Modelos de aprendizaje de máquina en la detección de patrones de adicción a las redes sociales en estudiantes de secundaria.

Abstract

El uso excesivo y compulsivo de las redes sociales en estudiantes de secundaria se ha consolidado como una problemática relevante en la era digital, debido a sus efectos negativos sobre el rendimiento académico, el bienestar emocional y las relaciones sociales. Plataformas como Instagram, TikTok y Facebook influyen de manera significativa en el comportamiento digital de los adolescentes, generando riesgos asociados a la dependencia tecnológica. Método: La investigación empleó un enfoque cuantitativo apoyado en modelos de aprendizaje de máquina para la detección de patrones conductuales vinculados a la adicción a redes sociales. Se aplicó la escala validada Bergen Social Media Addiction Scale (BSMAS) a estudiantes de secundaria de la ciudad de Manta, Ecuador, recolectando información sobre variables psicosociales como autoestima, estado emocional y percepción del entorno escolar. Resultados: El presente análisis permitió identificar los distintos patrones de riesgo que se encuentran asociados al uso problemático de redes sociales, logrando así evidenciar relaciones significativas entre la intensidad de uso, variables emocionales y comportamientos digitales repetitivos. Los modelos implementados demostraron una capacidad adecuada para segmentar perfiles de riesgo y detectar indicios tempranos de adicción digital. Conclusiones: Los resultados presentados confirman el gran potencial que posee el aprendizaje de máquina como herramienta de apoyo para la detección temprana de conductas adictivas en contextos educativos. Asimismo, el estudio aporta evidencia para el diseño de estrategias preventivas orientadas al bienestar digital y al uso responsable de la tecnología en adolescentes, contribuyendo a la toma de decisiones informadas por parte de las instituciones educativas.