando muita energia nervosa” (Estresse; α = 0,89) e “Senti que não tinha nada a esperar do futuro” (Depressão; α = 0,88). Na presente amostra, a dass-12 apresentou indicadores que atestam o ajuste do seu modelo trifatorial aos dados (CFI = 0,95; TLI = 0,94; RMSEA = 0,07).

Por fim, os participantes responderam um conjunto de perguntas com o objetivo de caracterização da amostra (e.g., sexo, idade, escolaridade). Ademais, nessa parte do questionário, incluímos cinco perguntas sobre o uso do Instagram, quatro delas respondidas em escala de 10 pontos avaliando a frequência (1 – Nunca; 10 – Sempre) com que os participantes postam fotos, selfies, stories e tbt (throw back thursday) e na última pergunta solicitamos que o participante entrasse em sua conta do Instagram e informasse o tempo médio que passou nessa plataforma durante a última semana (no questionário informamos o passo-a-passo para se chegar a tal informação).

Procedimento

O questionário foi construído na plataforma Google Formulários e divulgado nas redes sociais (e.g., Facebook, Instagram, WhatsApp). Antes de preencher os questionários, os participantes foram informados sobre a natureza e os objetivos do estudo, sendo assegurado o caráter anônimo e confidencial da participação. Os partícipes foram informados que poderiam declinar de sua participação a qualquer momento, sem que isso acarretasse qualquer tipo de ônus. Portanto, foram respeitados os procedimentos éticos que orientam as pesquisas na área das ciências humanas e sociais, de acordo com o disposto na Resolução 510/16 do Conselho Nacional de Saúde.

Análise de dados

Os dados foram analisados por meio dos softwaresFactor (Lorenzo-Seva & Ferrando, 2013), R (R Development Core Team, 2015) e SPSS. O primeiro foi utilizado para verificar a estrutura fatorial da EBAI, sendo realizada análise fatorial exploratória com o método de estimação Robust Unweighted Least Squares (RULS), empregando-se o método Hull para a extração dos fatores, um dos mais precisos em estudos de simulação (Lorenzo-Seva, Timmerman & Kiers, 2011). Ademais, tendo em vista a natureza ordinal da escala de resposta, optou-se por utilizar a matriz de correlações policóricas. O software R, por sua vez, foi empregado para calcular os parâmetros individuais dos itens, especificamente a dificuldade e a discriminação. Em razão da natureza politômica da escala de resposta, recorreu-se ao Modelo de Resposta Graduada (Samejima, 1969), sendo as análises implementadas por meio do pacote mirt (Chalmers, 2012). Ademais, utilizou-se o pacote Lavaan (Rosseel, 2012) para realizar Modelagem por Equações Estruturais (estimador WLSMV Mean and Variance Adjusted Wighted Least Squares), buscando conhecer a validade convergente e concorrente da EBAI. Recorremos a tal análise por possibilitar trabalhar com as variáveis latentes, em lugar das médias das escalas, fornecendo estimativas mais precisas das associações entre os construtos e controlando o erro de medição (Sibley, Harding, Perry, Asbrock & Duckitt, 2010). Por fim, o SPSS foi utilizado para tabulação e cálculo de estatísticas descritivas (e.g., média, desvio padrão).

Resultados

Análise fatorial exploratória e consistência interna

Inicialmente, verificou-se que a matriz de correlações policóricas era passível de fatoração, uma vez que os valores do Kaiser-Meyer-Olkin (KMO) = 0,84 (ic 95 % = 0,81 – 0,88) e do teste de esfericidade de Bartlett = 504,23 (15); p < 0,001 indicaram a possibilidade de se realizar uma análise fatorial. Essa análise apontou uma solução unifatorial com autovalor de 3.42 explicando 62 % da variância total. As cargas fatoriais observadas variaram de 0,62 (Item 1) a 0,83 (Item 5), sendo que os coeficientes de consistência interna (alfa de Cronbach e ômega de McDonald) foram adequados (α = 0,88; ω = 0,88). Informações mais detalhadas são apresentadas na Tabela 1.

Parâmetros individuais dos itens

Assegurada a unidimensionalidade da EBAI, o passo seguinte foi conhecer os parâmetros individuais dos seus itens. Especificamente, observa-se que os itens tiveram discriminação média de 2.11 (DP = 0,48), variando entre 1,47 (Item 1) a 2,70 (Item 5). No que tange à dificuldade, para os limiares b1, b2 e b3 o Item 3 exigiu o menor nível de traço latente, ao passo que o Item 2 exigiu menor nível de traço latente para ser completamente endossado (limiar b4). Por outro lado, para os limiares b1 e b2, o Item 5 demandou do participante maior magnitude de traço latente, e para os limiares b3 e b4 o Item 1 exigiu maior quantidade de traço latente para ser endossado (Tabela 1). No conjunto, os itens se mostraram informativos (Item 5 mais informativo e Item 1 menos informativo), cobrindo uma ampla porção do traço latente (aproximadamente entre -2,0 e 3,5), tendo pico de informação, e sendo mais preciso na avaliação de pessoas com nível de traço latente por volta de 0,5 (Figura 1).

Validade convergente e concorrente

Para calcular a validade convergente e concorrente recorremos à Modelagem por Equações Estruturais (método de estimação WLSMV). Especificamente para o primeiro caso, criamos quatro variáveis latentes: uma representando o vício no Instagram (formada pelos seis itens da EBAI) e três representado os fatores depressão, estresse e ansiedade (cada um com quatro indicadores manifestos). Verificou-se que a variável latente vício no Instagram obteve peso de regressão na direção esperada com depressão (λ = 0,36; p < 0,001), estresse (λ = 0,37; p < 0,001) e ansiedade (λ = 0,37; p < 0,001), sendo que o modelo apresentou ajuste adequado (CFI = 0,96; TLI = 0,95; RMSEA = 0,048). Para a validade de critério, especificamente a concorrente, além da variável latente vício no Instagram, criamos uma segunda variável latente, nomeando-a como padrão de uso do Instagram, formada por cinco indicadores manifestos (frequência de postagem de fotos, selfies, stories, tbt e o tempo dispendido nessa rede social). Verificamos que a variável latente do vício predisse a variável latente do uso (λ = 0,56; p < 0,001; CFI = 0,96; TLI = 0,95; RMSEA = 0,053), indicando evidências de validade concorrente, uma vez que o vício conseguiu predizer o critério externo (padrão de uso da rede social). Ressalta-se que todas as saturações (lambdas) foram estatisticamente significativas e diferentes de zero (λ ≠ 0; z > 1,96, p < 0,05), sendo detalhadas na Figura 2.

Tabela 1.
Cargas fatoriais, precisão e parâmetros individuais dos itens

Cargas fatoriais, precisão e parâmetros individuais dos itens


Discussão

O Brasil é um dos países com maior tempo médio de acesso às redes sociais (We are Social/ Hootsuite, 2019), sendo o Instagram a plataforma preferida (Cuponation, 2019) e usada por cerca de 30 % da população (Statista, 2019). Acessar o Instagram é parte da rotina diária de milhões de brasileiros e mesmo com extensiva literatura internacional sobre os efeitos adversos das redes sociais (Yoon et al., 2019) são reduzidos os estudos brasileiros que analisam as consequências adversas do uso de tais plataformas, em específico do Instagram. Nesta direção, o presente estudo aporta ao fornecer uma medida curta e eficaz que quantifica o vício no Instagram.

Curvas de Informação do Teste (esquerda) e dos Itens (direita)
Figura 1.
Curvas de Informação do Teste (esquerda) e dos Itens (direita)


Validade convergente (esquerda) e concorrente (direita) da EBAI
Figura 2.
Validade convergente (esquerda) e concorrente (direita) da EBAI


Em relação à estrutura fatorial, considerando evidências a partir de um dos métodos mais precisos para a extração de fatores (método de Hull; Lorenzo-Seva, Timmerman & Kiers, 2011), chegou-se a uma estrutura unidimensional. Tais resultados são congruentes com estudos prévios que reportaram estrutura unifatorial da versão original da escala, desenhada para medir o vício no Facebook (Andreassen et al., 2012) e de sua versão ampliada para a análise do vício global em redes sociais (Andreassen et al., 2016). Portanto, os seis aspectos centrais da adição (Griffiths, 2005) são adequadamente cobertos na EBAI que, adicionalmente, apresentou coeficientes de consistência interna que atestam a sua precisão (George & Mallery, 2002).

No que tange às análises conduzidas a partir da Teoria de Resposta ao Item verificou-se que a discriminação dos seis itens variou entre alta e muito alta (Baker, 2001), indicando que a EBAI diferencia adequadamente os indivíduos com magnitudes próximas no traço latente em questão (Pasquali, 2007). No geral, os itens não demandaram um nível muito alto do traço latente para serem endossados, o que pode ser preocupante, apontando que os participantes do estudo possuem risco para o vício no Instagram. Apesar de não haver um sistema formal de normatização, contando com amostras de cerca de 6 mil adolescentes, pesquisadores apontam que um escore bruto de 19 (em uma escala de 1 a 5) pode separar os grupos de alto e baixo risco para a adição (Bányai et al., 2017). Considerando a presente amostra, formada por 90 % de jovens entre 18 a 29 anos, verificou-se que 32,25 % dos participantes tiveram escores iguais ou acima de 19, auxiliando no entendimento do fácil endosso aos itens em razão de serem um grupo de risco para o uso abusivo.

Os dados são preocupantes sobretudo se analisarmos as evidências de validade convergente, com o escore total da EBAI relacionando-se positivamente com estresse, depressão e ansiedade. Esses resultados vão na mesma direção daqueles previamente reportados na literatura, sugerindo que o uso problemático do Instagram pode representar uma ameaça para a saúde mental dos usuários (Mackson et al., 2019; Sherlock & Wagstaff, 2018; Turner & Lefevre, 2017). Mesmo que a ocultação das curtidas represente um passo importante para melhorar a saúde mental do usuário, o constante uso do Instagram e a exposição à imagens idealizadas pode aumentar a insatisfação corporal, impactando negativamente a saúde mental (Casale et al., 2019; Tiggemann & Barbato, 2018; Yurdagül et al., 2019).

Cabe ressaltar que apesar de ser um problema com graves consequências, há pouca evidência empírica sobre programas de prevenção e intervenção para tratar o vício às redes sociais (Andreassen, 2015). Nesse contexto, a EBAI pode ser uma medida com aplicação prática auxiliando no rastreio do vício ao Instagram, no planejamento de um uso programado ou mesmo na checagem da eficácia de intervenções que buscam reduzir o uso excessivo dessa rede social. Se utilizada em formato de entrevista semiestruturada, pode dar importantes insights para o psicólogo. Por exemplo, caso o cliente responda que tentou reduzir o uso sem sucesso, é possível fazer perguntas adicionais e investigar quais estratégias já foram tentadas para reduzir o uso e o motivo para o insucesso. Ademais, se o cliente também indica que o uso tem impacto negativo no trabalho/estudo, pode-se estabelecer um plano de ação, especificando horários e condições para o uso, objetivando reduzi-lo gradativamente, o que pode representar um aumento no bem-estar (Hunt et al., 2018). A propósito do anteriormente comentado, verificamos que o tempo médio gasto no Instagram, assim como a frequência de postagens (e.g., fotos, stories, TBT), foram preditos pela EBAI. Tais relações atestam a validade de critério da medida em questão, especificamente concorrente (Pasquali, 2009), indicando que quanto maior a adição a essa rede social, maior será o uso dela.

Apesar dos resultados consistentes, é necessário analisá-los com cautela. O estudo contou com amostra não probabilística, além de usar medida de autorrelato. No caso, mesmo mostrando um passo-a-passo completo para se chegar ao valor exato do tempo gasto no Instagram, as outras variáveis sobre o uso foram medidas em escala do tipo Likert, o que pode ter gerado valores que não refletem exatamente o padrão de uso. Em possibilidades futuras, seria interessante aplicar a EBAI e, posteriormente, observar durante um mês a atividade das pessoas na rede social, possibilitando uma avaliação mais acurada do uso e da validade de critério da medida. Recomenda-se, ainda, considerar amostras maiores e mais heterogêneas (e.g., diferentes níveis de escolaridade, distribuídos equitativamente em relação ao sexo e estado civil), buscando normatizar tal medida em contexto brasileiro. Também sugere-se considerar escalas sobre o vício a outras redes sociais, estimando qual delas pode ser mais prejudicial para o indivíduo e os seus potenciais efeitos combinados para a saúde mental.

Observam-se diversas possibilidades de pesquisa e a EBAI poderá auxiliar em tais investigações. Por ser uma medida curta e psicometricamente adequada, ela poderá ser empregada em estudos com múltiplos construtos, o que possibilitará a checagem dos efeitos do vício em variados desfechos (e.g., desempenho acadêmico, satisfação com a vida e autoimagem corporal), além de facilitar os estudos que buscarão predizer o uso disfuncional. Ademais, tal instrumento pode ser útil no rastreio de indivíduos com risco de uso problemático, favorecendo o estabelecimento de programas de intervenção para promover um uso controlado e saudável de tais plataformas, o que resultaria em aumento do bem-estar.

Referências

Andreassen, C. S. (2015). Online social network site addiction: A comprehensive review. Current Addiction Reports, 2, 175-184. Doi: http://dx.doi.org/10.1007/s40429-015-0056-9

Andreassen, C. S., Billieux, J., Griffiths, M. D., Kuss, D. J., Demetrovics, Z., Mazzoni, E., & Pallesen, S. (2016). The relationship between addictive use of social media and video games and symptoms of psychiatric disorders: A largescale cross-sectional study. Psychology of Addictive Behaviors, 30, 252-262. Doi: http://dx.doi.org/10.1037/adb0000160

Andreassen, C. S., Torsheim, T., Brunborg, G. S., & Pallesen, S. (2012). Development of a Facebook addiction scale. Psychological Reports, 110, 501-517. Doi: https://doi.org/10.2466/02.09.18.PR0.110.2.501-517

Baker, F.B. (2001). The basics of item response theory. Washington, dc: eric Clearinghouse on Assessment and Evaluation.

Bányai, F., Zsila, Á., Király, O., Maraz, A., Elekes, Z., Griffiths, M. D., ... & Demetrovics, Z. (2017). Problematic social media use: Results from a large-scale nationally representative adolescent sample. PLoS One, 12, e0169839. Doi: https://doi.org/10.1371/journal. pone.0169839

Burrow, A. L., & Rainone, N. (2017). How many likes did I get? Purpose moderates links between positive social media feedback and self-esteem. Journal of Experimental Social Psychology, 69, 232-236. Doi: https://doi.org/10.1016/j.jesp.2016.09.005

Casale, S., Gemelli, G., Calosi, C., Giangrasso, B., & Fioravanti, G. (2019). Multiple exposure to appearance-focused real accounts on Instagram: Effects on body image among both genders. Current Psychology, 1-10. Doi: https://doi.org/10.1007/s12144-019-00229-6

Chalmers, R. P. (2012). Mirt: A multidimensional item response theory package for the R environment. Journal of Statistical Software, 48, 1-29. Recuperado de https://www.jstatsoft.org/index.php/jss/article/view/v048i06/v48i06.pdf

Cuponation (2019). Cuponation Brasil. Recuperado de https://www.cuponation.com.br/insights/instagram-2019

Fernandes, B., Maia, B. R., & Pontes, H. M. (2019). Internet addiction or problematic internet use? Which term should be used? Psicologia usp, 30, e190020-e190020. Doi: https://doi.org/10.1590/0103-6564e190020

George, D., & Mallery, P. (2002). spss for Windows step by step: A simple guide and reference. 11.0 update. Boston: Allyn & Bacon.

Griffiths, M. (2005). A ‘components’ model of addiction within a biopsychosocial framework. Journal of Substance Use, 10, 191-197. Doi: https://doi.org/10.1080/14659890500114359

Griffiths, M. D., & Szabo, A. (2014). Is excessive online usage a function of medium or activity? An empirical pilot study. Journal of Behavioral Addictions, 3, 74-77. Doi: https://doi.org/10.1556/JBA.2.2013.016

Hunt, M. G., Marx, R., Lipson, C., & Young, J. (2018). No more fomo: Limiting social media decreases loneliness and depression. Journal of Social and Clinical Psychology, 37, 751-768. Doi: https://doi.org/10.1521/jscp.2018.37.10.751

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, 497-498. Doi: http://dx.doi.org/10.1177/ 0146621613487794

Lorenzo-Seva, U., Timmerman, M. E., & Kiers, H. A. (2011). The Hull method for selecting the number of common factors. Multivariate Behavioral Research, 46, 340-364. Doi: https://doi.org/10.1080/00273171.2011.564527

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, 335-343. Doi: https://doi.org/10.1016/00057967(94)00075-U

Mackson, S. B., Brochu, P. M., & Schneider, B. A. (2019). Instagram: Friend or foe? The application’s association with psychological well-being. New Media & Society, 21, 2160-2182. Doi: https://doi.org/10.1177/1461444819840021

Monteiro, R. P., & Gouveia, V. V. (2019). Versão de 12 itens da Depression Stress and Anxiety Scale (dass-12). Manuscrito em preparação.

Pasquali, L. (2007). Teoria de Resposta ao Item: Teoria, procedimentos e aplicações. Brasília: LabPAM.

Pasquali, L. (2009). Psychometrics. Revista da Escola de Enfermagem da usp, 43, 992-999. Doi: http://dx.doi.org/10.1590/S0080-62342009000500002

Pontes, H. M., Andreassen, C. S., & Griffiths, M. D. (2016). Portuguese validation of the Bergen Facebook Addiction Scale: An empirical study. International Journal of Mental Health and Addiction, 14, 1062-1073. Doi: https://doi.org/10.1007/s11469-016-9694-y

R Development Core Team. (2015). R: A language and environment for statistical computing. Recuperado de https://cran.rproject.org/doc/manuals/fullrefman.pdf

Rosseel, Y. (2012). Lavaan: An R Package for Structural Equation Modeling. Journal of Statistical Software, 48, 1-36. Recuperado de https://www.jstatsoft.org/index.php/jss/article/view/v048i02/v48i02.pdf

Samejima, F. (1969). Estimation of latent ability using a response pattern of graded scores. Psychometrika Monograph Supplement No. 17. Richmond, VA: Psychometric Society.

Sherlock, M., & Wagstaff, D. L. (2018). Exploring the relationship between frequency of Instagram use, exposure to idealized images, and psychological well-being in women. Psychology of Popular Media Culture, 8, 482-490. Doi: https://dx.doi.org/10.1037/ppm0000182

Sibley, C. G., Harding, J. F., Perry, R., Asbrock, F., & Duckitt, J. (2010). Personality and prejudice: Extension to the hexaco personality model. European Journal of Personality, 24, 515-534. Doi: https://doi.org/10.1002/per.750

Silva, H. R. D. S., Areco, K. C. N., Bandiera-Paiva, P., Galvão, P. V. M., Garcia, A. N. D. M., & Silveira, D. X. D. (2018). Factorial and construct validity of Portuguese version (Brazil) Bergen Facebook Addiction Scale. Jornal Brasileiro de Psiquiatria, 67, 110-117. Doi: http://dx.doi. org/10.1590/0047-2085000000193

Statista. (2019). The statistics portal. Recuperado de https://www.statista.com/statistics/578364/countries-with-most-instagram-users/

Tiggemann, M., & Barbato, I. (2018). “You look great!”: The effect of viewing appearance-related Instagram comments on women’s body image. Body Image, 27, 61-66. Doi: https://doi.org/10.1016/j.bodyim.2018.08.009

Turner, P. G., & Lefevre, C. E. (2017). Instagram use is linked to increased symptoms of orthorexia nervosa. Eating and Weight Disorders-Studies on Anorexia, Bulimia and Obesity, 22, 277-284. Doi: https://doi.org/10.1007/s405

Turley, J., Lewis, C. A., Musharraf, S., Malik, J. A., & Breslin, M. J. (2019). Psychometric properties of three measures of “Facebook engagement and/ or addiction” among a sample of English-speaking Pakistani university students. International Journal of Mental Health and Addiction, 17, 995-1007. Doi: https://doi.org/10.1007/s11469018-9963-z

Van den Eijnden, R. J., Lemmens, J. S., & Valkenburg, P. M. (2016). The social media disorder scale. Computers in Human Behavior, 61, 478-487. Doi: https://doi.org/10.1016/j.chb.2016.03.038

We are Social/Hootsuite. (2019). Digital in 2019: Global Digital Yearbook. Disponível em https:// wearesocial.com/global-digital-report-2019

Yoon, S., Kleinman, M., Mertz, J., & Brannick, M. (2019). Is social network site usage related to depression? A meta-analysis of Facebook-depression relations. Journal of Affective Disorders, 248, 65-72. Doi: https://doi.org/10.1016/j.jad.2019.01.026

Yurdagül, C., Kircaburun, K., Emirtekin, E., Wang, P., & Griffiths, M. D. (2019). Psychopathological consequences related to problematic Instagram use among adolescents: The mediating role of body image dissatisfaction and moderating role of gender. International Journal of Mental Health and Addiction, 1-13. Doi: https://doi.org/10.1007/s11469-019-00071-8

Zell, A. L., & Moeller, L. (2018). Are you happy for me… on Facebook? The potential importance of “likes” and comments. Computers in Human Behavior, 78, 26-33. Doi: https://doi.org/10.1016/j.chb.2017.08.050

Escala Bergen de Adição ao Instagram (EBAI)






Autor notes

a Dirigir correspondencia a Renan P. Monteiro. Universidade Federal de Mato Grosso. Correio eletrônico: renanpmonteiro@gmail.com

Descarga
PDF
ePUB
Herramientas
Cómo citar
APA
ISO 690-2
Harvard
Fuente
Secciones
Contexto
Descargar
Todas