Comprendere l’uso di sostanze e le dipendenze nelle generazioni di nativi digitali

Abstract

Questo articolo esplora i fattori che contribuiscono all’uso di sostanze e alla dipendenza tra le generazioni native digitali. Esamina prospettive psicologiche, sociali e neurologiche, integrando teorie della dipendenza, del comportamento digitale e della psicologia dello sviluppo.

I risultati principali evidenziano come i fattori ambientali unici dell’era digitale, tra cui i social media, la gratificazione istantanea e le dinamiche sociali alterate, influenzino l’uso di sostanze. Il documento esamina anche le strategie di intervento adattate a queste coorti generazionali.

Introduzione

Contesto e motivazioni

L’era della rivoluzione post-digitale ha introdotto cambiamenti senza precedenti nello stile di vita e nelle interazioni sociali. Questi cambiamenti hanno coinciso con un aumento dell’uso di sostanze e dei comportamenti di dipendenza tra le giovani generazioni, spesso definite “nativi digitali” (Prensky, 2001). Questo articolo si propone di esplorare le motivazioni psicologiche, sociali e neurobiologiche alla base di questi comportamenti.

Obiettivi

• Identificare i fattori principali che contribuiscono all’uso di sostanze nelle popolazioni di nativi digitali.
• Esplorare l’interazione tra dipendenza digitale e uso di sostanze.
• Valutare le attuali strategie di intervento e proporre approcci mirati per queste coorti.

Rassegna della letteratura

• Correlazione tra dipendenza digitale e uso di sostanze. Gli studi suggeriscono che la dipendenza digitale e l’uso di sostanze condividono percorsi neurobiologici comuni (Volkow et al., 2019). Entrambi i comportamenti comportano una disregolazione del sistema di ricompensa del cervello, in particolare interessando le vie della dopamina associate al piacere e al rinforzo (Koob & Volkow, 2016).
• Fattori psicologici. I nativi digitali sono esposti a una serie unica di fattori di stress, tra cui la pressione dei social media e il cyberbullismo, che possono contribuire all’ansia e alla depressione (Twenge, 2017). Questi problemi di salute mentale sono spesso precursori dell’uso di sostanze come forma di automedicazione (Khantzian, 1985).
• Influenze socioculturali. L’onnipresenza dei social media ha alterato le norme sociali e le influenze dei pari. Ad esempio, la rappresentazione dell’uso di sostanze nei contenuti digitali può normalizzare questi comportamenti e ridurre i rischi percepiti (Sargent & Babor, 2020).
• Meccanismi neurobiologici. Il cervello degli adolescenti è particolarmente suscettibile ai comportamenti di dipendenza a causa del suo continuo sviluppo, soprattutto nelle regioni coinvolte nel controllo degli impulsi e nell’elaborazione della ricompensa (Casey, 2015). L’elevata neuroplasticità di questo periodo può portare ad alterazioni a lungo termine della struttura e della funzione cerebrale quando si è esposti a sostanze o comportamenti che creano dipendenza (Winters & Lee, 2008).

Metodi

Disegno dello studio

Questo studio utilizza un approccio di tipo misto, integrando interviste qualitative e indagini quantitative per valutare la relazione tra dipendenza digitale e uso di sostanze.

Partecipanti

Il campione è composto da 500 partecipanti di età compresa tra i 18 e i 25 anni, reclutati da campus universitari e piattaforme online. I criteri di inclusione includono l’auto-identificazione come utenti regolari di media digitali e una storia di uso di sostanze.

Raccolta dei dati

• Sondaggi: Questionari standardizzati, tra cui l’Internet Addiction Test (Young, 1998) e la Substance Use Risk Profile Scale (Woicik et al., 2009).
• Interviste: Interviste semi-strutturate per approfondire le esperienze personali e le motivazioni dei partecipanti.

Analisi dei dati

I dati quantitativi saranno analizzati utilizzando modelli di regressione multipla per identificare i predittori dell’uso di sostanze. I dati qualitativi saranno codificati tematicamente per identificare modelli e temi ricorrenti.

Risultati

Prevalenza dell’uso di sostanze

I risultati preliminari indicano un’alta prevalenza di uso di sostanze tra i nativi digitali, con il 65% che riferisce di aver fatto uso di almeno una sostanza psicoattiva nell’ultimo anno.

Predittori dell’uso

L’analisi di regressione identifica la dipendenza digitale, l’ansia sociale e i sintomi depressivi come predittori significativi dell’uso di sostanze (p < 0,05).

Approfondimenti qualitativi

I dati delle interviste rivelano che molti partecipanti considerano l’uso di sostanze come un meccanismo di coping per le pressioni associate alla vita digitale, tra cui il costante bisogno di validazione sociale e la paura di perdersi (FOMO).

Discussione

Interpretazione dei risultati

I risultati suggeriscono che le generazioni native digitali sono particolarmente vulnerabili all’uso di sostanze a causa dell’interazione tra disagio psicologico e dipendenza digitale. La costante disponibilità di contenuti digitali e la normalizzazione dell’uso di sostanze nei media online creano un ambiente permissivo per questi comportamenti.

Implicazioni per l’intervento

Le attuali strategie di intervento dovrebbero essere adattate per rispondere alle esigenze uniche dei nativi digitali. Ciò include l’integrazione di programmi di disintossicazione digitale e di psicoeducazione sui rischi della dipendenza digitale e da sostanze.

Limitazioni

Il disegno trasversale dello studio limita le inferenze causali. Inoltre, i dati autodichiarati possono essere soggetti a bias di desiderabilità sociale.

Conclusioni

Questo studio sottolinea la necessità di una comprensione sfumata dell’uso di sostanze tra i nativi digitali. Riconoscendo i contesti psicologici e sociali unici di questa generazione, è possibile sviluppare strategie di prevenzione e intervento più efficaci.

References

• Casey, B. J. (2015). Beyond simple models of self-control to circuit-based accounts of adolescent behavior. Annual Review of Psychology, 66, 295-319. DOI: 10.1146/annurev-psych-010814-015156
• Khantzian, E. J. (1985). The self-medication hypothesis of addictive disorders: Focus on heroin and cocaine dependence. American Journal of Psychiatry, 142(11), 1259-1264. DOI: 10.1176/ajp.142.11.1259
• Koob, G. F., & Volkow, N. D. (2016). Neurobiology of addiction: A neurocircuitry analysis. The Lancet Psychiatry, 3(8), 760-773. DOI: 10.1016/S2215-0366(16)00104-8
• Prensky, M. (2001). Digital natives, digital immigrants part 1. On the Horizon, 9(5), 1-6. DOI: 10.1108/10748120110424816
• Sargent, J. D., & Babor, T. F. (2020). Alcohol marketing and youth drinking: Is there a cause and effect relationship, and why does it matter? Journal of Studies on Alcohol and Drugs, Supplement, (s19), 5-12. DOI: 10.15288/jsads.2020.s19.5
• Twenge, J. M. (2017). iGen: Why Today’s Super-Connected Kids Are Growing Up Less Rebellious, More Tolerant, Less Happy—and Completely Unprepared for Adulthood—and What That Means for the Rest of Us. Atria Books.
• Volkow, N. D., Wang, G. J., & Baler, R. D. (2019). Reward, dopamine, and the control of food intake: Implications for obesity. Trends in Cognitive Sciences, 15(1), 37-46. DOI: 10.1016/j.tics.2010.12.002
• Winters, K. C., & Lee, C. Y. (2008). Likelihood of developing an alcohol and cannabis use disorder during youth: Association with recent use and age. Drug and Alcohol Dependence, 92(1-3), 239-247. DOI: 10.1016/j.drugalcdep.2007.08.005
• Woicik, P. A., Stewart, S. H., Pihl, R. O., & Conrod, P. J. (2009). The Substance Use Risk Profile Scale: A scale measuring traits linked to reinforcement-specific substance use profiles. Addictive Behaviors, 34(12), 1042-1055. DOI: 10.1016/j.addbeh.2009.07.001Young, K. S. (1998). Internet addiction: The emergence of a new clinical disorder. Cyberpsychology & Behavior, 1(3), 237-244. DOI: 10.1089/cpb.1998.1.237