@misc{10481/97403,
year = {2024},
url = {https://hdl.handle.net/10481/97403},
abstract = {El curso que siguen las emociones, los estados de ánimo y los sentimientos a
lo largo del tiempo, conocido como dinámica afectiva, es fundamental para
comprender el desarrollo de psicopatologías y el bienestar psicológico (Houben et
al., 2015; Trull et al., 2015). Sin embargo, el uso indistinto de conceptos
(Ekkekakis, 2012), la aplicación errónea o injustificada de modelos teóricos a la
hora de medir la experiencia afectiva (Brose et al., 2020; LaRowe et al., 2024), o el
solapamiento en las métricas e índices estadísticos (Bos et al., 2019; Dejonckheere
et al., 2019; Koval et al., 2013), ha dado lugar a una serie de resultados
contradictorios respecto a la relación entre dinámica afectiva y bienestar
psicológico. El objetivo principal de esta tesis es profundizar en la naturaleza del
patrón de fluctuaciones afectivas momento a momento y clarificar la relación de
los cambios afectivos con el bienestar psicológico.
La coexistencia de estudios que asocian el cambio afectivo con unos
resultados de bienestar y salud pobres (p.ej., Gruber et al., 2013), con otras
investigaciones que aportan evidencia del papel favorecedor de las fluctuaciones
afectivas al ajuste y funcionamiento psicológico (p.ej., Waugh et al., 2011), genera
una paradoja en torno al papel perjudicial o beneficioso de la variabilidad afectiva.
De forma interrelacionada, un reciente meta-análisis (Dejonckheere et al., 2019) ha
cuestionado el valor predictivo de una serie de índices y medidas de la dinámica
afectiva en relación al bienestar psicológico, concluyendo que más allá de la media
y la desviación estándar del afecto positivo y negativo, el resto de medidas no
aportan información nueva ni son mejores predictores del bienestar psicológico.
Esta tesis parte de la idea de que aplicar conceptos, modelos y técnicas del
enfoque de los sistemas complejos puede ser una perspectiva alternativa que
complemente el abordaje de estos resultados controvertidos, arrojando luz sobre
la naturaleza de los patrones afectivos, y aportando índices y métricas novedosas y
únicas en relación al bienestar psicológico. Para este fin, primero se revisó la
literatura sobre el afecto, su dinámica, su relación con el bienestar psicológico y la
aplicación del enfoque de sistemas complejos al estudio de los patrones afectivos,
cuyos puntos clave se explican en el Capítulo 1. A continuación, se diseñó una
herramienta personalizada (aplicación móvil) para la recogida de datos longitudinales intensivos de afecto, y se realizó un estudio que sirvió para su
testeo. El desarrollo y la implementación de la herramienta se describen en el
Capítulo 2. Para poner a prueba las hipótesis de partida, se llevaron a cabo tres
estudios, diseñados siguiendo los principios de la evaluación ecológica
momentánea (EMA), donde los participantes registraban su experiencia afectiva en
diferentes momentos del día a través de una aplicación instalada en sus teléfonos
móviles. La duración y la tasa de muestreo diaria fueron diferentes para cada
estudio. La experiencia afectiva momentánea se evaluó a través de su dimensión
básica de valencia o tono afectivo, mediante la pregunta “¿Cómo te sientes ahora
mismo?” que se respondía a través de una escala visual analógica única bipolar de
“muy mal” a “muy bien”.
La primera idea explorada fue la presencia de variabilidad fractal en la
dinámica afectiva. Este tipo de variabilidad caracteriza a los sistemas adaptativos
complejos (CAS), confiriéndoles unas propiedades adaptativas “ideales” a las
demandas del entorno. Se analizaron series temporales afectivas de dos estudios
diferentes y se calculó el marcador de complejidad de escalamiento fractal,
mediante los coeficientes de invarianza de escala y correlaciones a largo plazo. Los
resultados mostraron que algunos participantes exhibían un patrón afectivo con
características equiparables al patrón de variabilidad de un CAS, invarianza de
escala y autocorrelaciones del tipo 1/f. Sin embargo, los resultados no ofrecieron
evidencia acerca de asociaciones significativas entre el perfil de variabilidad fractal
y los indicadores de bienestar incluidos en los estudios. La exploración de este
marcador, la metodología empleada, los resultados obtenidos y las implicaciones
de los hallazgos se describen en el Capítulo 3.
El segundo marcador de complejidad explorado fue la multiestabilidad,
según la cual en un sistema coexisten dos o más estados, con transiciones abruptas
entre ellos. Se reconstruyeron los paisajes de estabilidad de las series temporales
afectivas de tres estudios diferentes, donde cada estudio sirvió para replicar los
resultados previos. Además, se desarrollaron diez nuevas métricas de cambio
afectivo (affect shift metrics) a partir de las características de tiempo y magnitud de
las transiciones entre estados. Los resultados revelaron la presencia de
biestabilidad en la dinámica afectiva en un porcentaje significativo de todas las muestras analizadas. Estos hallazgos suponen un enriquecimiento en el modelado
del espacio afectivo, al complementar la idea ampliamente extendida de la
existencia de referencia basal única a la que el sistema afectivo tiende a volver tras
una perturbación (Kuppens et al., 2010). Además, los resultados ofrecieron
evidencia robusta acerca del valor predictivo de una de las métricas desarrolladas,
el ratio de cambio afectivo de positivo a negativo (P2N-ASR) en relación a una serie
de indicadores de bienestar psicológico. La simplicidad en el cálculo y la
implementación de la métrica P2N-ASR, la pueden convertir en una herramienta
útil en intervenciones diseñadas para conocer el bienestar de las personas de
forma fácil y directa. En los Capítulos 4 y 5 se describe la exploración de este
marcador, la metodología utilizada, los resultados obtenidos y las implicaciones de
estos hallazgos.
En conclusión, la presente tesis doctoral proporciona evidencia empírica
sobre características de la dinámica afectiva poco o nada exploradas hasta el
momento. Se abre un campo de investigación en el estudio de las fluctuaciones
afectivas, basado en el análisis de los paisajes de estabilidad y la aplicación de las
nuevas métricas de cambio afectivo, que puede resultar prometedor para el
progreso de la ciencia afectiva. En el Capítulo 6 se discuten los resultados
obtenidos de forma conjunta y se comentan posibles implicaciones y futuras líneas
de investigación.},
organization = {Tesis Univ. Granada.},
organization = {Proyecto: “MOnitorización y aNálisis InTeligente del compORtamiento físico, social y emocional de la población española para la caracterización y control del COVID-19 (MONITOR-COVID)”, Ref. CV20-29556, financiado por la Junta de Andalucía y el Fondo Europeo de Desarrollo Regional (FEDER 2014-2020)},
organization = {Proyecto “HEPLAB: Los orígenes psicofisiológicos del potencial evocado por el latido cardiaco”, Ref. PGC2018-096655-A-I00, financiado por el Ministerio de Ciencia e Innovación a través de la Agencia Estatal de Investigación y cofinanciado por el Fondo Europeo de Desarrollo Regional (Convocatorias “Proyectos de I+D de Generación De Conocimiento” y “Proyectos de I+D+i Retos Investigación” 2018)},
organization = {Proyecto “POSTCOVID-AI: an Intelligent Framework to Scrutinise the Social, Behavioural and Emotional Impact of COVID-19”, Ref. SR20-00668, seleccionado en la Convocatoria de Investigación Social 2020 del Observatorio Social de La Caixa},
publisher = {Universidad de Granada},
title = {Características de Complejidad de la Dinámica Afectiva y su Relación con el Bienestar Psicológico: Escalamiento Fractal, Biestabilidad y Transiciones de Estado},
author = {Goicoechea Salas, Carmen},
}