Download the PDF version

RESUMEN

Este trabajo parte de dos objetivos: 1) Identificar perfiles de victimización en la adolescencia, en función del grado de padecimiento de violencia offline u online por parte de sus iguales, así como la prevalencia de cada perfil; y 2) Analizar la asociación de los perfiles de victimización obtenidos con la ansiedad social y la autoestima del adolescente. Para ello, se aplicaron cuestionarios de autoinforme sobre victimización tradicional entre iguales, cibervictimización, ansiedad social y autoestima a 3.120 adolescentes de Asturias (España), de 12 a 18 años (M=14.03; DT=1.40). Se realizaron análisis descriptivos, análisis de perfil latente y análisis multivariado de la varianza. Se obtuvo una correlación positiva y moderada entre ser cibervíctima y ser víctima de violencia tradicional; y una tipología de cuatro perfiles: no víctimas (77,8%), principalmente cibervictimas (13,5%), principalmente víctimas de violencia tradicional (4,5%) y víctimas duales (4,3%). Cuanto mayor es el nivel de victimización, mayor la ansiedad social y menor la autoestima, siendo más fuerte esta asociación con la victimización tradicional que con la cibervictimización. Tanto las víctimas tradicionales como las duales presentan una mayor ansiedad social y una menor autoestima que las cibervíctimas, y estas que las no víctimas. Víctimas duales y tradicionales no difieren en ansiedad social y autoestima. Los resultados obtenidos contribuyen a identificar patrones de victimización en la adolescencia, y su relación con la ansiedad social y la autoestima.

Palabras clave

Victimización, cibervictimización, ciberacoso, autoestima, ansiedad social, adolescencia

Keywords

Victimization, cyber-victimization, cyberbullying, self-esteem, social anxiety, adolescence

ABSTRACT

This study has two objectives: (1) Identify profiles of victimization in adolescence, depending on the levels of offline or online peer aggression suffered, along with the prevalence of each profile; and (2) Analyse the association of the victimization profiles with adolescents’ social anxiety and self-esteem. The sample was comprised of 3120 adolescents aged 12 to 18 (M=14.03; SD=1.40) from Asturias (Spain), who completed self-report questionnaires about traditional peer victimization and cyber-victimization, as well as social anxiety and self-esteem. We performed descriptive analyses, Latent Profile Analyses, and multivariate analyses of variance. We found a positive, moderate correlation between being a cyber-victim and being a traditional victim, along with four profile types: non-victims (77.8%), mainly cyber-victims (13.5%), mainly traditional victims (4.5%), and dual victims (4.3%). Traditional victims and dual victims exhibited greater social anxiety and less self-esteem than cyber-victims, who exhibited greater social anxiety and less self-esteem than non-victims. Dual victims and traditional victims do not differ in social anxiety and self-esteem. The results contribute to the identification of patterns of victimization in school-age adolescents, and their relationship with social anxiety and self-esteem.

Palabras clave

Victimización, cibervictimización, ciberacoso, autoestima, ansiedad social, adolescencia

Keywords

Victimization, cyber-victimization, cyberbullying, self-esteem, social anxiety, adolescence

Introducción

El problema de la violencia entre adolescentes a través de dispositivos electrónicos, programas de mensajería y redes sociales (ciberagresión) está siendo objeto de un creciente interés en los últimos años (González-Moreno et al., 2020). Actualmente existe una gran preocupación social sobre este problema, debido a su prevalencia y efectos (Machimbarrena et al., 2018). Sin embargo, su propia entidad, como constructo diferenciado con respecto a la violencia tradicional, aún está siendo objeto de discusión.

Así, autores como Olweus (2012) y Mehari et al. (2014) consideran, centrándose específicamente en el bullying y el cyberbullying, que estas nuevas formas de violencia no son esencialmente diferentes de las tradicionales y que, por tanto, no se deben estudiar de manera aislada de ellas. El problema subyacente sería el mismo, con la diferencia de que ocurre en dos contextos específicos diferentes. Ambas formas de victimización correlacionan positivamente y comparten predictores psicosociales. Las cibervíctimas, por lo general, no serían víctimas diferentes a las que padecen violencia tradicional, no serían “nuevas” víctimas. Se trataría de nuevas formas de violencia, que se solapan habitualmente con formas de violencia tradicionales (física, verbal, relacional...). De hecho, según autores como Olweus (2012) y Williford et al. (2018), la mayor parte del efecto negativo atribuido a la cibervictimización se debería en realidad a ese solapamiento con las formas tradicionales de violencia. Si un adolescente padece violencia tradicional y también a través de dispositivos electrónicos, esta última añadiría un efecto poco significativo. Las consecuencias negativas de la cibervictimización solo se podrían comprender, por lo tanto, en el contexto de una victimización habitualmente más amplia, también de tipo tradicional. Esta discusión es importante, ya que da pistas de cara a tratar de conseguir una prevención lo más eficiente posible. Da pistas sobre si merece la pena priorizar los programas preventivos específicos de violencia a través de medios electrónicos (centrados principalmente en el funcionamiento de aplicaciones, el comportamiento en la red y la seguridad en Internet) o si los programas generales para la prevención de la violencia entre adolescentes tendrían un impacto positivo en la prevención de la cibervictimización, aunque no incorporen elementos específicos de ese tipo de violencia. Estudios previos sugieren que los programas dirigidos a la prevención de la violencia tradicional, sin incluir elementos específicos para prevenir la violencia a través de dispositivos electrónicos, también tienen un efecto positivo para la prevención de la cibervictimización entre adolescentes (Gradinger et al., 2016; Salmivalli et al., 2011).

Un argumento a favor de esta hipótesis es la relación positiva y significativa que habitualmente se encuentra entre padecer cibervictimización y victimización tradicional. Estudios de meta-análisis han hallado una correlación bastante alta entre ambos tipos de victimización (=.40, Modecki et al., 2014; =.43, Gini et al., 2018), aunque pueden existir diferencias en función de la edad y el contexto de la muestra (Cosma et al., 2020). No obstante, la co-ocurrencia entre ambos fenómenos no es perfecta. Generalmente se encuentra que la prevalencia de ser víctima de violencia tradicional es mayor que la de ser cibervíctima (López-Castedo et al., 2018; Modecki et al., 2014; Sastre, 2016; Viau et al., 2020).

El posible solapamiento entre ser víctima de violencia offline y online en la adolescencia por parte de los iguales, también se ha analizado con estudios que han tratado de identificar tipos de víctima en función del grado de padecimiento de diferentes tipos de violencia (ciber y tradicional). La tabla mostrada en Álvarez-García (2020) ofrece una síntesis de los principales estudios al respecto. Como se puede observar en ella, los estudios son aún escasos, principalmente desarrollados en EE. UU., y con resultados heterogéneos. El número de tipos de víctimas oscila entre los tres y los cinco, con predominio de cuatro. Por lo general, estas propuestas incluyen un tipo caracterizado por niveles nulos o mínimos de victimización; uno o varios tipos caracterizados por predominio de victimización tradicional; y uno o varios tipos caracterizados por victimización dual (ciber y tradicional). La tipología más frecuente es la que incluye los siguientes cuatro tipos: no-víctima, cibervíctimas, víctimas tradicionales y víctimas duales (Beltrán-Catalán et al., 2018; Gini et al., 2019; Mindrila, 2019). El tipo «cibervíctimas» es en el que hay menos consenso. En algunos estudios, la cibervictimización no se considera un tipo independiente, sino que se incluye dentro de una categoría de victimización dual o múltiple, en algunos casos diferenciando además distintos grados de victimización (Álvarez-García, 2020).

Como se ha indicado, un aspecto problemático del estudio de la cibervictimización entre adolescentes es identificar en qué medida su relación con variables relevantes (como factores de riesgo o consecuencias) se debe efectivamente a la cibervictimización o solo se pueden comprender en el contexto de una victimización habitualmente más amplia, también tradicional. En el presente trabajo nos centraremos específicamente en la ansiedad social y la autoestima.

Con respecto a la ansiedad social, existe un cuerpo de evidencia sólido acerca de su relación positiva con la victimización tradicional entre iguales en la adolescencia (Gómez-Ortiz et al., 2017; Pontillo et al., 2019; Romera et al., 2016; Suárez-García et al., 2020). Algunos estudios concluyen que la ansiedad social aumenta la probabilidad de ser víctima (Acquah et al., 2016; Pabian, & Vandebosch, 2016); y otros que ser víctima aumenta la probabilidad de tener ansiedad social (Calvete et al., 2018; Silberg et al., 2016; Van-den-Eijnden et al., 2014). Los estudios que analizan la relación entre cibervictimización entre adolescentes y ansiedad social también hallan una relación positiva entre ambas variables. No obstante, en este caso, la evidencia sugiere que la ansiedad social constituye un factor de riesgo más que una consecuencia de la cibervictimización (Pabian & Vandebosch, 2016; Ruíz-Martín et al., 2019; Van-den-Eijnden et al., 2014). Algunos estudios hallan, en la línea de la hipótesis de Olweus (2012), que la victimización tradicional (y más específicamente la relacional) tiene un impacto más negativo en la ansiedad social del adolescente que la cibervictimización (Landoll et al., 2015; Van-den-Eijnden et al., 2014); y que los adolescentes que son víctimas de ambos tipos de agresión no presentan generalmente mayores niveles de ansiedad social que aquellos que son víctimas solo de violencia tradicional (Cañas et al., 2020).

Con respecto a la autoestima, estudios de meta-analisis muestran que existe un cuerpo de evidencia bastante sólido acerca de su relación negativa tanto con la victimización tradicional (Tsaousis, 2016) como con la cibervictimización (Chen et al., 2017; Kowalski et al., 2014) entre iguales. Sin embargo, aún no queda claro cuál de ambos tipos de victimización tiene un mayor impacto sobre la autoestima, ni el efecto que pueda tener sobre la autoestima un posible solapamiento de ambos tipos de victimización. Estudios previos realizados en España muestran que tanto la victimización como la cibervictimización tienen un efecto negativo sobre la autoestima, de magnitud levemente inferior en el caso de la cibervictimización (Álvarez-García et al., 2019). Olweus (2012) halló que la victimización tradicional predice significativamente una pobre autoestima y que ser además cibervíctima no contribuye significativamente. Por otra parte, recientes meta-analisis realizados específicamente a partir de estudios longitudinales, muestran resultados encontrados en función del tipo de victimización: victimización tradicional y autoestima muestran una relación causal bidireccional, en tanto que la victimización tradicional predice baja autoestima y la baja autoestima predice victimización entre iguales, tiempo después (Van Geel et al., 2018); pero, en cambio, no existiría una relación causal entre cibervictimización y autoestima, en tanto que la cibervictimización no predice problemas de autoestima, ni la autoestima es un predictor significativo de cibervictimización, en la mayoría de los estudios longitudinales analizados (Marciano et al., 2020).

Por todo ello, el presente trabajo parte de dos objetivos. En primer lugar, identificar perfiles de victimización en la adolescencia, en función del grado de padecimiento de violencia tradicional o de ciberagresiones por parte de sus iguales, así como la prevalencia de cada tipo de víctima, en una muestra de adolescentes españoles. En segundo lugar, analizar la asociación de los perfiles de victimización obtenidos con la ansiedad social y la autoestima. Las hipótesis que se plantean son las siguientes. Con respecto al primer objetivo, se espera encontrar la tipología que más se repite en la bibliografía previa al respecto (Beltrán-Catalán et al., 2018; Gini et al., 2019; Mindrila, 2019), caracterizada por cuatro perfiles de victimización (no víctimas, cibervíctimas, víctimas tradicionales y víctimas duales), con una prevalencia similar a la de estos estudios, en cada una de las categorías. Con respecto al segundo objetivo, se espera que cuanto mayor sea el nivel de victimización mayor sea la ansiedad social y menor la autoestima de los adolescentes; y que la violencia tradicional se asocie de manera más fuerte con ambas variables que la cibervictimización.

Material y métodos

Participantes

La muestra está formada por 3.120 adolescentes (49,4% chicas), con edades entre los 12 y los 18 años (M=14.03; DT=1.40), de Asturias (España). Los adolescentes evaluados pertenecen a 19 centros educativos, seleccionados mediante muestreo aleatorio estratificado de entre los 145 centros sostenidos con fondos públicos en los que se imparte Educación Secundaria Obligatoria (ESO) en Asturias. Este tipo de centros constituyen el 95,9% del total de centros en los que se imparte ESO en Asturias. Para seleccionar la muestra, se dividió la población de este tipo de centros en función de su titularidad (públicos o privados-concertados), y se seleccionó para cada tipo un número de centros proporcional al de la población. En España, se denominan centros públicos a aquellos en los que tanto su gestión como su financiación son enteramente públicas; y privados-concertados a los que su gestión es privada pero su financiación es parcialmente pública. Como resultado, fueron seleccionados 11 centros públicos y 8 privados-concertados, representando el 13,1% del total. Los centros seleccionados se encuentran en áreas predominantemente urbanas y de clase socioeconómica media. En cada centro seleccionado, fueron evaluados todos los grupos, de los cuatro cursos que constituyen la Educación Secundaria Obligatoria.

Instrumentos de medida

Victimización tradicional en el centro educativo

Para conocer la frecuencia con la que el evaluado dice padecer agresiones en el entorno físico, en el ámbito escolar, se utilizó la escala Offline School Victimization (Álvarez-García et al., 2015). Se trata de una escala autoinforme compuesta por seis ítems: «Algunos/as compañeros/as me rechazan en los juegos, paseos o actividades del recreo», «Mis compañeros/as me evitan cuando hay que hacer tareas en grupo en clase», «Mis compañeros/as se burlan, se ríen, de mí», «Mis compañeros/as hablan mal de mí a mis espaldas», «He sido insultado/a a la cara por algún/a compañero/a» y «Algún/a alumno/a del centro me ha pegado, dentro o a la salida del recinto escolar». La respuesta es tipo Likert con cuatro alternativas (de 1=Nunca, a 4=Siempre). Se trata de una escala unidimensional ([6]=19.87; p=.003; GFI=.998; TLI=.992; CFI=.997; RMSEA=.026 [.014, .040]; SRMR=.011), e invariante con relación al género (invarianza configural: [[12]=27.02; p=.008; GFI=.997; TLI=.991; CFI=.996; RMSEA=.028; SRMR=.012]; métrica: [[18]=62.50; p<.001; GFI=.994; TLI=.982; CFI=.989; RMSEA=.039; SRMR=.036]; escalar: [[23]=210.69; p<.001; GFI=.996; TLI=.941; CFI=.955; RMSEA=.070; SRMR=.047]), excepto estricta (estricta: [[32]=606.32; p<.001; GFI=.990; TLI=.871; CFI=.862; RMSEA=.104; SRMR=.129]). La puntuación en el conjunto de la escala se obtiene sumando la puntuación de los ítems que la componen. El rango de puntuaciones puede ir, por lo tanto, de 6 a 24. Puntuaciones altas reflejan altos niveles de victimización tradicional en la escuela. La consistencia interna de la escala en la muestra de este estudio es moderada (α=.74; ω=.75).

Cibervictimización

Se utilizó el Cybervictimization Questionnaire for adolescents (CYVIC, Álvarez-García et al., 2017), para conocer la frecuencia con la que los evaluados habían sido víctimas de agresiones a través del teléfono móvil o Internet durante los tres meses anteriores al momento de la encuesta. Consta de 19 ítems. Permite obtener puntuaciones de cuatro tipos de cibervictimización: suplantación (por ejemplo, «Se han hecho pasar por mí en Twitter, Tuenti..., creando un falso perfil de usuario (foto, datos personales...) con el que se me ha insultado o ridiculizado»); cibervictimización visual-sexual (por ejemplo, «Me han presionado para hacer cosas que no quería (haya accedido finalmente a hacerlas o no), amenazándome con difundir conversaciones o imágenes íntimas mías»); cibervictimización verbal (por ejemplo, «Se han burlado de mí con comentarios ofensivos o insultantes en las redes sociales»); y exclusión online (por ejemplo, «Se ponen de acuerdo para hacerme el vacío (ignorarme) en las redes sociales»); y permite asimismo obtener puntuaciones de cuatro indicadores adicionales de cibervictimización visual, relacionados principalmente con ser objeto de burlas por medio de fotografías o vídeos (por ejemplo, «Me han obligado a hacer algo humillante, lo han grabado y luego lo han difundido para burlarse de mí»). El formato de respuesta es tipo Likert (desde 1=Nunca, hasta 4=Siempre). La puntuación del conjunto de la escala se calcula sumando las puntuaciones de los ítems que la componen. Por lo tanto, el resultado puede ser como mínimo 19 y como máximo 76 puntos. Puntuaciones altas indican altos niveles de cibervictimización. La consistencia interna del conjunto de la escala en la muestra de este estudio es moderada (α=.79; ω=.80).

Ansiedad social

Para conocer en qué medida el evaluado informa sentirse inhibido e incómodo en la relación con los demás, especialmente con personas con las que no tiene confianza, se utilizó una escala de autoinforme compuesta por cinco ítems (Álvarez-García et al., 2015): «Soy tímido y poco hablador, salvo con mis amigos», «Muchas veces me da vergüenza saludar», «Me pongo nervioso cuando tengo que estar con un grupo de chicos que no conozco bien», «Me pongo tenso si me encuentro con un conocido en la calle» y «Me resulta difícil conocer gente nueva, hacer amigos, empezar a hablar con gente que no conozco». La respuesta es tipo Likert con cuatro alternativas (de 1=Totalmente falso, a 4=Totalmente cierto). Se trata de una escala unidimensional ([4]=36.36; p<.001; GFI=.996; TLI=.976; CFI=.990; RMSEA=.049 [.035, .064]; SRMR=.017), e invariante con relación al género (invarianza configural: [[8]=39.96; p<.001; GFI=.995; TLI=.975; CFI=.990; RMSEA=.049; SRMR=.018]; métrica: [[13]=59.35; p<.001; GFI=.993; TLI=.978; CFI=.985; RMSEA=.046; SRMR=.035]; escalar: [[17]=114.58; p<.001; GFI=.997; TLI=.964; CFI=.969; RMSEA=.059; SRMR=.037]; y estricta: [[23]=159.07; p<.001; GFI=.996; TLI=.963; CFI=.957; RMSEA=.060; SRMR=.054]). La puntuación en el conjunto de la escala se obtiene sumando la puntuación de los ítems que la componen. Por lo tanto, la puntuación total posible puede ser de entre 5 y 20 puntos. Puntuaciones altas reflejan altos niveles de timidez/ansiedad social. La consistencia interna de la escala en la muestra de este estudio es moderada (α=.75; ω=.75).

Autoestima

Para conocer la valoración que el evaluado hace de sí mismo, se utilizó una escala de autoinforme compuesta por cinco ítems (Álvarez-García et al., 2015): «Estoy contento/a con mi aspecto físico», «Me considero una buena persona», «Puedo hacer las cosas al menos igual de bien que la mayoría de mis compañeros/as», «Me gusta cómo soy» y «Me siento orgulloso/a de lo que hago». La respuesta es tipo Likert con cuatro alternativas (de 1=Totalmente falso, a 4=Totalmente cierto). Se trata de una escala unidimensional ([4]=35.44; p<.001; GFI=.996; TLI=.979; CFI=.992; RMSEA=.048 [.035, .064]; SRMR=.019), e invariante con relación al género (invarianza configural: [[8]=32.65; p<.001; GFI=.996; TLI=.983; CFI=.993; RMSEA=.043; SRMR=.017]; métrica: [[13]=61.32; p<.001; GFI=.992; TLI=.980; CFI=.987; RMSEA=.047; SRMR=.040]; escalar: [[17]=146.79; p<.001; GFI=.999; TLI=.959; CFI=.965; RMSEA=.068; SRMR=.048]; y estricta: [[23]=243.21; p<.001; GFI=.998; TLI=.948; CFI=.941; RMSEA=.076; SRMR=.076]). La puntuación en el conjunto de la escala se obtiene sumando la puntuación de los ítems que la componen. Por tanto, el rango de puntuaciones posibles va de 5 a 20 puntos. Puntuaciones altas reflejan una alta autoestima. La consistencia interna de la escala en la muestra de este estudio es moderada (α=.74; ω=.75).

Procedimiento

Una vez seleccionados los instrumentos de medida y la muestra, se solicitó permiso a los equipos directivos de los centros educativos, para aplicar los cuestionarios. Cada equipo directivo fue informado de los objetivos y procedimientos del estudio, de su carácter voluntario y anónimo, y del tratamiento confidencial de los resultados. Una vez el centro accedía a participar, se solicitó consentimiento informado a los padres o tutores de los alumnos, dada su condición de menores de edad. Se obtuvo el consentimiento de los padres o tutores del 76.3% del alumnado, que conforma la muestra final descrita. Antes de contestar al cuestionario, los estudiantes también fueron informados del carácter anónimo, confidencial y voluntario de su participación. Los cuestionarios fueron aplicados en papel, por el equipo investigador, en horario lectivo. La recogida y el tratamiento de los datos se realizó respetando los estándares del Comité de Ética de la Universidad de Oviedo (España), y en consonancia con el propósito y principios de la Declaración de Helsinki.

Análisis de datos

Los datos fueron analizados en varias fases. La primera fase consistió en estudiar las propiedades estadísticas de las variables manifiestas incluidas en el estudio. Además de los análisis descriptivos habituales (media, desviación típica, coeficientes de correlación, asimetría, curtosis), se obtuvo información acerca de la fiabilidad de las puntuaciones (alpha de Cronbach y omega de McDonald), así como de la validez de constructo e invarianza de género. Se realizaron análisis factoriales confirmatorios para el estudio de la validez de constructo de las escalas utilizadas, en la muestra del presente trabajo. Se analizaron varios tipos de invarianza: configural, métrica, escalar, y estricta. Los indices que se utilizaron para evaluar la calidad del ajuste de los modelos fueron: Goodness of Fit Index (GFI), Tucker-Lewis Coefficient (TLI), Comparative Fit Index (CFI), Root Mean Square Error of Approximation (RMSEA), y Standardized Root Mean Square Residual (SRMR). Existe evidencia de un buen ajuste cuando chi-cuadrado presenta una p>.05, GFI, AGFI y TLI ≥ .90, CFI≥.95, y SRMR y RMSEA≤.06.

La segunda fase consistió en la realización de los análisis de perfiles latentes. Con la ayuda del software estadístico Mplus 7.11 (Muthén & Muthén, 2012), se utilizaron las puntuaciones generales de victimización tradicional y cibervictimización para identificar subgrupos de víctimas o perfiles de victimización. Dado que estas dos puntuaciones no se encuentran en la misma escala, debido a su diferente número de items, se estandarizaron antes de realizar los análisis (valores positivos indican puntuaciones por encima de la media en la muestra, y valores negativos indican puntuaciones por debajo de la media). Y dado que existen discrepancias en los estudios previos acerca de la relación entre género y victimización (Garaigordobil et al., 2020; Gini et al., 2019; Wang et al., 2010), se incluyó el género como covariada en la estimación de los perfiles latentes. Para determinar qué modelo es el que mejor describe la relación entre las dos medidas de victimización, entre el conjunto de modelos finitos, la estimación se realizó añadiendo al modelo diana sucesivas clases latentes (Nylund et al., 2007). Como norma, el modelo que mejor ajusta será el que utiliza un número óptimo de clases para describir las relaciones existentes entre las dos variables de victimización (Galovan et al., 2018).

La selección del mejor modelo se realizó en base a diferentes criterios: la razón de máxima verosimilitud ajustada de Lo, Mendell y Rubin (LMRT), la prueba paramétrica de la razón de verosimilitud de reemplazamiento (PBLRT), el criterio de información de Akaike (AIC), el bayesiano de Schwarz (BIC) y el BIC ajustado por el tamaño de la muestra (SSA-BIC), así como el valor de la entropía y el tamaño de cada subgrupo o clase (Galovan et al., 2018; Nylund et al., 2007). P-valores significativos asociados al LMRT indicaron una mejora significativa en el ajuste del modelo, en comparación con la solución con una clase menos. Los valores más bajos de AIC, BIC y SSA-BIC indican un mejor ajuste del modelo. Es conveniente que estos criterios complementen la información proporcionada por la prueba formal de ajuste condicional. Asimismo, es preciso señalar que las clases pequeñas, aunque se consideran típicamente clases espurias, una condición a menudo asociada con la extracción de un número excesivo de perfiles, en ocasiones constituyen un perfil de interés (Hipp & Bauer, 2006).

Para determinar la precision de clasificación del modelo seleccionado, se calcularon las probabilidades a posteriori y la entropía. Este estadístico adopta valores entre cero y uno: cuanto más próximo a uno, más precisa es la clasificación (valores superiores a .80 indican una buena calidad de clasificación; Celeux & Soromenho, 1996). Con los anteriores, otro criterio que se tuvo en cuenta para la selección del mejor modelo fue el tamaño de las diferencias, necesariamente estadísticamente significativas, entre las clases respecto de las variables que han sido usadas para formarlas. El estudio de dichas diferencias se realizó mediante análisis multivariado de la varianza, con las clases como factor principal (utilizando para ello la sintaxis SAVE=CPROBABILITIES en Mplus) y las dos variables de victimización como variables dependientes. Finalmente, junto con los índices estadísticos mencionados, para la selección del mejor modelo, tal como se recomienda (Nylund et al., 2007), se tuvo muy en cuenta la interpretabilidad teórica de las clases.

En el mismo modelo de Análisis de Perfiles Latentes con covariada, se utilizó la opción AUXILIARY con el e-setting para analizar la equivalencia de la ansiedad social y la autoestima, entre los perfiles identificados. Cuando este test general mostró diferencias significativas entre clases, se realizaron comparaciones de medias dos a dos. Se utilizó el criterio propuesto por Cohen (1988) para interpreter la magnitud de las diferencias de medias (pequeña: d=0.20; mediana: d=0.50; grande: d=0.80). Para todos los análisis, se utilizó maxima verosimilitud robusto (MLR) como método de estimación.

Resultados

Análisis descriptivos

En la Tabla 1 se aportan los datos descriptivos y las correlaciones de Pearson entre las variables incluidas en el estudio. Cuanto mayor es la victimización (tradicional y ciber), mayor es la ansiedad social y menor la autoestima. En el caso de la autoestima, la correlación con victimización tradicional es ligeramente mayor que con cibervictimización, con una magnitud cercana a moderada (r=-.237, d=0.49; r=-.198, d=0.41). Sin embargo, en el caso de la ansiedad social, mientras que su relación con la victimización tradicional es próxima a moderada (r=.209, d=0.43), su relación con cibervictimización es pequeña (r=.096, d=0.19). No existe una relación significativa entre el género de los adolescentes y ninguna de las dos formas de victimización. Sí que existe, en cambio, una asociación estadísticamente significativa del género con la ansiedad social y la autoestima.


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/d25a1e3c-7db8-48bb-aadd-871b3cbdb2ee-u04-01.png


Análisis de perfiles latentes

Selección del mejor modelo

Se ajustaron tres modelos de perfiles latentes. Los resultados se muestran en la Tabla 2. Aunque el LMRT-Test indica que el modelo de cuatro clases no es estadísticamente mejor que el de tres clases, el resto de estadísticos aconsejan elegir el modelo de cuatro clases. Los valores del AIC, BIC y SSABIC del modelo de cuatro clases son menores que los correspondientes del modelo de tres clases. Además, la entropía es mayor en el modelo de cuatro clases, lo que indica que la calidad de este modelo es mayor que la del de tres clases. Y lo que es tan importante como lo anterior, a nivel teórico tiene más sustento que el modelo de tres clases. Además, ambas variables resultaron relevantes en la diferenciación de los cuatro perfiles: cibervictimización (F(3,3116)=3888.209; p<.001; d=3.87) y victimización tradicional (F(3,3116)=1095.683; p<.001; d=2.05). Todas las comparaciones entre las clases en ambas variables resultaron estadísticamente significativas a p<.001. En suma, se seleccionó el modelo de cuatro clases, en lugar del de tres clases, porque estadísticamente es mejor, porque es teóricamente válido y porque es de mayor calidad que el de tres clases para clasificar a los sujetos dentro de las clases. La probablidad de ser clasificado cada sujeto dentro de la clase a la que fue asignado es excelente, en general (.917) y para cada clase de modo particular (class 1=.865; class 2=.974; class 3=.889; class 4=.937).


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/8c85887f-0025-42bf-a103-98861435ab4f-u04-02.png


Como ya se indicó anteriormente, se ajustaron los modelos con el género como covariable (el género regresado sobre la clase). Los datos obtenidos indicaron que el género no condicionó los resultados del ajuste de los modelos. En concreto, se observó que la asignación de los sujetos a las clases no cambia con o sin género como covariable (únicamente un sujeto es asignado a otra clase) y, consecuentemente, tampoco varió la entropía.

Descripción del modelo de perfiles latentes seleccionado

El modelo seleccionado está conformado por cuatro perfiles de victimización, en función del nivel de cibervictimización y de victimización tradicional padecido. En la Figura 1 se representan los niveles de cibervictimización y victimización tradicional correspondientes a los cuatro perfiles. Las puntuaciones se muestran estandarizadas (M=0; SD=1).


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/383be81c-a503-4d89-b9c2-eaa7013c6d8f-u04-03.png


Como se muestra en la Tabla 3, el perfil más numeroso (77,76%) está compuesto por adolescentes que sufren niveles mínimos o nulos de los dos tipos de victimización, por lo que se ha denominado «no víctimas» (50,3% chicas). El siguiente grupo más numeroso (13,49%) es el compuesto por adolescentes que presentan en general bajos niveles de victimización, pero que sufren predominantemente cibervictimización, de ahí que se haya denominado a este perfil «cibervíctimas» (46,1% chicas). El tercer perfil más numeroso (4,46%) se caracteriza por padecer principalmente victimización tradicional, por lo que se ha denominado «víctimas tradicionales» (39,6% chicas). El cuarto grupo, el más pequeño (4,29%), es el denominado «víctimas duales» (53% chicas), compuesto por adolescentes que sufren ambos tipos de victimización significativamente por encima de la media de la muestra.


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/9e8cb970-9f6e-4da5-b2bc-590aa82e95d0-u04-04.png


Relación de los perfiles con la ansiedad social y la autoestima

Los adolescentes «no víctimas» son los que muestran menores niveles de ansiedad social y mayor autoestima. Por el contrario, las «víctimas tradicionales» y las «víctimas duales» son las que presentan una mayor ansiedad social y una menor autoestima (Tablas 4 y 5).


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/e4f86c39-a447-4977-b4e7-2ddd0df84498-u04-05.png


En términos generales, los datos obtenidos muestran diferencias estadísticamente significativas entre los perfiles tanto en ansiedad social (=53.847; p<.001) como en autoestima (=84.288; p<.001). Atendiendo a las comparaciones múltiples entre perfiles (Tabla 5), todas las diferencias resultan estadísticamente significativas, excepto la comparación entre víctimas tradicionales y víctimas duales en ambas variables (Tabla 5).


https://typeset-prod-media-server.s3.amazonaws.com/article_uploads/027417c5-a1e3-4596-bb35-251433070e29/image/e2359a42-18c0-4103-9dc3-ab21636cd8b3-u04-06.png


Discusión y conclusiones

El primer objetivo de este trabajo ha sido identificar perfiles de victimización en la adolescencia, en función del grado de victimización tradicional o cibervictimización padecida de parte de sus iguales, así como la prevalencia de cada perfil, en una muestra de adolescentes españoles. Con respecto a este objetivo, en el presente trabajo se obtuvo, al igual que en estudios previos de meta-análisis (Modecki et al., 2014; Gini et al., 2018), una correlación positiva bastante alta entre ser víctima de violencia tradicional y ser cibervíctima. El tamaño de la correlación hallada en el presente trabajo fue muy similar a la correlación promedio hallada en estos dos meta-análisis. La tipología de perfiles de victimización hallada en el presente estudio, coincide con la hallada por Beltrán-Catalán et al. (2018), Gini et al. (2019) y Mindrila (2019), que es la que más se repite en los pocos estudios publicados sobre el tema (Álvarez-García, 2020). Esta tipología distingue cuatro tipos de adolescentes: no víctimas, cibervíctimas, víctimas tradicionales y víctimas duales. La mayoría de los estudios revisados (Álvarez-García, 2020) distingue no víctimas, víctimas tradicionales y víctimas duales. Sin embargo, existe un menor consenso en la categoría «cibervíctimas». En el presente trabajo, los resultados sugieren la pertinencia de considerar a los adolescentes que son principalmente cibervíctimas como un tipo específico de alumnado victimizado.

Al igual que en todas las tipologías propuestas en los estudios revisados (Álvarez-García, 2020), en el presente trabajo el tipo más frecuente con diferencia es el de no víctimas. La categoría «víctimas duales» es la menos numerosa, al igual que en la gran mayoría de los estudios revisados que incluyen esta categoría. En el presente trabajo, el porcentaje de adolescentes con predominio de cibervictimización es mayor que el de adolescentes con predominio de victimización tradicional, lo cual contradice los resultados de los estudios previamente publicados. En los estudios previos en los que se halla una categoría de cibervíctimas, el porcentaje de adolescentes que la configura es significativamente menor (Beltrán-Catalán et al., 2018; Mindrila, 2019) o menor pero no significativamente (Gini et al., 2019) que el de víctimas tradicionales. Resulta difícil determinar con exactitud la razón de esta divergencia, debido a la disparidad de los estudios en términos de metodología, indicadores usados, rango de edad y contexto de la muestra (Álvarez-García, 2020). No obstante, una posible razón se puede encontrar en que en el presente estudio los adolescentes agrupados en el perfil «cibervíctimas» presentan un nivel general de victimización menos severo que los agrupados en el perfil «victimización tradicional». Quizás este es el motivo por el que la categoría «cibervíctimas» es más numerosa en el presente trabajo. En el trabajo de Gini et al. (2019), en el que la diferencia entre el tamaño de ambos grupos (cibervíctimas y víctimas tradicionales) apenas existe, ambos grupos son más similares en su nivel general de victimización que en el presente trabajo.

El segundo objetivo consistió en analizar la asociación de los perfiles de victimización obtenidos con la ansiedad social y la autoestima. Con respecto a la ansiedad social, los resultados obtenidos son congruentes con la hipótesis de partida, sustentada en la evidencia previa (Gómez-Ortiz et al., 2017; Landoll et al., 2015; Pabian, & Vandebosch, 2016; Pontillo et al., 2019; Romera et al., 2016; Ruíz-Martín et al., 2019; Van-den-Eijnden et al., 2014): cuanto mayor es el nivel de victimización, mayor es la ansiedad social, siendo más fuerte la asociación de la ansiedad con la violencia tradicional que con la cibervictimización.

En el presente trabajo, el análisis de correlaciones muestra que la ansiedad social correlaciona de manera positiva y estadísticamente significativa tanto con la victimización tradicional como con la cibervictimización. La correlación es mayor con victimización tradicional que con cibervictimización. El análisis de las diferencias en ansiedad social en función del tipo de victimización padecido muestra que el grupo de no víctimas es el que muestra una menor ansiedad social. Los adolescentes que son principalmente cibervíctimas presentan una mayor ansiedad social que las no víctimas. Los que son predominantemente víctimas de violencia tradicional, presentan una mayor ansiedad social que los que son principalmente cibervíctimas y, por tanto, también mayor que las no víctimas. Los adolescentes que son víctimas tanto de violencia tradicional como de ciberagresiones presentan mayor ansiedad social que los que son principalmente cibervíctimas, pero no difieren de manera estadísticamente significativa con respecto a las victimas de violencia tradicional. Este resultado, además de ser congruente con los obtenidos en los estudios previos revisados (Gómez-Ortiz et al., 2017; Landoll et al., 2015; Pabian, & Vandebosch, 2016; Pontillo et al., 2019; Romera et al., 2016; Ruíz-Martín et al., 2019; Van den Eijnden et al., 2014), es congruente con la hipótesis de Olweus (2012), según la cual la cibervictimización en muchas ocasiones aparece unida a la victimización tradicional y para entenderla se debe analizar en el contexto de un maltrato más amplio, también de tipo presencial.

Con respecto a la autoestima, los resultados obtenidos son congruentes con la hipótesis de partida, sustentada por la evidencia previa (Álvarez-García et al., 2019; Chen et al., 2017; Kowalski et al., 2014; Marciano et al., 2020; Tsaousis, 2016; Van Geel et al., 2018): cuanto mayor es el nivel de victimización de los adolescentes, menor es su autoestima, siendo más fuerte esta asociación con la violencia tradicional que con la cibervictimización.

En el presente trabajo, el análisis de correlaciones muestra que la autoestima correlaciona de manera negativa y estadísticamente significativa tanto con la victimización tradicional como con la cibervictimización. La correlación es ligeramente mayor con victimización tradicional que con cibervictimización. El análisis de las diferencias en autoestima en función del tipo de victimización padecido, muestra que los adolescentes con mayor autoestima son las no víctimas. Los adolescentes principalmente cibervíctimas presentan una autoestima más baja que las no víctimas. Los adolescentes principalmente víctimas tradicionales presentan una autoestima más baja que los principalmente cibervíctimas y, por tanto, también que las no víctimas. Al igual que en el caso de la ansiedad social, los adolescentes que son víctimas tanto de violencia tradicional como de ciberagresiones presentan una autoestima más baja que los que son principalmente cibervíctimas, pero no difieren de manera estadísticamente significativa con respecto a las victimas de violencia tradicional. Este resultado, además de ser congruente con los obtenidos en los estudios previos (Álvarez-García et al., 2019; Chen et al., 2017; Kowalski et al., 2014; Marciano et al., 2020; Tsaousis, 2016; Van Geel et al., 2018), es congruente con la hipótesis de Olweus (2012), según la cual la cibervictimización en muchas ocasiones aparece unida a la victimización tradicional y para entenderla se debe analizar en el contexto de un maltrato más amplio, también de tipo presencial. De hecho, el propio Olweus (2012) halló que ser víctima tradicional predice pobre autoestima, mientras que ser cibervíctima no contribuye significativamente.

El presente trabajo supone una contribución al campo de estudio. Se trata de uno de los pocos estudios publicados a nivel internacional hasta la fecha en los que se ha tratado de identificar tipos de víctimas, en adolescentes, en función del grado de padecimiento de violencia offline y online entre iguales, utilizando modelos de mezcla (mixture modeling). Hasta donde conocemos, se trata del primero realizado en España. Los resultados obtenidos presentan importantes implicaciones teóricas y prácticas. Desde un punto de vista teórico, el presente trabajo contribuye a considerar la cibervictimización como un constructo con entidad propia, que, no obstante, está relacionado con la victimización tradicional y, para comprender mejor sus factores de riesgo y consecuencias, se debe analizar en el contexto de un posible maltrato más amplio, también en el plano presencial.

Desde un punto de vista práctico, los resultados obtenidos en el presente trabajo sugieren, en primer lugar, que es importante estar en alerta, en contextos educativos y clínicos, con el alumnado con ansiedad social y baja autoestima, por su mayor riesgo de ser víctima de violencia por parte de sus iguales, para su detección temprana. En segundo lugar, de cara a la prevención y el tratamiento del problema, es importante trabajar la autoestima y las habilidades de interacción social. Por último, los resultados obtenidos no permiten defender que basta con programas preventivos generales contra el maltrato entre adolescentes, para prevenir la cibervictimización. Efectivamente, existe un grado de solapamiento y las actitudes, valores y habilidades que se trabajen para prevenir la violencia en contextos presenciales puede tener un efecto positivo sobre la prevención de la violencia en contextos virtuales (Gradinger et al., 2016; Salmivalli et al., 2011). Sin embargo, existe una parte de adolescentes que son principalmente cibervíctimas, y la violencia a través de contextos virtuales presenta algunas características particulares que también conviene trabajar específicamente (Del-Rey et al., 2018; Hinduja, & Patchin, 2015).

Si bien este trabajo supone, como se ha explicado, una contribución a su campo de estudio, cabe reconocer que presenta algunas limitaciones. En primer lugar, los datos han sido recabados mediante autoinformes, los cuales pueden generar sesgos de respuesta como el falseamiento o la deseabilidad social -aunque se han tratado de minimizar durante el proceso garantizando el anonimato y la confidencialidad de los resultados-. En segundo lugar, se ha utilizado una muestra amplia y representativa de la población de la que fue extraída, pero acotada a unas edades y área geográfica concretas. Cualquier generalización de estos resultados a otras poblaciones se ha de hacer con precaución. Sería recomendable replicar este estudio en otras muestras a fin de analizar la validez externa de los resultados. (1)

References

  1. Marciano, Laura, Schulz, Peter J & Camerini, Anne-Linda. 2020.perpetration and victimization in youth: A meta-analysis of longitudinal studies&author=Marciano&publication_year= Cyberbullying perpetration and victimization in youth: A meta-analysis of longitudinal studies. Journal of Computer-Mediated Communication 25(2):163–181.
  2. Pontillo, Maria, M.C., Tata,, Averna, Roberto, Demaria, Francesco, Gargiullo, Prisca, Guerrera, Silvia, Pucciarini, Maria Laura, Santonastaso, Ornella & Vicari, Stefano. 2019.victimization and onset of social anxiety disorder in children and adolescents&author=Pontillo&publication_year= Peer victimization and onset of social anxiety disorder in children and adolescents. Brain Sciences 9(6):132.
  3. K.L., Modecki,, J., Minchin,, A.G., Harbaugh,, N.G., Guerra, & K.C., Runions,. 2014.prevalence across contexts: A meta-analysis measuring cyber and traditional bullying&author=K.L.&publication_year= Bullying prevalence across contexts: A meta-analysis measuring cyber and traditional bullying. Journal of Adolescent Health 55(5):602–611.
  4. R.M., Kowalski,, G.W., Giumetti,, A.N., Schroeder, & M.R., Lattanner,. 2014.in the digital age: A critical review and meta-analysis of cyberbullying research among youth.&author=R.M.&publication_year= Bullying in the digital age: A critical review and meta-analysis of cyberbullying research among youth.Psychological Bulletin 140(4):1073–1137.
  5. Silberg, J. L., Copeland, W., Linker, J., Moore, A. A., Roberson-Nay, R. & York, T. P.. 2016.outcomes of bullying victimization: A study of discordant monozygotic twins&author=Silberg&publication_year= Psychiatric outcomes of bullying victimization: A study of discordant monozygotic twins. Psychological Medicine 46(9):1875–1883.
  6. J.R., Hipp, & D.J., Bauer,. 2006.solutions in the estimation of growth mixture models&author=J.R.&publication_year= Local solutions in the estimation of growth mixture models. Psychological Methods 11(1):36–53.
  7. Olweus, Dan. 2012.An overrated phenomenon?&author=Olweus&publication_year= Cyberbullying: An overrated phenomenon?European Journal of Developmental Psychology 9(5):520–538.
  8. Cohen, J. 1988.power analysis for the behavioral sciences&author=&publication_year= Statistical power analysis for the behavioral sciences.Lawrence Erlbaum Associateshttps://doi.org/10.1016/c2013-0-10517-x
  9. Williford, Anne, Orsi, Rebecca, DePaolis, Kathryn J. & Isen, Debbie. 2018.and traditional peer victimization: Examining unique associations with children’s internalizing difficulties&author=Williford&publication_year= Cyber and traditional peer victimization: Examining unique associations with children’s internalizing difficulties. Children and Youth Services Review 93:51–59.
  10. Celeux, Gilles & Soromenho, Gilda. 1996.entropy criterion for assessing the number of clusters in a mixture model&author=Celeux&publication_year= An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification 13(2):195–212.
  11. Mindrila, Diana. 2019.and cyberbullying victimization and weapon carrying: A 3-step latent class analysis with a covariate and a distal outcome&author=Mindrila&publication_year= Bullying and cyberbullying victimization and weapon carrying: A 3-step latent class analysis with a covariate and a distal outcome. International Journal for Infonomics 12(1):1854–1861.
  12. Garaigordobil, Maite, Mollo-Torrico, Juan Pablo, Machimbarrena, Juan Manuel & Páez, Darío. 2020.in adolescents of Bolivia: Connection with psychopathological symptoms, adaptive and predictor variables&author=Garaigordobil&publication_year= Cyberaggression in adolescents of Bolivia: Connection with psychopathological symptoms, adaptive and predictor variables. International Journal of Environmental Research and Public Health 17(3):1022.
  13. E.O., Acquah,, P.Z., Topalli,, M.L., Wilson,, N., Junttila, & P.M., Niemi,. 2016.loneliness and social anxiety as predictors of bullying victimisation&author=E.O.&publication_year= Adolescent loneliness and social anxiety as predictors of bullying victimisation. International Journal of Adolescence and Youth 21(3):320–331.
  14. D., Álvarez-García,, J.C., Núñez,, A., Dobarro, & C., Rodríguez,. 2015.factors associated with cybervictimization in adolescence&author=D.&publication_year= Risk factors associated with cybervictimization in adolescence. International Journal of Clinical and Health Psychology 15(3):226–235.
  15. D., Álvarez-García,, A., Barreiro-Collazo, & J., Núñez,. 2017.among adolescents: Prevalence and gender differences.[Ciberagresión entre adolescentes: Prevalencia y diferencias de género&author=D.&publication_year= Cyberaggression among adolescents: Prevalence and gender differences.[Ciberagresión entre adolescentes: Prevalencia y diferencias de género]]Comunicar 50:89–97.
  16. A.M., Galovan,, Drouin, Michelle & B.T., McDaniel,. 2018.profiles in the United States and Canada: Implications for individual and relationship well-being&author=A.M.&publication_year= Sexting profiles in the United States and Canada: Implications for individual and relationship well-being. Computers in Human Behavior 79:19–29.
  17. Sastre, A. 2016.a eso no juego&author=&publication_year= Yo a eso no juego.Save the Children
  18. D., Álvarez-García,. 2020.Table "Studies which have attempted to identify types of victims depending on extent of suffering from offline and online peer aggression in adolescence"https://doi.org/10.6084/m9.figshare.12786470.v2
  19. K.L., Nylund,, T., Asparouhov, & B.O., Muthén,. 2007.on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study&author=K.L.&publication_year= Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Structural Equation Modeling: A Multidisciplinary Journal 14(4):535–569.
  20. Z., Suárez-García,, D., Álvarez-García,, C., Rodríguez,, , & . 2020.de ser víctima de acoso escolar en Educación Primaria: Una revisión sistemática&author=Z.&publication_year= Predictores de ser víctima de acoso escolar en Educación Primaria: Una revisión sistemática. Revista de Psicología y Educación 15(1):1.
  21. Chen, Liang, Ho, Shirley S & Lwin, May O. 2017.meta-analysis of factors predicting cyberbullying perpetration and victimization: From the social cognitive and media effects approach&author=Chen&publication_year= A meta-analysis of factors predicting cyberbullying perpetration and victimization: From the social cognitive and media effects approach. New Media & Society 19(8):1194–1213.
  22. J., Wang,, R.J., Iannotti,, J.W., Luk, & T.R., Nansel,. 2010.of victimization from five subtypes of bullying: Physical, verbal, social exclusion, spreading rumors, and cyber&author=J.&publication_year= Co-occurrence of victimization from five subtypes of bullying: Physical, verbal, social exclusion, spreading rumors, and cyber. Journal of Pediatric Psychology 35(10):1103–1112.
  23. Ruíz-Martín, Andrea, R., Bono-Cabré,, E., Magallón-Neri,, & . 2019.y ansiedad social en adolescentes: Una revisión sistemática&author=Ruíz-Martín&publication_year= Ciberacoso y ansiedad social en adolescentes: Una revisión sistemática. Revista de Psicología Clínica con Niños y adolescentes 6:9–15.
  24. Salmivalli, Christina, Kärnä, Antti & Poskiparta, Elisa. 2011.bullying in Finland: The KiVa program and its effects on different forms of being bullied&author=Salmivalli&publication_year= Counteracting bullying in Finland: The KiVa program and its effects on different forms of being bullied. International Journal of Behavioral Development 35(5):405–411.
  25. López-Castedo, A, Álvarez-García, D, Domínguez, J & Álvarez, E. 2018.of school violence in adolescence&author=López-Castedo&publication_year= Expressions of school violence in adolescence. Psicothema 30(4):395–400.
  26. R., Van-den-Eijnden,, A., Vermulst,, A.J., Van-Rooij,, R., Scholte, & D., Van-de-Mheen,. 2014.Bidirectional Relationships Between Online Victimization and Psychosocial Problems in Adolescents: A Comparison with Real-Life Victimization&author=R.&publication_year= The Bidirectional Relationships Between Online Victimization and Psychosocial Problems in Adolescents: A Comparison with Real-Life Victimization. Journal of Youth and Adolescence 43(5):790–802.
  27. Beltrán-Catalán, M, Zych, I, Ortega-Ruiz, R & Llorent, V J. 2018.through bullying and cyberbullying: Emotional intelligence, severity of victimisation and technology use in different types of victims&author=Beltrán-Catalán&publication_year= Victimisation through bullying and cyberbullying: Emotional intelligence, severity of victimisation and technology use in different types of victims. Psicothema 30(2):183–188.
  28. R.R., Landoll,, A.M., La-Greca,, B.S., Lai,, S.F., Chan, & W.M., Herge,. 2015.victimization by peers: Prospective associations with adolescent social anxiety and depressive symptoms&author=R.R.&publication_year= Cyber victimization by peers: Prospective associations with adolescent social anxiety and depressive symptoms. Journal of Adolescence 42:77–86.
  29. Calvete, Esther, Fernández-González, Liria, J.M., González-Cabrera, & Gámez-Guadix, Manuel. 2018.bullying victimization in adolescents: Maladaptive schemas as a mediational mechanism&author=Calvete&publication_year= Continued bullying victimization in adolescents: Maladaptive schemas as a mediational mechanism. Journal of Youth and Adolescence 47(3):650–660.
  30. G., Gini,, N.A., Card, & T., Pozzoli,. 2018.meta-analysis of the differential relations of traditional and cyber-victimization with internalizing problems&author=G.&publication_year= A meta-analysis of the differential relations of traditional and cyber-victimization with internalizing problems. Aggressive Behavior 44(2):185–198.
  31. Tsaousis, Ioannis. 2016.relationship of self-esteem to bullying perpetration and peer victimization among schoolchildren and adolescents: A meta-analytic review&author=Tsaousis&publication_year= The relationship of self-esteem to bullying perpetration and peer victimization among schoolchildren and adolescents: A meta-analytic review. Aggression and Violent Behavior 31:186–199.
  32. K.R., Mehari,, A.D., Farrell, & A.T.H., Le,. 2014.among adolescents: Measures in search of a construct&author=K.R.&publication_year= Cyberbullying among adolescents: Measures in search of a construct. Psychology of Violence 4(4):399–415.
  33. Cosma, Alina, Walsh, Sophie D., Chester, Kayleigh L., Callaghan, Mary, Molcho, Michal, Craig, Wendy & Pickett, William. 2020.victimization: Time trends and the overlap between traditional and cyberbullying across countries in Europe and North America&author=Cosma&publication_year= Bullying victimization: Time trends and the overlap between traditional and cyberbullying across countries in Europe and North America. International Journal of Public Health 65(1):75–85.
  34. Pabian, Sara & Vandebosch, Heidi. 2016.investigation of short-term longitudinal associations between social anxiety and victimization and perpetration of traditional bullying and cyberbullying&author=Pabian&publication_year= An investigation of short-term longitudinal associations between social anxiety and victimization and perpetration of traditional bullying and cyberbullying. Journal of Youth and Adolescence 45(2):328–339.
  35. Gómez-Ortiz, Olga, Roldán, Rosa, Ortega-Ruiz, Rosario & García-López, Luis-Joaquín. 2018.anxiety and psychosocial adjustment in adolescents: Relation with peer victimization, self-esteem and emotion regulation&author=Gómez-Ortiz&publication_year= Social anxiety and psychosocial adjustment in adolescents: Relation with peer victimization, self-esteem and emotion regulation. Child Indicators Research 11(6):1719–1736.
  36. Hinduja, S & Patchin, J W. 2015.beyond the schoolyard: preventing and responding to cyberbullying&author=&publication_year= Bullying beyond the schoolyard: preventing and responding to cyberbullying.Thousand Oaks
  37. R., Del-Rey,, J., Mora-Merchán,, J., Casas,, R., Ortega-Ruiz, & P., Elipe,. 2018.program: Effects on cyber-aggression and its risk factors. [Programa «Asegúrate»: Efectos en ciberagresión y sus factores de riesgo&author=R.&publication_year= 'Asegúrate' program: Effects on cyber-aggression and its risk factors. [Programa «Asegúrate»: Efectos en ciberagresión y sus factores de riesgo]]Comunicar 56:39–48.
  38. M.J., González-Moreno,, C., Cuenca-Piqueras, & J.S., Fernández-Prados,. 2020.and education: State of the art and bibliometric analysis&author=M.J.&publication_year= Cyberbullying and education: State of the art and bibliometric analysis. In: 2020: Proceedings of the 2020 8th International Conference on Information and Education Technology&author=&publication_year= InICIET 2020: Proceedings of the 2020 8th International Conference on Information and Education Technology. (pp. 191-195) ICIEThttps://doi.org/10.1145/3395245.3396449
  39. S.J., Viau,, Denault, Anne-Sophie, Dionne, Ginette, Brendgen, Mara, Geoffroy, Marie-Claude, Côté, Sylvana, Larose, Simon, Vitaro, Frank, R.E., Tremblay, & Boivin, Michel. 2020.trajectories of peer cyber and traditional victimization in adolescence: A look at risk factors&author=S.J.&publication_year= Joint trajectories of peer cyber and traditional victimization in adolescence: A look at risk factors. The Journal of Early Adolescence 40(7):936–965.
  40. Gradinger, Petra, Yanagida, Takuya, Strohmeier, Dagmar & Spiel, Christiane. 2016.and sustainability of the ViSC Social Competence Program to prevent cyberbullying and cyber-victimization: Class and individual level moderators&author=Gradinger&publication_year= Effectiveness and sustainability of the ViSC Social Competence Program to prevent cyberbullying and cyber-victimization: Class and individual level moderators. Aggressive Behavior 42(2):181–193.
  41. Cañas, Elizabeth, Estévez, Estefanía, M.C., Martínez-Monteagudo, & Delgado, Beatriz. 2020.adjustment in victims and perpetrators of cyberbullying and traditional bullying&author=Cañas&publication_year= Emotional adjustment in victims and perpetrators of cyberbullying and traditional bullying. Social Psychology of Education 23(4):917–942.
  42. E.M., Romera,, O., Gómez-Ortiz, & R., Ortega-Ruiz,. 2016.mediating role of psychological adjustment between peer victimization and social adjustment in adolescence&author=E.M.&publication_year= The mediating role of psychological adjustment between peer victimization and social adjustment in adolescence. Frontiers in Psychology 7:1–9.
  43. L.K., Muthén, & B.O., Muthén,. 2012.user’s guide&author=&publication_year= Mplus user’s guide.Muthén & Muthén
  44. M., Van-Geel,, A., Goemans,, W., Zwaanswijk,, G., Gini, & P., Vedder,. 2018.peer victimization predict low self-esteem, or does low self-esteem predict peer victimization? Meta-analyses on longitudinal studies&author=M.&publication_year= Does peer victimization predict low self-esteem, or does low self-esteem predict peer victimization? Meta-analyses on longitudinal studies. Developmental Review 49:31–40.
  45. Gini, Gianluca, Marino, Claudia, Xie, Jia-Yan, Pfetsch, Jan & Pozzoli, Tiziana. 2019.of traditional and peer cyber-victimization with adolescents’ Internet use: A latent profile analysis&author=Gini&publication_year= Associations of traditional and peer cyber-victimization with adolescents’ Internet use: A latent profile analysis. Cyberpsychology: Journal of Psychosocial Research on Cyberspace 13(4).
  46. J.M., Machimbarrena,, Calvete, Esther, Fernández-González, Liria, Álvarez-Bardón, Aitor, Álvarez-Fernández, Lourdes & González-Cabrera, Joaquín. 2018.risks: An Overview of victimization in cyberbullying, cyber dating abuse, sexting, online grooming and problematic Internet use&author=J.M.&publication_year= Internet risks: An Overview of victimization in cyberbullying, cyber dating abuse, sexting, online grooming and problematic Internet use. International Journal of Environmental Research and Public Health 15(11):2471.
Back to Top

Document information

Published on 31/03/21
Accepted on 31/03/21
Submitted on 31/03/21

Volume 29, Issue 1, 2021
DOI: 10.3916/C67-2021-04
Licence: CC BY-NC-SA license

Document Score

0

Views 0
Recommendations 0

Share this document

Keywords

claim authorship

Are you one of the authors of this document?