Introducción

El ciberacoso es un fenómeno que implica el acoso a personas usando las plataformas que operan a través soportes tecnológicos. Conectado con el acoso tradicional, actualmente es un campo de investigación en activo tal como queda patente en la producción científica al respecto: en la base de datos Scopus se registran 437 artículos sobre ciberacoso como palabra clave en 2019; en 2024 la producción registrada en Scopus es de 808. A pesar de este volumen de estudios, aún está en debate qué se entiende por ciberacoso. Así, Tokunaga (2010) ya subrayaba la falta de consenso en la definición de ciberacoso, destacando que abarca tanto el acoso como la intimidación en entornos digitales. La ausencia de una definición uniforme representa un obstáculo significativo para la comprensión y comparación de estudios sobre esta problemática, dificultando los esfuerzos de investigación y de desarrollo teórico en este campo, como señala Hawkins (2024). En un metaanálisis centrado en las definiciones de ciberacoso, Peter y Petermann (2018) lo definieron como el uso reiterado e intencional de tecnologías de la información y la comunicación (TIC) para acosar, dañar, avergonzar o lastimar a una persona. Según estos autores, los elementos esenciales del ciberacoso incluyen la repetición, el desequilibrio de poder entre agresor y víctima, y la dualidad entre formas directas (públicas) e indirectas (privadas). Además, enfatizan que la percepción de la víctima es un factor crucial, ya que determina si una acción se considera dañina. Buelga et al. (2020) también identificaban estas dos formas: directas e indirectas. Esta autora, y sus colaboradores, explican que los ciberacosos directos incluyen ataques verbales y sociales, como insultos o bloqueos en redes sociales, mientras que los indirectos abarcan la manipulación de contenidos de la víctima, suplantaciones de identidad o piratería informática. Por su parte, Jenaro et al. (2018) identifican cinco componentes fundamentales del ciberacoso: (1) es una agresión de carácter relacional o interpersonal; (2) se realiza de manera intencionada; (3) es repetitiva a lo largo del tiempo; (4) ocurre en contextos de desequilibrio de poder; y (5) tiene como medio principal las TIC.

En el presente estudio se recurre a una definición basada en las investigaciones de Ortega-Ruiz et al. (2016) de forma que por ciberacoso se entenderá toda aquella forma de agresión injustificada, llevada a cabo a través de dispositivos digitales, relacionada explícitamente con el acoso tradicional, con quien comparte tres criterios clave: intencionalidad, repetición y desequilibrio de poder entre el agresor y la víctima.

Al margen de la definición académica del ciberacoso, los estudios han destacado que el ciberacoso debe ser investigado con el objetivo de encontrar medios eficaces para su control, dado su efecto pernicioso tanto a nivel personal como social. En este sentido, diversos estudios han relacionado el ciberacoso con graves consecuencias psicológicas, como ideas suicidas entre las víctimas (Cenat et al., 2019; Fauzi, 2023; Martínez-Monteagudo et al., 2020; Sarhangi et al., 2023; Wang et al., 2020) así como la aparición de síntomas de depresión y ansiedad en mayor medida que quienes no han sido acosados (Begotti & Acquadro Maran, 2019; Giumetti et al., 2022; Jenaro et al., 2021; Lee et al., 2023; Lozano-Blasco et al., 2020; Sarhangi et al., 2023; Varela et al., 2022). En las víctimas, el ciberacoso incrementa el miedo a la soledad (Varela et al., 2022) y puede afectar profundamente el desarrollo emocional y social (Fauzi, 2023; Nagar & Talwar, 2023). Adicionalmente, los ciberagresores victimizados, es decir aquellos que han sido víctimas antes de convertirse en agresores muestran mayores niveles de agresividad (Aparisi et al., 2023). En cuanto a la autoestima, Donat et al., (2023) identifican una relación entre un bajo nivel de autoestima y un mayor riesgo de victimización. El ciberacoso también impacta negativamente en el rendimiento académico, incrementando la probabilidad de abandono de los estudios en las víctimas (Bernardo et al., 2020; Khine et al., 2020). Ali y Shahbuddin (2022) documentan, además, un efecto negativo en el rendimiento académico de los propios ciberagresores.

Por otro lado, el ciberacoso tiene ciertos correlatos identificados en los estudios consultados. Entre ellos, destaca la relación con las redes sociales. Según Kaur et al. (2021), estas plataformas ofrecen un entorno propicio para conductas abusivas en línea, mientras que la adicción o el uso intensivo de redes sociales se asocian como predictores claves de este fenómeno (Chan et al., 2021; Cimke & Cerit, 2021; Giumetti & Kowalski, 2022). De manera similar, el uso inadecuado de las Tecnologías de la Información y la Comunicación (TIC) y la adicción a Internet también contribuyen a la aparición del ciberacoso (Chu et al., 2023; González-Sodis & Leiva Olivencia, 2022; Zhong et al., 2021). En particular, los hombres con altos niveles de uso de redes sociales presentan mayor riesgo de perpetración y victimización, mientras que este patrón no se observa en las mujeres (Schodt et al., 2021). En este mismo sentido, la autoeficacia en el manejo de tecnologías digitales parece jugar un papel dual, puesto que puede reducir la probabilidad de ser víctima, pero también incrementa las probabilidades de convertirse en ciberacosador (Musharraf et al., 2019). Asimismo, un alto dominio de Internet parece disminuir los escrúpulos éticos para participar en conductas de ciberacoso (Jenaro et al., 2018; Xu & Zheng, 2022).

A nivel psicológico, la literatura consultada ha analizado algunos correlatos, relacionados con la personalidad. Entre los rasgos de personalidad, un alto nivel de narcisismo se ha relacionado con una mayor probabilidad de hacer ciberacoso, especialmente en mujeres, aunque este efecto podría mitigarse mediante un equilibrio en la inteligencia emocional (Tarinkulu & Erdur-Baker, 2021; Schade et al., 2021). Por otro lado, niveles elevados de neuroticismo se asocian con un mayor riesgo, tanto de perpetración como de victimización del ciberacoso (Gao et al., 2022; Hossain et al., 2022). Entre los factores inhibidores, la empatía destaca como un posible protector contra el ciberacoso (Donat et al., 2023; Lêe et al., 2021) si bien esto no está claro del todo, como apuntan los resultados de Schade et al., (2021). Zych et al. (2019), en un metaanálisis concluyen que los ciberacosadores tienden a tener una empatía afectiva y cognitiva más baja, mientras que las víctimas no muestran diferencias significativas en empatía en comparación con quienes no experimentan ciberacoso. En cualquier caso, estos autores advierten que estas conclusiones no son totalmente concluyentes.

También los trastornos emocionales desempeñan un papel relevante en el ciberacoso. La depresión, el estrés y la ansiedad incrementan tanto la probabilidad de ser víctima como de convertirse en agresor (Donat et al., 2023). Wei et al. (2023) destacan que la ansiedad en estudiantes universitarios puede ser un factor que favorezca conductas agresivas en línea. De esta forma, el ciberacoso puede ser motivado por inestabilidad emocional o bien causarla, tal como se apuntó anteriormente, pudiendo generar un ciclo vicioso de victimización agresión.

En otro orden de cosas, hay suficiente evidencia que muestra cómo personas que son ciberacosadoras, fueron previamente víctimas. Así, personas que han sido víctimas de maltrato infantil o acoso tradicional presentan una mayor probabilidad de convertirse en ciberacosadores, alentados por la percepción de anonimato que ofrece Internet (Sun et al., 2020; Dong, 2020; Akarsu et al., 2022). Una posible explicación es que las emociones negativas derivadas de estas experiencias pueden llevar a las víctimas de ciberacoso a convertirse en agresores, denominados "ciberagresores victimizados" (Aquino-Canchari et al., 2022; Li & Peng, 2022). Akarsu et al. (2022) señalan una conexión significativa entre traumas crónicos sufridos en la juventud y los niveles de ciberacoso y cibervictimización en la etapa universitaria.

Anteriormente, se ha expuesto brevemente el reto que supone para las investigaciones la diversidad de interpretaciona para definir el ciberacoso. Además, se debe afrontarse otros desafíos, entre ellos, la variabilidad en las estimaciones de prevalencia debido a diferencias metodológicas. Por ejemplo, Zhong et al. (2021) registraron una prevalencia del 17.14% en ciberacosadores y del 19.93% en víctimas entre estudiantes universitarios en China. Por su parte, Li y Peng (2022) muestran cifras más elevadas en el mismo país, con un 23.40% de ciberacosadores, un 23.20% de ciberacosadores victimizados y un 37.40% de víctimas. En Malasia, la prevalencia fue del 24.4% para víctimas y del 13% para perpetradores (Lee et al., 2023). En Myanmar, los niveles son considerablemente más altos, con un 40.8% de hombres y un 51.1% de mujeres reportando haber sufrido ciberacoso en el último año (Khine et al., 2020).

En contextos de cultura musulmana, la prevalencia también es significativa. En Arabia Saudí, casi la mitad de los estudiantes universitarios han sido víctimas de ciberacoso (Ali & Shahbuddin, 2022), mientras que Al Qudah et al. (2020) documentan un 17.6% de acosadores en esta misma población. En Qatar, un 6.8% de estudiantes son ciberacosadores, un 29.2% cibervíctimas y un 35.8% se identifican como ciberacosadores-víctimas (Alrajeh et al., 2021). En Turquía, Tanrikulu y Erdur-Baker (2021) reportan que el 49.7% de los estudiantes universitarios han acosado a alguien en los últimos seis meses. En Pakistán, Musharraf y Anis-ul-Haque (2018) hallaron que la mayoría de los universitarios están involucrados en ciberacoso, con un 35% como acosadores-víctimas y un 25% como víctimas.

En Europa, las cifras varían considerablemente. En Italia, el 48.5% de los estudiantes universitarios han sido víctimas de ciberacoso (Begotti & Acquadro Maran, 2019). En Francia, Cenat et al. (2019) reportan una prevalencia del 19% en esta población. En España, el 14.4% de los estudiantes universitarios han sido víctimas, y el 7.3% han sido acosadores (Méndez et al., 2019). Además, un estudio comparativo entre estudiantes bolivianos y españoles muestra que el 5.1% han sido víctimas y el 19.3% han sido espectadores, sin diferencias significativas entre ambos países (Jenaro et al., 2021).

Cabra Torres y Marciales Vivas (2016) señalan la limitada cantidad de información disponible sobre el bullying y el ciberacoso en América Latina, lo que dificulta obtener una visión integral de las tasas generales de prevalencia. En el caso del Perú, Puma-Maque y Cárdenas-Zuñiga (2024) publicaron una revisión sistemática, sobre el bullying y el ciberacoso, en el periodo 2017-2021 en revistas indexadas en WoS, Scopus, Scielo, Redalyc y PubMed solo encontraron 17 artículos y ninguno de ellos se refería a estudiantes universitarios. Respecto al ciberacoso, la tasa de victimización alcanza al 24.6% de los adolescentes que asisten a escuelas ubicadas en barrios violentos de Lima, siendo el porcentaje de afectados varones superior al de mujeres (Miranda et al., 2019). Otro estudio, realizado con estudiantes de entre 9 y 11 años, identificó que entre el 0.7% y el 3.2% habían presenciado casos de ciberacoso de forma ocasional (Henning et al., 2019). Por su parte, Martínez et al. (2020), en una investigación con adolescentes de la Amazonía peruana, reportaron que el 13.6% de los participantes se identificaron como víctimas de ciberacoso, el 17% como víctimas y agresores, y el 36.7% no estuvo involucrado en ningún tipo de ciberacoso. Estos datos resaltan la variabilidad en las tasas de prevalencia según los grupos etarios y las metodologías empleadas, subrayando la necesidad de investigaciones más consistentes y regionalmente representativas en el contexto peruano.

Aunque existe una amplia base de investigación sobre el bullying en niveles educativos primarios y secundarios, el ámbito universitario, especialmente en países en desarrollo como Perú, sigue siendo un área poco explorada y que requiere mayor atención (Budnyk, 2023; Cretu & Morandau, 2024). Las universidades peruanas enfrentan desafíos específicos derivados de factores socioculturales y económicos que influyen en la prevalencia y naturaleza del bullying (Acosta Leal et al., 2021). Por ejemplo, las marcadas desigualdades socioeconómicas en el país pueden generar discriminación hacia estudiantes de entornos desfavorecidos, afectando su desempeño académico y aumentando las desigualdades existentes (King et al., 2024). Además, la diversidad cultural de Perú, que incluye poblaciones indígenas y comunidades inmigrantes, requiere metodologías de investigación culturalmente sensibles para comprender las dinámicas del ciberacoso en este contexto (Falcón & Mamani, 2017; Mera-Lemp et al., 2020).

Todo esto ofrece un panorama que se caracteriza por la expansión del fenómeno del ciberacoso entre los jóvenes adultos, con una vinculación cíclica entre los roles de víctima y agresor, donde predominan los estudios en primaria y secundaria pero no en ámbitos universitarios, donde los estudios son poco concluyentes en países en desarrollo.

En este contexto, el objetivo general de la presente investigación es analizar la prevalencia del ciberacoso en estudiantes universitarios de Perú, así como explorar los patrones subyacentes de victimización y agresión a partir de indicadores comportamentales. De forma complementaria, y con la finalidad de desarrollar con más precisión el objetivo general, se plantean los siguientes objetivos específicos:

1. Explorar las características psicométricas del instrumento ECIP-Q utilizado para la recogida de datos, en una muestra de estudiantes universitarios peruanos mediante un análisis factorial exploratorio, atendiendo a la posible complejidad subyacente del fenómeno. De forma que se vaya más allá de la dicotomía víctima–agresor, y asumiendo que los indicadores psicométricos son propios de la medición en un contexto muestral concreto - y no exclusivamente del instrumento - (Barbero García et al., 2015).

2. Describir la prevalencia del ciberacoso en la muestra estudiada, considerando los roles de cibervictimización, ciberagresión y la coexistencia de ambos.

3. Analizar la relación entre los perfiles de víctima y agresor, evaluando el grado de asociación entre ambos roles en situaciones de ciberacoso.

4. Explorar posibles diferencias en los niveles de implicación en ciberacoso en función de variables sociodemográficas como el sexo y la universidad de procedencia, desde un enfoque descriptivo y exploratorio.

Método

Población y Muestra

Se llevó a cabo un estudio cuantitativo, transversal, de carácter descriptivo y exploratorio, propio de la metodología de encuesta (survey research) a partir de una muestra no probabilística, de tipo intencional, de 1258 estudiantes universitarios, procedentes de tres universidades de Perú (dos públicas y una privada). La muestra cuenta con un 61.9% hombres y un 38.1% mujeres. En la muestra predomina los participantes de edad entre 18 y 20 años, intervalo que aglutina al 42.6% del total, seguido de un 21.5% de 21 o 22 años.

Instrumentos

Los datos fueron recopilados a través de Internet utilizando la plataforma SurveyMonkey (surveymonkey.com) en la que se albergó el cuestionario. Este instrumento constaba de dos secciones: la primera sección incluía tres preguntas sobre información sociodemográfica (edad, género y universidad de procedencia), mientras que la segunda parte consistía en una versión española abreviada del European Cyberbullying Intervention Project Questionnaire (ECIP-Q) de Ortega-Ruiz et al. (2016). El ECIP-Q consta de 22 ítems (ver anexo) tipo Likert con cinco opciones de respuesta, con una puntuación entre 1 y 5, donde 1 significa nunca y 5 siempre. El cuestionario se estructura en dos dimensiones: cibervictimización y ciberagresión (ciberacoso). De esta forma, las puntuaciones teóricas de las subescalas de ciberagresión y cibervictimización oscilan entre 11 y 55, y la puntuación total del instrumento entre 22 y 110. Puntuaciones más altas en ECIP-Q se interpretan como un mayor nivel de ciberacoso como víctima o bien como agresor.

Procedimiento

En la administración del ECIP-Q en el presente estudio se contó con un equipo de personas colaboradoras vinculadas a las tres universidades consultadas. La recopilación de realizó en distintos centros y titulaciones de licenciatura de las universidades en el periodo de octubre a diciembre de 2022. Los objetivos del estudio fueron detalladamente explicados a los participantes. Se solicitó el consentimiento informado de todas las personas participantes en el estudio, remarcando la confidencialidad de los datos aportados y la custodia adecuada de la información personal, conforme a la normativa vigente y cumpliendo los principios éticos y morales establecidos en la Declaración de Helsinki (Asociación Médica Mundial, 2013).

Análisis

El análisis de los datos se estructuró en varias fases. En primer lugar, se realizó un análisis psicométrico exploratorio del ECIP-Q con el objetivo de examinar la estructura latente de los ítems en la muestra estudiada. Esto permite comprobar hasta qué punto la medición realizada en este estudio genera una estructura similar a la obtenida por Ortega-Ruiz et al. (2016) de dos dimensiones (victimización y agresión). Para ello, se llevó a cabo un análisis factorial exploratorio (AFE) con extracción por máxima verosimilitud y rotación oblicua (Oblimin), asumiendo la posible correlación entre los factores. La finalidad de este AFE fue la de identificar la estructura subyacente de los datos siguiendo las pautas recomendadas por Carretero-Dios y Pérez (2007). La elección del AFE responde a la finalidad exploratoria del estudio y a la consideración de que las propiedades psicométricas de una medida dependen del contexto muestral en el que se aplica.

En la presentación de los resultados de este estudio, se adoptó un criterio conservador al considerar que las cargas inferiores a 0.40 eran bajas, de acuerdo con las indicaciones de Stevens (1996) y Hair et al. (1998).

En segundo lugar, se estimó la consistencia interna del instrumento, tanto a nivel global como por factores, mediante el coeficiente omega de McDonald.

Posteriormente, se llevaron a cabo análisis descriptivos para estimar la prevalencia del ciberacoso, considerando los roles de victimización, agresión y la coexistencia de ambos. Dado el carácter ordinal de las variables y la ausencia de normalidad en varias distribuciones, se priorizó el uso de medidas robustas de tendencia central y dispersión.

Finalmente, se exploraron las asociaciones entre los perfiles de víctima y agresor, así como posibles diferencias en función de variables sociodemográficas (sexo, edad y universidad), empleando pruebas estadísticas acordes con el nivel de medida y los supuestos de aplicación. Todos los análisis se realizaron utilizando el software Jamovi (The Jamovi Project, 2023) y JASP versión 0.95.4 (JASP Team, 2025).

Resultados

Estructura factorial de los datos

Se llevó a cabo un Análisis Factorial Exploratorio (AFE) para analizar la estructura latente de los datos. Dado el carácter ordinal de los ítems del ECIP-Q, el AFE se realizó a partir de una matriz de correlaciones policóricas, utilizando el método de residuo mínimo y rotación oblicua (Oblimin) asumiendo la posible correlación entre los factores. Para analizar la pertinencia de la prueba, se solicitó el KMO que resultó en .944. Igualmente, se calculó la prueba de esferecidad de Bartlett cuyo resultado fue estadísticamente significativo (X²= 61768.65; g.l. =231; p<.001). El número de factores se determinó mediante análisis paralelo, que es un criterio más robusto que la regla basada en el autovalor. Los resultados apoyaron una solución de siete factores, conceptualmente interpretable, que en conjunto explican aproximadamente el 80.7% de la varianza total. El valor del RMSEA fue de .485, siendo el índice SRMR de .017 y el CFI de .529. lo que sería interpretado como un mal ajuste del modelo. Sin embargo, en este caso es cuestionable el uso de estos índices propios de modelos confirmatorios para un análisis exploratorio, especialmente cuando se usa la correlación policórica y el tamaño muestral es sustancialmente elevado. En la tabla 1 se presentan los resultados del análisis factorial exploratorio.

Tabla 1
Análisis factorial exploratorio

Nota: cargas factoriales aplicando extracción por análisis paralelo y rotación oblimin. (**). El Factor 6, definido por un único ítem, se interpreta como un indicador conductual específico, por lo que no se estimó su consistencia interna.

	Factor 1	Factor 2	Factor 3	Factor 4	Factor 5	Factor 6	Factor 7	Unicidad
A21	0.691	0.038	0.055	-0.179	0.024	0.102	0.107	0.399
A20	0.605	0.098	0.081	0.160	0.027	0.166	-0.012	0.122
A22	0.524	0.100	0.217	0.157	0.019	0.098	0.027	0.153
A19	0.461	0.142	0.213	0.238	0.007	0.216	-0.065	0.013
V10	0.454	-0.083	0.060	0.122	0.261	-0.120	0.204	0.481
A18	0.355	0.303	0.051	0.111	0.115	0.307	0.013	0.062
V9	0.332	0.096	-0.096	0.354	0.242	0.092	0.016	0.314
V11	0.258	0.061	0.086	0.402	0.342	-0.191	0.003	0.304
A16	0.151	0.200	0.151	0.075	0.093	0.308	0.385	0.092
V6	0.120	0.538	-0.197	0.322	0.099	0.013	0.058	0.291
A12	0.107	-0.062	0.703	0.030	0.198	-0.062	0.032	0.241
V8	0.101	0.021	0.156	0.784	-0.045	0.075	0.029	0.069
V7	-0.076	0.256	-0.023	0.512	0.212	0.082	0.161	0.265
A15	0.065	0.163	0.332	0.241	0.002	0.191	0.379	0.067
A17	0.043	-0.050	0.013	-0.015	0.032	0.957	0.017	0.038
V2	0.019	-0.001	0.049	-0.069	0.864	0.051	0.089	0.178
A13	0.019	0.042	0.888	-0.021	0.027	0.036	0.002	0.109
V4	-0.019	0.723	-0.021	0.040	0.079	0.111	0.005	0.325
V5	0.019	1.042	0.054	-0.057	-0.030	-0.064	0.006	-0.004
V3	-0.007	0.223	0.120	0.206	0.445	0.115	-0.343	0.281
A14	0.004	0.126	0.513	0.245	0.065	0.211	0.076	0.109
V1	-0.003	0.003	0.111	-0.000	0.749	0.019	-0.090	0.327
Varianza explicada de la solución rotada	14.8%	14.3%	13.0%	12.8%	12.4%	9.9%	3.6%	80.7%
Omega de Mcdonald	.767	.822	.827	.746	.770	**	.843	.917

Para facilitar la interpretación de la estructura factorial obtenida, a cada uno de los factores se le asignó una denominación en función del contenido semántico común de los ítems que lo integran:

· Factor 1: Manipulación y difusión de contenidos digitales (agresión). Este factor está compuesto por los ítems A18, A19, A20, A21 y A22, que hacen referencia a conductas de agresión orientadas a la manipulación de información y contenidos digitales, la exclusión social y la difusión de rumores o material comprometedor en entornos online. En conjunto, el factor agrupa acciones dirigidas a dañar la reputación, la imagen social o la integración digital de otras personas mediante el uso activo de plataformas digitales.

· Factor 2: Usurpación de identidad y acceso ilícito a cuentas (victimización). Integrado por los ítems V4, V5 y V6, este factor recoge experiencias de victimización vinculadas al acceso no autorizado a cuentas personales, la suplantación de identidad digital y la creación de perfiles falsos. Representa una forma específica de ciberacoso caracterizada por la vulneración directa de la identidad digital de la persona afectada.

· Factor 3: Interacciones ofensivas directas en línea (agresión verbal). Este factor incluye los ítems A12, A13, A14 y A15, y hace referencia a conductas de agresión verbal directa o indirecta, como el uso de insultos, amenazas o mensajes ofensivos dirigidos a otras personas o difundidos en su entorno digital. Se trata de formas de ciberacoso basadas principalmente en la comunicación hostil.

· Factor 4: Ataques a la privacidad y a la imagen personal (victimización). Compuesto por los ítems V7, V8, V9 y V11, este factor agrupa situaciones en las que la persona es víctima de la exposición pública de información personal, la difusión o manipulación de imágenes y la propagación de rumores en línea. El factor refleja una modalidad de ciberacoso centrada en la vulneración de la privacidad y el daño reputacional.

· Factor 5: Abuso verbal y amenazas en entornos digitales (victimización). Este factor está formado por los ítems V1, V2 y V3, que describen experiencias de insultos, descalificaciones y amenazas recibidas a través de medios digitales. Representa una forma de victimización basada en el uso del lenguaje como mecanismo de intimidación o daño psicológico.

· Factor 6: Suplantación activa mediante cuentas falsas (agresión específica). Este factor está definido por el ítem A17, relativo a la creación de cuentas falsas para hacerse pasar por otra persona. Dada su elevada carga factorial y su carácter altamente específico, este factor se interpreta como un indicador conductual concreto, más que como una dimensión latente general del ciberacoso.

· Factor 7: Intrusión técnica en cuentas ajenas (agresión instrumental). Integrado por los ítems A15 y A16, este factor recoge conductas de pirateo de cuentas y acceso indebido a información personal, realizadas con el objetivo de suplantar o perjudicar a otras personas. Se trata de una modalidad de agresión que requiere competencias técnicas específicas y que se distingue de otras formas de ciberacoso más comunicativas o relacionales.

Como se deduce de los resultados del AFE, la distinción inicial entre ciberagresión y cibervictimización no se agota en una estructura bidimensional simple, sino que oculta una organización interna más compleja y conceptualmente informativa. En concreto, las conductas de ciberagresión se distribuyen en varios factores diferenciados que reflejan modalidades específicas del comportamiento agresivo en entornos digitales, concretamente los factores 1 (manipulación y difusión de contenidos digitales), 3 (interacciones ofensivas directas), 6 (suplantación activa mediante cuentas falsas) y 7 (intrusión técnica en cuentas ajenas).

Por su parte, la cibervictimización se articula a través de los factores 2 (usurpación de identidad y acceso ilícito a cuentas), 4 (ataques a la privacidad y a la imagen personal) y 5 (abuso verbal y amenazas en entornos digitales), que recogen diferentes formas de experiencia victimológica en el contexto del ciberacoso.

Los factores identificados presentan correlaciones de magnitud moderada, lo que respalda el uso de una rotación oblicua y sugiere la existencia de relaciones conceptuales entre las distintas manifestaciones del ciberacoso, sin que ello implique solapamientos completos entre dimensiones (véase tabla 2).

Tabla 2
Correlaciones (Rho de Spearman) entre factores y escalas

Nota. Todas las correlaciones son estadísticamente significativas (p < .001).

Variable	F2	F3	F4	F5	F6	F7	Agresión total	Victimización total	ECIP-Q total
F1. Manipulación y difusión	.494	.580	.551	.498	.575	.335	.642	.586	.664
F2. Usurpación de identidad (V)	1.000	.382	.607	.445	.409	.220	.724	.617	.711
F3. Interacciones ofensivas		1.000	.437	.598	.538	.274	.755	.442	.567
F4. Ataques a la privacidad (V)			1.000	.480	.405	.198	.381	.664	.631
F5. Abuso verbal y amenazas (V)				1.000	.345	.097	.449	.804	.779
F6. Suplantación activa					1.000	.312	.464	.233	.330
F7. Intrusión técnica						1.000	.370	.264	.303
Agresión total							1.000	.507	.702
Victimización total								1.000	.955
ECIP-Q total									1.000

En relación con la consistencia interna, la escala total presentó un coeficiente omega de McDonald de .917, lo que indica un nivel de fiabilidad elevado. El análisis de la contribución individual de los ítems mostró que la eliminación de ninguno de ellos producía incrementos sustanciales en el valor de omega, lo que sugiere una adecuada coherencia interna del conjunto de la escala. De forma complementaria, se estimó la consistencia interna de las subescalas globales de cibervictimización y ciberagresión, que mostraron también valores elevados (ω = .865 y ω = .891, respectivamente), lo que respalda la fiabilidad de ambas dimensiones generales.

Asimismo, los factores derivados del análisis factorial exploratorio presentaron, en su mayoría (ver última fila de la tabla 1) niveles adecuados de consistencia interna, con coeficientes omega comprendidos entre .74 y .83, lo que resulta aceptable en el contexto de un análisis exploratorio. En el caso de los factores compuestos por un número reducido de ítems, los valores de fiabilidad deben interpretarse con cautela, y en particular, no se estimó la consistencia interna del factor 6, definido por un único ítem, dado que este tipo de coeficientes no resulta interpretable en escalas unidimensionales.

Características descriptivas: prevalencia

En la tabla 3 se presentan los estadísticos descriptivos de los ítems del ECIP-Q. Se puede observar que, en todos ellos, la mayoría de los participantes eligen la primera y segunda opción de la escala de respuesta, y que el valor de la mediana fue 1 para todas las variables. Además, las distribuciones mostraron desviaciones de normalidad (Shapiro–Wilk p < .001), por lo que se priorizaron estadísticos robustos y pruebas no paramétricas.

Tabla 3
Estadísticos descriptivos de los ítems del ECIP-Q

*Nota: todos los valores de W son significativos a p<.001

	Mediana	Rangointercuartílico	Media	Desviacióntípica	Porcentaje respuesta					W (Shapiro – Wilk)*
‍					0	1	2	3	4
V1	1.00	1.00	1.39	0.792	72.4	21.4	2.7	1.4	2.1	.5431
V2	1.00	1.00	1.43	0.768	68.3	25.6	3.2	1.2	1.7	.5853
V3	1.00	0.00	1.23	0.577	81.9	14.9	2.0	0.5	0.7	.4478
V4	1.00	0.00	1.19	0.499	83.4	15.0	0.8	0.3	0.5	.4237
V5	1.00	0.00	1.20	0.493	82.2	16.4	0.7	0.3	0.4	.4443
V6	1.00	0.00	1.17	0.456	84.7	14.1	0.6	0.4	0.2	.4144
V7	1.00	0.00	1.14	0.434	87.7	11.1	0.6	0.2	0.3	.3602
V8	1.00	0.00	1.10	0.404	92.6	6.0	0.6	0.4	0.3	.2559
V9	1.00	0.00	1.13	0.440	89.1	9.5	0.8	0.2	0.4	.3300
V10	1.00	1.00	1.36	0.685	71.8	23.9	2.1	1.0	1.1	.5550
V11	1.00	0.00	1.25	0.587	80.1	17.1	1.4	0.6	0.8	.4634
A12	1.00	0.00	1.24	0.659	83.1	13.0	1.7	0.7	1.4	.4139
A13	1.00	0.00	1.18	0.534	86.6	11.1	1.0	0.4	0.8	.3628
A14	1.00	0.00	1.06	0.344	96.0	2.9	0.5	0.4	0.2	.1670
A15	1.00	0.00	1.05	0.331	97.0	2.1	0.3	0.2	0.4	.1310
A16	1.00	0.00	1.05	0.294	96.7	2.6	0.2	0.2	0.2	.1407
A17	1.00	0.00	1.10	0.376	91.4	7.9	0.2	0.2	0.3	.2788
A18	1.00	0.00	1.03	0.258	97.9	1.6	0.2	0.1	0.2	.0982
A19	1.00	0.00	1.04	0.301	97.7	1.4	0.5	0.2	0.2	.1139
A20	1.00	0.00	1.06	0.340	96.3	2.5	0.5	0.4	0.2	.1576
A21	1.00	0.00	1.27	0.665	79.9	16.1	2.1	0.3	1.5	.4569
A22	1.00	0.00	1.06	0.353	96.3	2.7	0.4	0.2	0.4	.1544

Características descriptivas: perfiles

Teniendo en cuenta los resultados descriptivos de los factores recogidos en la tabla 4, se observa que, dentro de la dimensión de ciberagresión, la prevalencia general de las conductas analizadas es baja, con medias situadas entre 1.05 y 1.16, siendo las medianas iguales a 1 en todos los factores. Este patrón sugiere que la mayoría de los participantes informa una implicación mínima o prácticamente inexistente, en comportamientos de ciberagresión. Debe observarse que la distribución de las puntuaciones muestra una asimetría positiva muy destacada. Específicamente, los factores relativos a la manipulación y difusión de contenidos digitales (F1; media = 1.14) y a la intrusión técnica en cuentas ajenas (F7; media = 1.05) muestran una baja frecuencia media de estas conductas. No obstante, los altos valores de curtosis de estos factores indican la existencia de casos extremos. Esto indica que, aunque poco frecuentes, estas formas de agresión pueden estar presentes en un número reducido de participantes. De forma similar, las interacciones ofensivas directas en línea (F3; media = 1.16) y la suplantación activa mediante cuentas falsas (F6; media = 1.10) presentan niveles medios bajos, pero con distribuciones altamente concentradas en los valores inferiores, lo que sugiere una heterogeneidad notable en la intensidad de los comportamientos agresivos.

Por su parte, la dimensión de cibervictimización muestra valores ligeramente superiores, lo que indica una mayor prevalencia relativa de las experiencias de victimización frente a las conductas de agresión. En este sentido, el factor de abuso verbal y amenazas en entornos digitales (F5) presenta la media más elevada (media = 1.35), lo que sugiere que este tipo de experiencias constituye una de las formas de ciberacoso más comunes en la muestra. Los factores de usurpación de identidad y acceso ilícito a cuentas (F2; media = 1.13) y de ataques a la privacidad y a la imagen personal (F4; media = 1.16) muestran también niveles bajos en términos absolutos, aunque superiores a los observados en la mayoría de los factores de agresión. Al igual que en la dimensión de ciberagresión, los elevados valores de asimetría y curtosis en estos factores indican una distribución muy desigual de las experiencias, con la coexistencia de un gran número de casos con baja afectación y un número reducido de participantes que informan experiencias de victimización más intensas.

Tabla 4
Perfil descriptivo de los participantes por factores

*Nota: todos los valores de W son significativos a p<.001

Dimensión	Factor	Media	Mediana	Desv. estándar	Asimetría	Curtosis	W (Shapiro–Wilk)*
Agresión	F1. Manipulación y difusión de contenidos digitales	1.136	1	0.323	6.513	59.573	.423
Agresión	F3. Interacciones ofensivas directas en línea	1.129	1	0.337	6.048	50.210	.409
Agresión	F6. Suplantación activa mediante cuentas falsas	1.160	1	0.443	4.830	29.961	.405
Agresión	F7. Intrusión técnica en cuentas ajenas	1.163	1	0.391	4.406	27.817	.468
Victimización	F2. Usurpación de identidad y acceso ilícito a cuentas	1.350	1	0.587	2.760	10.213	.642
Victimización	F4. Ataques a la privacidad y a la imagen personal	1.100	1	0.376	5.583	43.493	.279
Victimización	F5. Abuso verbal y amenazas en entornos digitales	1.047	1	0.291	9.403	105.182	.151
Esc. Victimización	Cibervictimización (máximo posible=55)	13.604	12	4.131	4.023	25.862	.620
Esc. Agresión	Ciberacoso (máximo posible=55)	12.132	11	3.302	7.763	78.396	.339
Esc. completa	Cibervictimazación-acoso (máximo posible=110)	25,736	24	6.914	6.176	54.469	.499

En relación con los resultados descriptivos de los perfiles analizados, se observa que la cibervictimización presenta una puntuación media de 13.60 (EE = .116), con una desviación estándar de 4.13, dentro de un rango teórico comprendido entre 11 y 55 puntos. El análisis de la distribución de las puntuaciones muestra que el 25% de los participantes obtiene valores iguales o inferiores a 11, mientras que la mediana se sitúa en 12 puntos, y el 75% alcanza puntuaciones iguales o inferiores a 15. Este patrón refleja una distribución claramente asimétrica, con una mayor dispersión relativa de las puntuaciones en comparación con el perfil de agresión.

Por su parte, el perfil de ciberagresión presenta una puntuación media de 12.13 (EE = .093), con una desviación estándar de 3.30, y un rango de puntuaciones igualmente situado entre 11 y 55 puntos. En este caso, los percentiles indican una menor variabilidad, con valores coincidentes en los percentiles 25 y 50 (11 puntos), y un incremento moderado hasta 12 puntos en el percentil 75. En conjunto, aunque ambos perfiles comparten un rango de puntuaciones similar y valores centrales próximos, los resultados sugieren que las experiencias de cibervictimización presentan una mayor heterogeneidad, mientras que las conductas de ciberagresión tienden a concentrarse en niveles bajos, mostrando una distribución más homogénea.

Por otro lado, el análisis de la matriz de correlaciones (tabla 2) pone de manifiesto una asociación positiva y elevada entre los perfiles de ciberagresión y cibervictimización. Dado el carácter ordinal de las escalas y las desviaciones sustanciales de la normalidad observadas, las asociaciones se estimaron mediante el coeficiente rho de Spearman. Los resultados muestran una correlación fuerte entre ambas dimensiones (ρ=.507; p<.001), lo que indica que una mayor implicación en conductas de ciberagresión se asocia con una mayor frecuencia de experiencias de victimización.

Este patrón de asociación sugiere la existencia de dinámicas relacionales complejas en el ciberacoso, en las que los roles de agresor y víctima no se presentan como categorías excluyentes, sino que pueden coexistir o solaparse en determinados perfiles de estudiantes. En este sentido, los resultados apoyan la conceptualización del ciberacoso como un fenómeno multidimensional, en la que la participación activa en conductas agresivas se relaciona, de forma consistente, con la exposición a experiencias de victimización en entornos digitales.

En relación con la prevalencia del ciberacoso, se adoptó un criterio conservador según el cual la selección de cualquier opción de respuesta distinta de “nunca” (valor 1 en la escala) se interpretó como indicio de haber experimentado ciberacoso, ya sea en el rol de víctima o de agresor. En consecuencia, las personas que obtuvieron una puntuación mínima de 11 puntos en las subescalas de victimización o agresión se consideraron como participantes que no habían experimentado ciberacoso en el rol correspondiente.

A partir de este criterio, el 63.2% de los participantes fue clasificado como no víctima (P = .632, IC 95% [.605, .658]), mientras que el 36.8% informó haber sido víctima en alguna medida (P = .368, IC 95% [.342, .395]). De forma análoga, el 62.7% de los participantes indicó no haber actuado como agresor en situaciones de ciberacoso (P = .627, IC 95% [.600, .653]), frente a un 37.3% que reconoció haber realizado en alguna ocasión comportamientos de este tipo (P = .373, IC 95% [.347, .400]). En conjunto, estos resultados apuntan a la posible coexistencia de ambos roles en el contexto del ciberacoso universitario.

Esta coexistencia se ve respaldada por la asociación estadísticamente significativa observada en la prueba chi-cuadrado (χ²= 199; g.l.= 1; p < .001). Entre los participantes que nunca se identificaron como víctimas de ciberacoso (n = 463), el 87.9% tampoco se identificó como agresor, mientras que el 12.1% sí reportó haber adoptado comportamientos agresivos. Por el contrario, entre quienes informaron haber sido víctimas en alguna medida (n = 795), el 51.9% también se identificó como agresor, frente a un 48.1% que no reportó conductas agresivas. En términos globales, destaca que el 32.8% de la muestra total (n = 413) se sitúa simultáneamente en los perfiles de víctima y agresor. El coeficiente de contingencia (CC = 0.369) refuerza la existencia de una relación de magnitud moderada entre ambos perfiles.

Con el objetivo de analizar posibles diferencias en función del sexo, y teniendo en cuenta la violación del supuesto de normalidad observadas en todas las variables, se llevaron a cabo pruebas t de Student para muestras independientes, complementadas con la prueba no paramétrica U de Mann–Whitney. Este enfoque permitió contrastar los resultados desde una perspectiva tanto paramétrica como no paramétrica.

En términos generales, los resultados indican que la mayoría de los ítems no presentan diferencias estadísticamente significativas en función del sexo, o bien muestran diferencias de magnitud muy reducida. En el caso de los ítems de victimización, únicamente se observaron diferencias estadísticamente significativas en los ítems V7, V8 y V9, si bien los tamaños del efecto asociados fueron pequeños (|d| < .15; r < .05), lo que limita su relevancia práctica. En el resto de los ítems de victimización no se identificaron diferencias consistentes entre hombres y mujeres.

En relación con los ítems de ciberagresión, se observaron diferencias estadísticamente significativas en varios ítems (A12, A13, A14, A15, A16, A18, A19, A20 y A22), tanto en la prueba t de Student como en la prueba de Mann–Whitney. No obstante, los tamaños del efecto fueron en todos los casos pequeños, con valores de d de Cohen inferiores a .30 y correlaciones biseriales de rango reducidas, lo que sugiere que las diferencias observadas, aunque estadísticamente significativas debido al elevado tamaño muestral, carecen de una magnitud sustantiva desde el punto de vista práctico.

Este patrón se vuelve a presentar en el análisis a nivel de factores y escalas, donde, si bien se detectan diferencias estadísticamente significativas en algunos factores (F1, F2, F3 y F7) y en la puntuación total del ECIP-Q, los tamaños del efecto asociados continúan siendo pequeños (|d| ≤ .27). En consecuencia, los resultados apuntan a una alta homogeneidad en las respuestas entre hombres y mujeres, sin la existencia de patrones diferenciados relevantes en la implicación en conductas de ciberagresión o experiencias de cibervictimización en función del sexo. Estos resultados refuerzan la decisión de que no es necesario estratificar la intepretación de los resultados en función del sexo.

Finalmente, se analizaron posibles diferencias en función de la universidad de procedencia de los participantes. Para ello, se llevaron a cabo análisis de varianza de un factor, complementados con sus correspondientes contrastes no paramétricos, con el fin de garantizar la robustez de los resultados. En todos los casos, y considerando un nivel de confianza del 99%, no se identificaron diferencias estadísticamente significativas entre universidades, ni a nivel de ítems individuales, ni en las subescalas de ciberagresión y cibervictimización, ni en la puntuación total del ECIP-Q. De nuevo, los resultados indican una alta homogeneidad en los patrones de implicación en ciberacoso de los participantes.

Discusión y conclusiones

El objetivo inicial del estudio fue el interés por conocer los niveles de prevalencia de ciberacoso en estudiantes universitarios de Perú, en la medida que este país está en una situación de desarrollo socioeconómico que le otorga una serie de problemáticas específicas, y debido al impacto negativo del ciberacoso en las personas que lo sufren y/o realizan. Dentro de este contexto, el análisis de la prevalencia, así como de las estructuras subyacentes constituyen un punto de referencia para posibles intervenciones socioeducativas en estos procesos de transmisión social.

Con esta perspectiva, los resultados del estudio han aportado algunas claves que se comentan a continuación siguiendo el orden del epígrafe anterior. Inicialmente, el análisis factorial ha puesto de manifiesto que existe una estructura compleja de fenómenos registrados por el instrumento, que de forma subyacente está afectando al ciberacoso tal como se ha definido aquí, siguiendo la perspectiva de Ortega-Ruiz et al. (2016). Desde esta aproximación, la victimización del fenómeno incluye abusos verbales, así como ataques a la identidad de la persona y su privacidad. Por su parte, el perfil de los comportamientos agresores se manifiesta en la manipulación de la identidad en Internet, el robo de información personal, la agresión en línea y la divulgación de rumores. Estas acciones son consistentes con el arsenal de comportamientos asociados al ciberacoso en otros países. Por ejemplo, Zhong et al. (2021) concluyen que en China las acciones con mayor presencia son burlarse de los comentarios en foros en línea, excluir a otros bloqueando o moviendo sus comentarios, y acceder al correo para bloquear. También en China, para Li y Peng (2022) las formas más usadas fueron atacar e insultar a otros, violar la privacidad y crear información falsa. En Italia, Begotti y Acquadro Maran (2019) recogen como principales formas de ciberacoso las insinuaciones sexuales no deseadas, el fraude de identidad, y las amenazas de violencia.

En la presente investigación la prevalencia de estudiantes universitarios peruanos que han sido víctimas de ciberacoso se sitúa por debajo del cuarenta por ciento de los participantes. Un porcentaje similar se ha recogido del total que afirma haber tenido algún comportamiento clasificable como de acoso. Estos resultados superan los registrados por Aquino-Canchari et al. (2022) también sobre estudiantes universitarios peruanos. Estos autores obtuvieron una prevalencia del 24.70% de víctimas, mientras que encontraban un 13.70% de agresores, junto con un 13.30% de ciberagresores-victimizados. Este último porcentaje de víctimas-agresores es casi el doble en el presente estudio. Esta discrepancia puede deberse tanto al uso de metodologías distintas, como a la forma de operativizar los indicadores de ciberacoso a través de los instrumentos, entre otros motivos.

Por otro lado, los resultados muestran un sesgo positivo importante en la medida que las puntuaciones de los participantes se sitúan en las respuestas más bajas de la escala de respuestas. Este resultado apoya las conclusiones generales de Aparisi et al. (2023) quienes identificaron tres perfiles de ciberacoso en los estudiantes universitarios: en el primero el 87.6% de su muestra tenían puntuaciones bajas para ser víctimas o ciberacosador; el segundo lo integraba el 10% de los estudiantes que tenían puntuaciones moderadamente altas para convertirse en ciberacosador y/o en cibervíctimas; y el tercero con un 2.4% que registraba puntuaciones muy altas en ciberagresión y altas para ser víctimas de ciberacoso.

Con relación a las diferencias entre sexos, aunque en el porcentaje total de prevalencia se identificó una mayor tendencia de los hombres hacia la agresión, el tamaño del efecto no es considerable. Esta ausencia de diferencias registradas también aparece en estudios previos como el de Martínez-Monteagudo et al. (2020) con población de Perú o el de Serrano et al. (2021) quienes tampoco encontraban diferencias en una muestra de estudiantes de Magisterio españoles. Sin embargo, en otros estudios encontraron diferencias (Al Qudah et al., 2020; Ali & Shahbuddin, 2022; Donat et al., 2023; Jenaro et al., 2018; Lee et al., 2023; Musharaf et al., 2019; Tarinkulu & Erdur-Baker, 2021) con una mayor prevalencia de cibervictimización en las mujeres en Pakistan (Musharraf & Anis-Ul-Haque, 2018); en Italia (Begotti & Acquadro Maran, 2019) y en Qatar (Alrajeh et al., 2021). Incluso Lowry et al. (2016) concluían que el motivo por el que hay menos mujeres acosadoras es que ellas ven más costos y menos beneficios en hacerlo que los hombres. Estos resultados ponen de manifiesto dos aspectos a investigar en más profundidad: el primero el hecho de que las diferencias entre hombres y mujeres se registran sobre todo en el rol acosador; la segunda, que dichas diferencias aparecen en estudios sobre población principalmente no hispana. Por tanto, aparte de las posibles diferencias metodológicas que puedan existir, debería plantearse también un estudio comparativo entre culturas para analizar la contribución de los aspectos socioculturales en la manifestación del ciberacoso.

No obstante, conviene señalar que la ausencia de diferencias claras entre hombres y mujeres, observada tanto en el presente estudio como en otros trabajos previos, podría estar relacionada con sesgos metodológicos derivados de enfoques de investigación poco sensibles al género. Tal como señalan Ferrer-Pérez y Bosch-Fiol (2019), una parte relevante de la investigación empírica sobre violencia y conductas agresivas tiende a adoptar aproximaciones “ciegas al género”, que equiparan comportamientos sin atender suficientemente a sus significados, contextos y consecuencias diferenciales. Desde esta perspectiva, el uso de instrumentos de autoinforme y de indicadores conductuales descontextualizados puede contribuir a homogeneizar artificialmente las puntuaciones entre sexos, invisibilizando dinámicas de poder, procesos de socialización diferencial y motivaciones subyacentes que no siempre se reflejan en las frecuencias de respuesta. Esta consideración invita a interpretar con cautela la ausencia de diferencias por sexo y refuerza la necesidad de diseños y análisis que incorporen de forma explícita una perspectiva sensible al género en el estudio del ciberacoso.

Respecto a la edad, el estudio no ha encontrado diferencias estadísticamente significativas. No obstante, estudios con otras poblaciones encuentran diferencias tales como la disminución de la prevalencia con el aumento de la edad (Lei et al., 2020; Schade et al., 2021). Este resultado es razonable en la medida que las diferencias registradas pueden deberse a las diferencias culturales entre generaciones. En este sentido, la ausencia de diferencias en el presente estudio puede deberse al bajo rango de edad de las personas participantes en la muestra. Por tanto, la existencia de estudios que recogen diferencias intergeneracionales aporta argumentos para que futuras investigaciones analicen las diferencias socioculturales, no solo entre culturas, sino entre generaciones.

Los resultados y los estudios consultados muestran claramente que existe un porcentaje nada despreciable de ciberagresores victimizados en Perú (Aquino-Canchari et al., 2022), personas agresoras que previamente eran víctimas. Este paso no puede ser simple y sin duda implica procesos complejos. Un posible factor clave es el desequilibrio de poder propio de situaciones de acoso (Rivituso, 2014). Las víctimas que se sienten impotentes e incapaces de defenderse pueden recurrir al acoso cibernético como una forma de afirmar el control o recuperar una sensación de poder, incluso si está dirigido a otras personas que parecen más vulnerables. Esta conducta puede verse como un mecanismo de afrontamiento inadaptado. Otro factor puede favorecer es el anonimato y la distancia que ofrece el entorno digital (Morales-Arjona, et al., 2022). Así, los agresores pueden sentirse menos responsables de sus acciones cuando están ocultos detrás de una pantalla. Además, la falta de consecuencias inmediatas puede reforzar esta conducta, lo que lleva a una escalada del acoso cibernético.

Sin embargo, una explicación más global y contextualizada procede de la teoría cognitiva social, de Alfred Bandura, que ofrece un marco útil para entender la relación entre el aprendizaje vicario y el ciberacoso. Según esta teoría, las personas aprenden observando, imitando y modelando comportamientos de ciberacoso cuando estos son percibidos como exitosos o recompensados. En el contexto del ciberacoso, esto implica que quienes presencian incidentes de ciberacoso, ya sea en línea o fuera de ella, tienen más probabilidades de participar si observan consecuencias positivas, como aprobación social, o la ausencia de consecuencias negativas, como castigos (Zeng et al., 2021). Este aprendizaje no es pasivo, sino que requiere un procesamiento activo de la información, interpretación de señales sociales y expectativas sobre los resultados de sus acciones. Además, las características del modelo influyen en la efectividad del aprendizaje vicario, de forma que es más probable que las personas emulen a modelos que consideran competentes, creíbles y afines (Park & Puranam, 2023), como podría suceder con compañeros o figuras admiradas en el entorno del ciberacoso.

Como se puede observar, todos los resultados del presente estudio, así como de la literatura consultada ponen de manifiesto la envergadura de la problemática del ciberacoso en los países desarrollados y en vías de desarrollo. Los datos, de este estudio, muestran que los universitarios peruanos no son ajenos a este problema muestran niveles de prevalencia que justificarían el desarrollo de programas socioeducativos para intervenir

Dado el importante impacto del acoso cibernético en el bienestar y el éxito académico de los estudiantes, las instituciones de educación superior tienen un papel fundamental que desempeñar en la lucha contra este problema. Esto incluye el desarrollo y la implementación de políticas integrales contra el acoso que aborden específicamente el ciberacoso (Vaill et al., 2020). Además, las universidades necesitan invertir en programas de educación y concienciación para promover la alfabetización digital, el comportamiento responsable en línea y la intervención de los espectadores (Akrami et al., 2024; Amin et al, 2024). Estos programas pueden dar estrategias a los estudiantes para reconocer y responder al acoso cibernético, fomentando un clima universitario más solidario e inclusivo (James et al., 2023). En dichos programas, deberían ser tenidos en cuenta tanto el entorno, las relaciones sociales y las circunstancias personales de las víctimas como de los acosadores para poder comprender la complejidad del ciberacoso; esto deber ser así porque la evidencia muestra que en los ciberacosadores influyen más los factores ambientales externos, mientras que para las víctimas son los factores internos (Li & Peng, 2022).

En todo ello, la evidencia científica ha identificado acciones que parecen ser eficaces para gestionar el ciberacoso. Por ejemplo, estudios como el de Yang (2021) ponen el acento en el desarrollo de habilidades positivas, tales como solicitar ayuda o perdonar, que ayudan a disminuir el impacto negativo que tiene para la salud mental. En cierta medida, esto parece deberse a que la mayoría de las víctimas toman pocas o ningunas medidas proactivas para combatir los efectos que se producen por el ciberacoso (Crespi et al., 2021).

A modo de conclusión, los hallazgos reflejan que, aunque Perú comparte similitudes con otros países en términos de formas y efectos del ciberacoso, también enfrenta particularidades derivadas de su contexto sociocultural y económico. Esta problemática exige una respuesta integral por parte de las instituciones de educación superior, que deben implementar políticas específicas contra el ciberacoso, promover la alfabetización digital y fomentar un comportamiento responsable en línea.

Agradecimientos

Proyecto y financiación: este trabajo se enmarca en el Proyecto I+D PID2021-122206NB-I00, “Hacia un currículum sensible al género en la formación inicial del profesorado”, del Plan Estatal de Investigación Científica y Técnica y de Innovación (Ministerio de Ciencia e Innovación, España), adscrito a la Universidad de Sevilla.

Referencias

Acosta Leal, D. A., Ponce Martínez, E. H. P., & González-Martínez, C. G. (2021). La educación superior como escenario para la inclusión de la diversidad sexual en el aula de clases. Sinergias Educativas, 6(2), 49-65. https://doi.org/10.37954/se.v6i2.173

Akarsu, O., Budak, M.I., & Okanli, A. (2022). The relations of childhood trauma with cyberbullying and cyber victimization among university students. Archives of Psychiatric Nursing, 41, 181-187. https://doi.org/10.1016/j.apnu.2022.06.004

Akrami, K., Akrami, M., Akrami, F., Ahrari, M., Hakimi, M., & Fazil, A. W. (2024). Investigating the adverse effects of social media and cybercrime in higher education: A case study of an online university. Studies in Media, Journalism and Communications, 2(1), 22-33. https://doi.org/10.32996/smjc.2024.2.1.3

Al Qudah, M. F., Al-Barashdi, H. S., Hassan, E. M. A. H., Albursan, I. S., Heilat, M. Q., Bakhiet, S. F. A., & Al-Khadner, M. A. (2020). Psychological security, psychological loneliness, and age as predictors of cyberbullying among university students. Community Mental Health Journal, 56(3), 393–403. https://doi.org/10.1007/s10597-019-00455-z

Ali, S.I., & Shahbuddin, N.B. (2022). The relationship between cyberbullying and mental health among university students. Sustainability, 14(11), 6881. https://doi.org/10.3390/su14116881

Alrajeh, S., Hassan, H.M., Al-Ahmed, A.S., & Hassan, D.A. (2021). An investigation of the relationship between cyberbullying, cybervictimization and depression symptoms: A cross sectional study among university. PLoS ONE, 16(12), e0260263. https://doi.org/10.1371/journal.pone.0260263

Amin, S. M., Mohamed, M. A. E., El-Sayed, M. M., & El-Ashry, A. (2024). Nursing in the digital age: The role of nursing in addressing cyberbullying and adolescents’ mental health. Journal of Psychiatric and Mental Health Nursing, 32, 57–70. https://doi.org/10.1111/jpm.13085

Aparisi, D., Delgado, B., & Bo, R.M. (2023). Latent profiles of cyberbullying among university students and its relationship with social anxiety and aggressiveness. Education and Information Technologies, 28(10), 13269-13285. https://doi.org/10.1007/s10639-023-11725-5

Aquino-Canchari, C.R., Baquerizo-Quispe, N.S., Miguel-Ponce, H.R., & Medina-Alfaro, I.I. (2022). Maltrato y cyberbullying asociado a la autoestima en estudiantes de medicina de una universidad peruana durante el rebrote de la COVID-19. Educación Médica, 23(4), 100754. https://doi.org/10.1016/j.edumed.2022.100754

Asociación Médica Mundial (2013). Principios éticos para las investigaciones médicas en seres humanos. Declaración de Helsinki (7ª ed.). https://www.wma.net/es/policies-post/declaracion-de-helsinki-de-la-amm-principios-eticos-para-las-investigaciones-medicas-en-seres-humanos/

Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice Hall.

Barbero García, M.I., Vila, E., & Holgado, F.P. (2015). Psicometría. Sanz y Torres.

Begotti, T., & Acquadro Maran, D. (2019). Characteristics of Cyberstalking Behavior, Consequences, and Coping Strategies: A Cross-Sectional Study in a Sample of Italian University Students. Future Internet, 11(5), 120. https://doi.org/10.3390/fi11050120

Bernardo, A. B., Tuero, E., Cervero, A., Dobarro, A., & Galve-González, C. (2020). Acoso y ciberacoso: Variables e influencia en al abandono universitario. Comunicar, 64, 63-72. https://doi.org/10.3916/C64-2020-06

Budnyk, O. (2023). (Un) Critical Pedagogy: Current Priorities and Prospects of Development. Journal of Vasyl Stefanyk Precarpathian National University, 10(1), 7–23. https://doi.org/10.15330/jpnu.10.1.7-23

Buelga, S., Postigo, J., Martínez-Ferrer, B., Cava, M.J., & Ortega-Barón, J. (2020). Cyberbullying among adolescents: Psychometric properties of the CYB-AGS Cyber-Agressor Scale. International Journal of Environmental Research and Public Health, 17(9), 3090. https://doi.org/10.3390/ijerph17093090

Cabra Torres, F., Marciales Vivas, G. (2016). Cyberbullying and Education: A Review of Emergent Issues in Latin America Research. En Navarro, R., Yubero, S., Larrañaga, E. (Eds.) Cyberbullying Across the Globe. Springer. https://doi.org/10.1007/978-3-319-25552-1_7

Carretero-Dios, H., & Pérez, C. (2007). Normas para el desarrollo y revisión de estudios instrumentales: Consideraciones sobre la selección de test en la investigación psicológica. International Journal of Clinical and Health Psychology, 7(3), 863-882.

Cenat, J.M., Smith, K., Hébert, M., & Derivois, D. (2019). Cybervictimization and suicidality among French undergraduate students: A mediation model. Journal of Affective Disorders, 249, 90-95. https://doi.org/10.1016/j.jad.2019.02.026

Chan, T.K.H., Cheung, C.M.K., & Lee, Z.W.Y. (2021). Cyberbullying on social networking sites: A literature review and future research directions. Information & Management, 58(2), 103411. https://doi.org/10.1016/j.im.2020.103411

Chu, X., Li, Y., Wang, P., Zeng, P., & Lei, L. (2023). Social support and cyberbullying for university students: The mediating role of internet addiction and the moderating role of stress. Current Psychology, 42(3), 2014-2022. https://doi.org/10.1007/s12144-021-01607-9

Çimke, S., & Cerit, E. (2021). Social media addiction, cyberbullying and cyber victimization of university students. Archives of Psychiatric Nursing, 35(5), 499-503. https://doi.org/10.1016/j.apnu.2021.07.004

Crespi, I., Hendry, B., & Fermani, A., & Hellsten, L.M. (2021). Extending the Current Theorization on Cyberbullying: Importance of Including Socio-Psychological Perspectives. Italian Journal of Soci­ology of Education, 13(3), 85-110. https://doi.org/10.14658/pupj-ijse-2021-3-5

Cretu, D.M. & Morandau, F. (2024). Bullying and cyberbullying: a bibliometric analysis of three decades of research in education. Educational Review, 76(2), 371–404https://doi.org/10.1080/00131911.2022.2034749

Donat, M., Willisch, A., & Wolgast, A. (2023). Cyber-bullying among university students: Concurrent relations to belief in a just world and to empathy. Current Psychology, 42, 7883-7896. https://doi.org/10.1007/s12144-022-03239-z

Dong, Y. (2020). The effect of traditional bullying-victimization on behaviour cyberbulling among college students: Based on the structural equation mode. International Journal of Social Psychology, 35(1), 175-199. https://doi.org/10.1080/02134748.2019.1687969

Falcón, P. M., & Mamani, L. A. (2017). Actitudes lingüísticas en contextos interculturales: población Asháninka Bajo Chirani. RLA. Revista de Lingüística Teórica y Aplicada, 55(1), 95–115. https://doi.org/10.4067/S0718-48832017000100095

Fauzi, M.A. (2023). Cyberbullying in higher education: a review of the literature based on bibliometric analysis. Kybernetes, 52(9), 2914-2933. https://doi.org/10.1108/K-12-2022-1667

Ferrer-Pérez, V. A., & Bosch-Fiol, E. (2019). El sesgo de género en la investigación sobre la violencia. Anuario de Psicología Jurídica, 29, 1–8. https://doi.org/10.5093/apj2019a1

Gao, J., Liu, F., Xu, J., Wang, J., Mou, J., & Wang, L. (2022). The influence of family incivility on cyberbullying perpetration: A moderated mediation model. Frontiers in Psychology, 13, 975335. https://doi.org/10.3389/fpsyg.2022.975335

Giumetti, G.W., & Kowalski, R.M. (2022). Cyberbullying via social media and well-being. Current Opinion in Psychology, 45, 101314. https://doi.org/10.1016/j.copsyc.2022.101314

Giumetti, G.W., Kowalski, R.M. & Feinn, R. (2022). Predictors and outcomes of cyberbullying among college students: a tow wave study. Aggressive Behavior, 48(1), 40-54. https://doi.org/10.1002/ab.21992

González-Sodis, J.L., & Leiva, J.J. (2022) Perception of TIC conflicts among secondary school students in a private school. School mediation as a response. Innoeduca. International Journal of Technology and Educational Innovation, 8(2), 58-68. https://doi.org/10.24310/innoeduca.2022.v8i2.12655

Hair, J.F., Anderson, R.E., Tatham, R.L., & Black, W.C. (1998). Multivariate Data Analysis. Prentice-Hall.

Hawkins, C. (2024). Using young peoples’ lived experiences to explore definitional characteristics for cyberbullying. Pastoral Care in Education, 42(3), 249–268. https://doi.org/10.1080/02643944.2023.2254779

Henning, C., Cuesta, L. M., Fernández, F. A., & Dorival, M. (2019). Cyberbullying, detección y factores de análisis: Un estudio comparativo. Revista Espacios, 40(2), 12.

Hossain, M. A., Quaddus, M., Warren, M., Akter, S., & Pappas, I. (2022). Are you a cyberbully on social media? Exploring the personality traits using a fuzzy-setconfigurational approach. International Journal of Information Management, 66, 102537. https://doi.org/10.1016/j.ijinfomgt.2022.102537

James, Z., Fuseini, M., Puoza, D.-D., & Issah, S. (2023). Preventing cyberbullying in language classrooms among level 100 tertiary students: Creating the awareness of its prevalence and effects on students. Integrated Journal for Research in Arts and Humanities, 3(5). https://doi.org/10.55544/ijrah.3.5.6

JASP Team. (2025). JASP (Version 0.95.4) [Computer software]. https://jasp-stats.org/

Jenaro, C., Flores, N., & Frías, C.P. (2018). Systematic review of empirical studies on cyberbullying in adults: What we know and what we should investigate. Aggression and Violent Behavior, 38, 113-122. https://doi.org/10.1016/j.avb.2017.12.003

Jenaro, C., Flores, N., & Frías, C.P. (2021). Anxiety and depression in cyberbullied college students: A retrospective study. Journal of Interpersonal Violence, 36(1-2), 579-602. https://doi.org/10.1177/0886260517730030

Kaur, P., Dhir, A., Tandon, A., Alzeiby, E.A., & Abohassan, A.A. (2021). A systematic literature review on cyberstalking. An analysis of past achievements and future promises. Technological Forecasting & Social Change, 133, 120426. https://doi.org/10.1016/j.techfore.2020.120426

Khine, A.T., Saw, Y.M., Htut, Z.Y., Khaing, C.T., Soe, H.Z., Swe, K.K., & Hmajima, N. (2020). Assessing risk factors and impact of cyberbullying victimization among university students in Myanmar: A crosssectional study. PloS ONE, 15(1), e0227051. https://doi.org/10.1371/journal.pone.0227051

King, R. B., Wang, Y., Fu, L., & Leung, S. O. (2024). Identifying the top predictors of student well-being across cultures using machine learning and conventional statistics. Scientific Reports, 14, 8376. https://doi.org/10.1038/s41598-024-55461-3

Lêe, J., Cheung, H.S., Chee, G., & Chai, V.E. (2021). The Moderating Roles of Empathy and Attach- ment on the Association Between Latent Class Typologies of Bullying Involvement and Depressive and Anxiety Symptoms in Singapore. School Mental Health, 13(3), 518–534. https://doi. org/10.1007/s12310-021-09411-3

Lêe, M.H. L., Kaur M., Shaker V., Yee A., Sham R., & Siau C.S. (2023). Cyberbullying, Social Media Addiction and Associations with Depression, Anxiety, and Stress among Medical Students in Malaysia. International Journal of Environmental Research and Public Health 20(4), 3136. https://doi.org/10.3390/ijerph20043136

Lei, H., Mao, W., Cheong, C. M., Wen, Y., Cui, Y., & Cai, Z. (2020). The relationship between self-esteem and cyberbyllying: A meta-analysis of children and youth students. Current Psychology, 39(3), 830-842. https://doi.org/10.1007/s12144-019-00407-6

Li, W., & Peng, H. (2022). The impact of strain, constraints, and morality on different cyberbullying roles: A partial test of agnew´s general strain theory. Frontiers in Psychology, 13, 980669. https://doi.org/10.3389/fpsyg.2022.980669

Lowry, P. B., Zhang, J., Wang, C., & Siponen, M. (2016). Why do adults engage in cyberbullying on social media? An integration of online disinhibition and deindividuation effects with the social structure and social learning model. Information Systems Research, 27(4), 962-986. https://doi.org/10.1287/isre.2016.0671

Lozano-Blasco, R., Cortés-Pascual, A. & Latorre-Martínez, M.P. (2020). Being a cybervictim and a cyberbully–The duality of cyberbullying: a meta-analysis. Computers in Human Behavior, 111, 106444. https://doi.org/10.1016/j.chb.2020.106444

Martínez-Monteagudo, M.C., Delgado, B., García-Fernández, J.M., & Ruiz-Esteban, C. (2020). cyberbullying in the university setting. Relationship with emotional problems and adaptation to the university. Frontiers in Psychology, 10, 3074. https://doi.org/10.3389/fpsyg.2019.03074

Martínez, J., Rodríguez-Hidalgo, A., & Zych, I. (2020). Bullying and cyberbullying in adolescents from disadvantaged areas: Validation of questionnaires, prevalence rates, and relationship to self-esteem, empathy, and social skills. International Journal of Environmental Research and Public Health, 17(17), 6199. https://doi.org/10.3390/ijerph17176199

Méndez, I., Ruiz, C., Martínez, J.P., & Cerezo, F. (2019). Cyberbullying according to sociodemographic and academic characteristics among university students. Revista Española de Pedagogía, 77(273), 261-276. https:// doi.org/10.22550/REP77-2-2019-06

Mera-Lemp, M. J., Bilbao, M., & Basabe, N. (2020). School satisfaction in immigrant and Chilean students: The role of prejudice and cultural self-efficacy. Frontiers in Psychology, 11, 613585. https://doi.org/10.3389/fpsyg.2020.613585

Miranda, R., Oriol, X., & Amutio, A. (2019). Risk and protective factors at school: Reducing bullies and promoting positive bystanders’ behaviors in adolescence. Scandinavian Journal of Psychology, 60(2), 106–115. https://doi.org/10.1111/sjop.12513

Morales-Arjona, I., Pastor-Moreno, G., Ruiz-Prez, I., Sordo, L., & Henares-Montiel, J. (2022). Characterization of cyberbullying victimization and perpetration before and during the covid-19 pandemic in spain. Cyberpsychology, Behavior, and Social Networking, 25(11), 733-743. https://doi.org/10.1089/cyber.2022.0041

Musharraf, S., & Anis-ul-Haque, M. (2018). Cyberbullying in different participant roles: Exploring differences in psychopathology and well-being in university students. Pakistan Journal of Medical Research, 57(1), 33-39.

Musharraf, S., Bauman, S., Anis-ul-Haque, M., & Malik, J. A. (2019). General and ICT self-efficacy in different participants roles in cyberbullying/victimization among Pakistani university students. Frontiers in Psychology, 10, 1098. https://doi.org/10.3389/fpsyg.2019.01098

Nagar, P. M., & Talwar, V. (2023). Tending to the Emotional Experience of Cyber-Victimized Youth: How Teachers Can Support Victims of Severe Cyberbullying Incidents. Computers in the Schools, 41(4), 375–398. https://doi.org/10.1080/07380569.2023.2256714

Ortega-Ruiz, R., Del Rey, R., & Casas, J.A. (2016). Evaluar el bullying y el cyberbullying validación española del EBIP-Q y del ECIP-Q. Psicología Educativa, 22(1), 71-79. https://doi.org/10.1016/j.pse.2016.01.004

Park, S., & Puranam, P. (2023). Vicarious Learning Without Knowledge Differentials. Management Sciences, 70(5), 2999-3019 https://doi.org/10.1287/mnsc.2023.4842

Peter, I., & Petermann, F. (2018). Cyberbullying: A concept analysis of defining attributes and additional influencing factors. Computers in Human Behavior, 86, 350-366. https://doi.org/10.1016/j.chb.2018.05.013

Puma-Maque, O. C., & Cardenas-Zúniga, M. (2024). Bullying y cyberbullyng en el contexto peruano (2017-2021): una revisión sistemática. Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 22(1), 1-21. https://doi.org/10.11600/rlcsnj.22.1.6163

Rivituso, J. (2014). Cyberbullying victimization among college students: an interpretive phenomenological analysis. Journal of Information Systems Education, 25(1), 71-75.

Sarhangi, N., Rostami, M., Abbasirad, R., Fasihi, M., & Ahmadboukani, S. (2023). Cyber victimization and suicidal behavior in high school students: The mediating role of psychological problems and perceived social support. Psychology in the Schools, 60(7), 2395-2408. https://doi.org/10.1002/pits.22868

Schade, E. C., Voracek, M. & Tran, U. S. (2021). The nexus of the Dark Triad Personality traits with cyberbullying, empathy, and emotional intelligence: A structural-equation modeling approach. Frontiers in Psychology, 12, 659282. https://doi.org/10.3389/fpsyg.2021.659282

Schodt, K. B., Quiroz, S.I., Wheeler, B., Hall, D.L., & Silva, Y.N. (2021). Cyberbullying and mental health in adults: the moderating role of social media use and gender. Frontiers in Psychiatry, 12, 674298. https://doi.org/10.3389/fpsyt.2021.674298

Serrano, C., Royo, P., Laorden, C., & Giménez, M. (2021). Cyberbullying in Spanish university example. REOP Revista Española de Orientación y Psicopedagogía, 32(2), 132-149. https://doi.org/10.5944/reop.vol.32.num.2.2021.31283

Stevens, J. (1996). Applied Multivariate Statistics for the Social Sciences (3r ed.). Lawrence Erlbaum Associates.

Sun, X., Chen, L., Wang, Y., & Li, Y. (2020), The link between childhood psychological maltreatment and cyberbullying perpetration attitudes among undergraduates: Testing the risk and protective factors. PLoS ONE, 15, e0236792. https://doi.org/10.1371/journal.pone.0236792

Tanrikulu, I., & Erdur-Baker, O. (2021). Motives behind cyberbullying perpetration: A test of uses and gratifications theory. Journal of Interpersonal Violence, 36(13-14), 6699-6724. https://doi.org/10.1177/0886260518819882

The Jamovi project (2023). Jamovi (Version 2.3) [Computer Software]. Disponible en https://www.jamovi.org

Tokunaga, R. S. (2010). Following you home from school: A critical review and synthesis of research on cyberbullying victimization. Computers in Human Behavior, 26(3), 277-287. https://doi.org/10.1016/j.chb.2009.11.014

Vaill, Z., Campbell, M., & Whiteford, C. (2020). An analysis of British university student anti-bullying policies: How British universities compare with Australian universities. Taylor & Francis. https://doi.org/10.1080/23322969.2020.1825990

Varela, J.J., Hernández, C., Miranda R., Barlett, C.P., & Rodríguez-Rivas, M.E. (2022). Victims of cyberbullying: Feeling Loneliness and Depression among Youth and Adult Chileans during the Pandemic. International Journal of Environmental Research and Public Health, 19(10), 5886. https://doi.org/10.3390/ijerph19105886

Wang, G.F., Han, A.Z., Zhang, G.B., Xu, N., Xie, G. D., Chen, L.R., Yuan, M.Y. & Su, P.Y. (2020). Sensitive periods for the effect of bullying victimization on suicidal behaviors among university students in China: The roles of timing and chronicity. Journal of Affective Disorders, 268, 12-19. https://doi.org/10.1016/j.jad.2020.02.049

Wei, H., Ding, H., Liu, M., & He, A. (2023). The relations between filial piety belief and cyberbullying perpetration among Chinese university students: A conditional process analysis. Current Psychology, 42, 24707-24716. https://doi.org/10.1007/s12144-022-03518-9

Xu, W., & Zheng, S. (2022). Personality traits and cyberbullying perpetration among Chinese university students: The moderating role of Internet self-efficacy and gender. Frontiers in Psychology, 13, 779139. https://doi.org/10.3389/fpsyg.2022.779139

Yang, F. (2021). Coping strategies, cyberbullying behaviors, and depression among Chinese netizens during the COVID-19 pandemic: a web-based nationwide survey. Journal of Affective Disorders, 281, 138-144. https://doi.org/10.1016/j.jad.2020.12.023

Zeng, K., Wang, D., Ye, Q., Li, Z., & Zheng, X. (2021). Influence of an individual's unethical behaviour on peers' vicarious learning in organisations: The role of moral anger. Cross Cultural & Strategic Management, 24(4), 601-621 https://doi.org/10.1108/CMS-08-2019-0281

Zhong, J., Zheng, Y., Huang, X., Mo, D., Gong, J., Li, M., & Huang, J. (2021). Study of the influencing factors of cyberbullying among Chinese college students incorporated with digital citizenship: From the perspective of individual students. Frontiers in Psychology, 12, 621418. https://doi.org/10.3389/fpsyg.2021.621418

Zych, I., Baldry, A.C., Farrington, D.P., & Llorent, V.J. (2019). Are children involved in cyberbullying low on empathy? A systematic review and meta-analysis of research on empathy versus different cyberbullying roles. Aggression and Violent Behavior, 45, 83-97. https://doi.org/10.1016/j.avb.2018.03.004

Notas de autor

Información adicional

redalyc-journal-id: 916

Enlace alternativo

https://revistaseug.ugr.es/index.php/RELIEVE/article/view/32758 (html)