Modelo para la predicción de la adicción de los smartphones en adolescentes aplicando Machine Learning y Big Five Personality Traits

Abstract

La adicción al smartphone es una creciente preocupación en la sociedad, especialmente entre los adolescentes, debido a su impacto negativo en el bienestar físico, emocional y social. El uso excesivo de estos dispositivos ha demostrado consecuencias desfavorables y una fuerte dependencia, lo que conduce a niveles elevados de ansiedad, angustia, estrés y depresión. Esta carga psicológica puede llevar al descuido de actividades diarias conforme las personas buscan placer mediante el uso de su celular. El objetivo de este estudio es desarrollar un modelo predictivo utilizando técnicas de Machine Learning para identificar la adicción al smartphone basado en los "Cinco Grandes Rasgos de Personalidad (BFPT)". El modelo fue construido siguiendo cinco fases de la metodología "Cross-Industry Standard Process for Data Mining" (CRISP-DM): Comprensión del negocio, Comprensión de los datos, Preparación de los datos, Modelamiento y Evaluación.

Para crear la base de datos, se recopilaron datos de una escuela utilizando el cuestionario "Big Five Inventory" (BFI) para los rasgos de personalidad y el "Smartphone Addiction Scale" (SAS) para conocer el uso del smartphone del encuestado. Luego, se emplearon cuatro algoritmos (DT, RF, XGB, LG) para examinar la correlación entre los rasgos de personalidad y la adicción. El análisis reveló una relación entre los rasgos de neuroticismo y conciencia con la adicción al smartphone. Los resultados indicaron que el algoritmo RF logró una precisión del 89.7%, una precisión del 87.3%, y el valor de AUC más alto en la curva ROC.

Estos hallazgos resaltan la efectividad del modelo propuesto para predecir con precisión la adicción al smartphone en los adolescentes.

Smartphone addiction has emerged as a growing concern in society, particularly among teenagers, due to its potential negative impact on physical, emotional social well-being. The excessive use of smartphones has consistently shown associations with negative outcomes, highlighting a strong dependence on these devices, which often leads to detrimental effects on mental health, including heightened levels of anxiety, distress, stress depression. This psychological burden can further result in the neglect of daily activities as individuals become increasingly engrossed in seeking pleasure through their smartphones. The aim of this study is to develop a predictive model utilizing machine learning techniques to identify smartphone addiction based on the "Big Five Personality Traits (BFPT)". The model was developed by following five out of the six phases of the "Cross Industry Standard Process for Data Mining (CRISP-DM)" methodology, namely "business understanding," "data understanding," "data preparation," "modeling," and "evaluation." To construct the database, data was collected from a school using the Big Five Inventory (BFI) and the Smartphone Addiction Scale (SAS) questionnaires. Subsequently, four algorithms (DT, RF, XGB LG) were employed the correlation between the personality traits and addiction was examined. The analysis revealed a relationship between the traits of neuroticism and conscientiousness with smartphone addiction. The results demonstrated that the RF algorithm achieved an accuracy of 89.7%, a precision of 87.3% the highest AUC value on the ROC curve. These findings highlight the effectiveness of the proposed model in accurately predicting smartphone addiction among adolescents.