Adaptación y validación de la escala
de punitivismo al contexto argentino

Marcelo Agustin Roca

https://orcid.org/0000-0001-8539-2901

Universidad de Buenos Aires

Ariana Espósito Santamaría

https://orcid.org/0009-0006-1918-6564

Universidad Abierta Interamericana

Luis Carlos Jaume

https://orcid.org/0000-0002-3700-5812

Universidad de Buenos Aires

Nahuel Duhalde

https://orcid.org/0009-0005-3802-8759

Universidad de Buenos Aires

Susana Celeste Azzollini

https://orcid.org/0000-0002-3192-5087

Universidad de Buenos Aires

Correo electrónico: arianaespositosantamaria@gmail.com

Recibido: 31 de enero del 2025 / Aceptado: 8 de mayo del 2025

doi: https://doi.org/10.26439/persona2025.n1.7737

RESUMEN. El punitivismo puede ser definido como la preferencia colectiva por medidas de castigo y aumento de control sobre los criminales. La escala de punitivismo propuesta por Roberts et al. (2011) consiste en siete ítems con formato tipo Likert de cinco puntos; fue diseñada para medir el deseo de los individuos de que se apliquen castigos más severos a quienes cometen delitos. Esta investigación tiene como objetivo adaptar y validar la escala de punitivismo de Roberts et al. al contexto argentino, en donde no se ha implementado aún una escala para medir este constructo. Para ello, se realizó un estudio piloto sobre una muestra de 401 individuos y se realizó un análisis factorial exploratorio. Luego, se realizó un estudio final sobre otra muestra, de 458 participantes, y un análisis factorial confirmatorio. Como se identificaron inconsistencias en uno de los ítems, se lo eliminó y se formó una escala unidimensional de seis ítems que obtuvo buenas medidas de ajuste e índices de confiabilidad aceptables. Este trabajo es un aporte al conocimiento del punitivismo en Argentina y proporciona una escala para posteriores investigaciones en dicho contexto.

Palabras clave: punitivismo / adaptación / validación / necesidad de cierre cognitivo

Adaptation and Validation of the Punitivism Scale
to the Argentine Context

ABSTRACT. Punitivism can be defined as the collective preference for punitive measures and increased control over criminals. Understanding punitivism from a psychological perspective involves examining how individuals make decisions based on their beliefs, experiences, and emotions. The punitivism scale developed by Roberts et al. (2011) comprises seven items in a five-point Likert format, designed to assess individuals’ support for harsher punishments for criminal behavior. However, this construct has received limited attention in psychology, and no validated scale has yet been applied in the Argentine context. This study aims to adapt and validate the Roberts et al. punitivism scale for use in Argentina. A pilot study was conducted with a sample of 401 individuals, and an exploratory factor analysis was carried out. A subsequent final study involved a different sample of 458 participants, in which a confirmatory factor analysis was performed. One item showed inconsistencies and was therefore removed. The result was a unidimensional six-item scale with good model fit and acceptable reliability indices. This work contributes to the understanding of punitivism in the Argentine population and offers a reliable tool for future research on this topic in the local context.

Keywords: punitiveness / adaptation / validation / need for cognitive closure

INTRODUCCIÓN

En la década del setenta, el punitivismo comenzó a ser estudiado en el marco de la política penal, en Gran Bretaña y Estados Unidos (Bottoms, 1995). Dicho constructo fue abordado desde diferentes áreas científicas, sin embargo, no se llegó a un consenso sobre su definición (Jackson et al., 2015). Por ello, según el tipo de enfoque de la investigación, esta suele variar. De tal manera, el punitivismo suele ser definido como una actitud que impone medidas de control y castigos según la gravedad del crimen (Aguilar, 2018). Siguiendo esta definición, puede entenderse el constructo como la preferencia colectiva de castigar severamente a un criminal e incrementar su condena carcelaria (Aguilar, 2018; Aizpurúa González, 2015; Garland, 2005; Otamendi, 2020). Por lo tanto, el punitivismo es un factor importante para comprender las decisiones que toman los individuos ante la preferencia por penas más severas, en base a creencias, vivencias o estados emocionales (Shi, 2022).

Existen diversas investigaciones que muestran cómo se acrecienta la demanda punitiva por la ineficacia de las políticas penales contra la delincuencia (Laterzo, 2023). Asimismo, se ha evidenciado cómo el empobrecimiento de la economía se relaciona positivamente con el miedo al delito, lo que aumenta el punitivismo (Costelloe et al., 2009; Rader et al., 2012; Singer et al., 2020). La influencia de los medios de comunicación también acrecienta la demanda punitiva (Lipman, 1998), ya que consolida una representación colectiva sobre la justicia penal y las medidas punitivas (Garland, 2005).

En Argentina, se ha observado un aumento significativo del miedo al delito, exacerbado por las condiciones económicas inestables, las cuales llevaron a una preferencia por mayores medidas punitivas (Kessler, 2011). Este fenómeno es conocido como “mano dura”, cuya definición refiere a la severidad con que la persona que delinque es tratada (Otamendi, 2012). Esta búsqueda de justicia tiende a ser aprobada por aquellos individuos que presentan un alto nivel de necesidad de cierre cognitivo (NCC), ya que piensan que es una forma eficiente de disuadir a los agresores (Jaume & Roca, 2020).

El constructo de NCC, creado por Kruglanski (1989), refiere a la motivación subyacente presente en el sujeto ante una ambigüedad. A su vez, la NCC se expresa bajo dos tendencias: urgencia y permanencia. La tendencia de urgencia consiste en la inclinación del individuo en aceptar la primera opción disponible, para poder darle un cierre a la situación de incertidumbre. Mientras, la tendencia de permanencia señala cómo el sujeto preserva la decisión tomada previamente, anulando el ingreso de nueva información (Jaume & Roca, 2020).

En una investigación realizada por Giacomantonio y Pierro (2014), se encontró una relación entre la NCC y las motivaciones que subyacen al castigo. Posteriormente, Giacomantonio et al. (2017) buscaron corroborar los hallazgos de su estudio anterior y encontraron que aquellos individuos con una alta NCC prefieren políticas de tolerancia cero, es decir, mayores medidas punitivas.

En los últimos años, se han creado diversas escalas para medir y evaluar el punitivismo de los individuos. Una de ellas es la escala de actitud punitiva de Armborst (2017), compuesta de once ítems de cinco puntos, cuyos resultados presentan niveles adecuados de fiabilidad (α = .85). A su vez, en Chile, se elaboró una escala de cinco ítems con un formato tipo Likert de cinco puntos, la cual presenta una buena consistencia interna (α = .84) (Manzano et al., 2022). Por otro lado, se encuentra una escala de diez ítems con dos dimensiones, la delincuencia adulta y la juvenil, la cual se encuentra validada para la población española y posee niveles adecuados de fiabilidad (α = .85) (Aizpurúa González, 2015).

Otra de las escalas propuestas es la de Roberts et al. (2011), la cual indaga sobre la confianza de las personas en relación con las sentencias y cómo la legislación se ve influenciada por la opinión pública. Esta escala de punitivismo consta de siete ítems con un formato tipo Likert de cinco puntos que permite medir el deseo de castigos más severos. Por último, los autores realizaron un análisis factorial, el cual sustenta el uso de la estructura unidimensional de la escala y, además, posee adecuados índices de consistencia interna (α = .84).

Si bien existen investigaciones que han abordado la relación entre el punitivismo y otras variables —como Rhodes-Purd (2021), Silver y Ulmer (2023), Veggi y Zara (2023)—, aún son muy pocas las investigaciones en ese sentido realizadas en Argentina. Además, no existe una escala para medir el punitivismo validada y adaptada en el país. Por ello, la presente investigación busca adaptar y validar la escala de punitivismo confeccionada por Roberts et al. (2011) en la población de la provincia de Buenos Aires y la Ciudad Autónoma de Buenos Aires, Argentina. La elección de dicha escala se debe a que, al presentar pocos ítems y ser unidimensional, indaga de forma precisa y sencilla acerca del punitivismo. Además, si bien se han adaptado escalas en comunidades hispanohablantes —como en Armborst (2017), Aizpurúa González (2015) y Manzano et al. (2022)—, la estructura de dichas escalas y las afirmaciones empleadas son diferentes a las de Roberts et al. (2011), por lo que esta aporta una forma novedosa de abordar el constructo en el contexto argentino.

MÉTODO

Diseño

Esta investigación es un estudio psicométrico e instrumental (Carretero-Dios & Pérez, 2005).

Muestra

Se utilizaron dos muestras independientes para realizar un estudio piloto y un estudio final. El estudio piloto se realizó sobre una muestra de 401 participantes, de los cuales 65.1 % fueron mujeres (n = 261) y 34.9 % hombres (n = 140). La edad estuvo comprendida entre los 18 y 75 años (M = 29.80; DE= 11.97). Los participantes en el estudio provienen de distintas regiones de Buenos Aires y de la Ciudad Autónoma de Buenos Aires, Argentina., Los datos fueron recolectados en noviembre del 2023. Por otro lado, los participantes del estudio final fueron 458 individuos, de los cuales 331 fueron del sexo femenino (70.3 %), mientras que 128 fueron del sexo masculino (27.9 %). El rango de edad fue de 18 a 79 años (M = 30; DE = 11.47) y los datos fueron recabados en la provincia de Buenos Aires y la Ciudad Autónoma de Buenos Aires, Argentina, en marzo del 2024.

Los criterios de inclusión fueron que sean mayores de 18 años y residentes de la Ciudad Autónoma de Buenos Aires o la provincia de Buenos Aires. Se excluyó a los participantes menores de edad y a las personas residentes de otras provincias de Argentina o en el extranjero.

Instrumentos

Escala de punitivismo

El cuestionario diseñado por Roberts et al. (2011) es de carácter unidimensional y está compuesto por siete ítems para medir el deseo de castigos severos. Cada uno de los ítems es evaluado utilizando una escala tipo Likert de cinco puntos, que van de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo). Según el estudio de los autores, la escala presenta índices de confiabilidad adecuados (α = .84) y un KMO de 0.89 con un 51.03 % de la varianza total explicada. Para el presente estudio, se realizó una adaptación al español (rioplatense) con el fin de garantizar la equivalencia lingüística y cultural.

Test Revisado de Necesidad de Cierre Cognitivo versión reducida

Se implementó la versión reducida, adaptada y validada al contexto argentino (Jaume et al., 2022) del Test Revisado de Necesidad de Cierre Cognitivo (TR-NCC; Pierro & Kruglanski, 2005). La escala posee ocho ítems con formato tipo Likert de seis puntos que miden el grado de acuerdo del participante donde 1 equivale a completamente en desacuerdo y 6 corresponde a completamente de acuerdo. La misma obtuvo puntuaciones de confiabilidad en la dimensión de tendencia de urgencia (NCC_U; α = .76) y tendencia de permanencia (NCC_P; α = .64). Por otro lado, los autores en dicha escala en su versión de dos dimensiones obtuvieron una bondad de ajuste de RMSEA = 0.025, CFI = 0.989 y un TLI = 0.982.

Cuestionario sociodemográfico

Se utilizó un cuestionario ad hoc para recolectar información sociodemográfica de la muestra utilizada. Se incluyeron las variables de sexo, el lugar de residencia, la edad y el nivel de estudios alcanzado.

Procedimiento

En principio, con el fin de mantener una equivalencia funcional entre la versión original de los ítems y su traducción al español, se realizó un proceso de traducción y retraducción, también conocido como traducción inversa, de acuerdo con lo establecido por la International Test Commission (ITC, 2017). Los ítems fueron traducidos del inglés al español (rioplatense) por tres expertos y, luego, con el fin de comprobar su equivalencia lingüística se los tradujo nuevamente al inglés. Dichos ítems, se presentaron a profesionales expertos, quienes aprobaron la versión en español (rioplatense). Cabe destacar que todos los instrumentos utilizados son de dominio público y no requieren autorización previa para su uso en investigaciones académicas.

La muestra fue recolectada mediante un cuestionario de Google Forms distribuido por redes sociales (WhatsApp, Instagram y Facebook), donde todo aquel que cumplía con los criterios de inclusión tenía la posibilidad de participar en la investigación y, de esta forma, se garantizó la heterogeneidad de la muestra. Se obtuvo el consentimiento informado con el fin de preservar el anonimato y la voluntariedad de los individuos.

Aspectos éticos

La investigación se realizó conforme a principios éticos claramente comunicados a los participantes. En el consentimiento informado se garantizó la privacidad y confidencialidad de los datos personales, así como su uso exclusivo con fines académicos y científicos. La información recolectada está protegida por la Ley Nacional de Protección de los Datos Personales (Ley 25326 del 2000) y ha sido resguardada adecuadamente durante todo el proceso, incluida la difusión de resultados (Asociación Médica Mundial, 2013).

Análisis de datos

En la presente investigación se realizará el análisis factorial exploratorio en el estudio piloto, seguido de un análisis factorial confirmatorio en el estudio final. Todos los análisis propuestos se llevaron a cabo utilizando el software estadístico R con paquetes pertenecientes al R Core Team (2023).

Para ambos estudios, se utilizó la detección de casos atípicos (outliers) mediante el método robusto propuesto por Leys et al. (2019) en la escala de punitivismo (PUN). En lo que respecta a los outliers univariados, se implementó el método de desviación mediana absoluta (MAD) y para los outliers multivariados se utilizó el método determinante de covarianza mínima (MCD) (Ugarte Ontiveros & Aparicio de Guzman, 2020). Dichas pruebas se realizaron con el paquete Routliers desarrollado por Delacre y Klein (2019). Además, en la escala PUN se comprobaron los niveles de fiabilidad mediante el análisis del coeficiente del alfa ordinal y el de omega.

En el estudio piloto se realizó una medición del ítem-total corregido para observar la correlación entre cada ítem y el puntaje total excluyendo dicho ítem. Ello permitió identificar los ítems que presentaban una contribución adecuada al constructo medido y se consideraron como aceptables los valores superiores a .30. También, se calculó el coeficiente de discriminación (rbis), basado en la diferencia entre las medias de las respuestas al ítem en los terciles superior e inferior, donde los valores fueron mayores a .30, indicativos de una adecuada capacidad para diferenciar entre los grupos (Field, 2013; Kline, 2000).

Posteriormente, se realizó un análisis factorial exploratorio (AFE) para poder determinar las propiedades de los ítems de cada escala. Para la extracción de factores se utilizó el método MINRES y se aplicó una rotación Oblimin. Además, se efectuó el análisis de Kaiser-Meyer-Olkin (KMO) de la muestra para llevar a cabo el análisis factorial (Romero & Mora, 2020). Para estos estudios se usó psych (Revelle, 2023). Después, con el fin de estimar la cantidad de factores, se empleó el paquete de R Parameters (Lüdecke et al., 2020). Luego, se empleó una matriz policórica. Se utilizó .40 como punto de corte de las cargas factoriales, debido a que cargas inferiores a la misma pueden ser consideradas muy reducidas (Ballester Esteve et al., 2021).

En el estudio principal se llevó a cabo un análisis factorial confirmatorio (AFC) con la implementación del método mínimos cuadrados ponderados por medias y varianzas (WLSMV por sus siglas en inglés) para comprobar la validez factorial de la escala utilizada. Aquellos ítems que reflejen valores residuales estandarizados > 2.58 (DeVellis, 2017) serán eliminados con el fin de conservar los valores factoriales adecuados. Se tomaron en cuenta los valores del X2, CFI, TLI, RMSEA y SRMR para evaluar la bondad de ajuste del modelo factorial. Para realizar dichos análisis factoriales se usó el paquete de R lavaan (Rosseel, 2012). A su vez, se realizó una prueba para medir la invarianza factorial con grupos como el género y el grupo etario; con el fin de llevar a cabo este estudio se utilizó el paquete semTools (Jorgensen et al., 2022).

RESULTADOS

Detección de outliers

En el estudio piloto, se utilizaron dos métodos de detección, MAD y MCD, propuestos por Leys et al. (2019) sobre la escala PUN. Con el método de detección MAD para outliers univariados, no se encontró ninguno, por lo que no se modificó la muestra. Mientras, con el método de detección MCD para outliers multivariados, se detectaron once; luego de eliminarlos, la muestra quedó en 390 casos.

En el estudio final, se utilizó el método MAD para detectar valores atípicos en la escala PUN y en las dimensiones NCC_U y NCC_P. No se encontraron outliers univariados en PUN ni en NCC_U, pero en NCC_P se identificaron siete casos atípicos univariados. Además, mediante el método MCD, aplicado a las mismas escalas, se detectaron trece outliers multivariados. Como resultado, estos casos atípicos fueron eliminados, lo que dejó una muestra final de 438 participantes.

Por otro lado, ninguna de las muestras presenta distribución normal multivariada según el test de Mardia (1970), lo cual era esperable debido a su formato ordinal (Dominguez Lara, 2018). A partir de este dato, se eligieron los análisis estadísticos correspondientes.

Estudio piloto

Análisis de fiabilidad y discriminación

Se determinó la confiabilidad de la escala mediante el cálculo del alfa ordinal, cuyo resultado (α = .91) sugiere una consistencia interna favorable. Los análisis revelan que los ítems de la escala exhiben un rendimiento satisfactorio en cuanto a su correlación con la puntuación total y su capacidad para distinguir entre participantes con puntuaciones altas y bajas. Específicamente, los valores de ítem-total corregido, todos por encima del umbral de .30, señalan que cada ítem contribuye significativamente a la medición del constructo. Además, los índices de discriminación, superiores a uno en todos los casos, evidencian la capacidad de los ítems para diferenciar entre grupos. A su vez, los valores del coeficiente de discriminación (rbis) indicaron ser mayores a .30 también, lo cual se considera adecuado (ver la Tabla 1).

Análisis factorial exploratorio

Se realizó la matriz policórica de los ítems de la escala PUN, la cual demostró que todos los ítems presentaron valores mayores a .30 y menores a .90, por lo que no tuvieron problemas de colinealidad. Además, se realizó una prueba de KMO, la cual obtuvo un valor aceptable de .89. Por otro lado, en el caso individual de los ítems, los valores presentados fueron entre .84 y .95. El análisis de pruebas paralelas y los autovalores demostraron que la escala PUN presenta valores en una sola dimensión, esto se fundamentó sobre la base de lo propuesto en el marco teórico presentado por Roberts et al. (2011). Para evaluar la dimensionalidad de la escala, se aplicaron varios métodos de extracción de factores. Las pruebas que convalidaron la unidimensionalidad de la escala fueron las de Optimal Coordinates, Acceleration Factor, Parallel Analysis, Kaiser Criterion, Scree (SE), Scree (R2), VSS Complexity 1 y Velicer’s MAP.

Al realizar el AFE, la varianza total explicada fue de 62 % considerando un modelo unidimensional. Además, se tomó como punto de corte de las cargas factoriales el valor de .40 (Ballester Esteve et al., 2021). A continuación, se presenta la Tabla 1, con los siete ítems y sus respectivas cargas factoriales.

Tabla 1

Carga factorial de la escala de punitivismo

Ítem	Carga factorial	Correlación ítem-total corregida	rbis
P1. Quien comete un homicidio debería recibir la pena de muerte.	.66	.67	.70
P2. La gente que infringe la ley debería recibir penas más severas.	.73	.73	.65
P3. Los juzgados son demasiado blandos con los delincuentes.	.85	.85	.74
P4. Cuanto más dura es la pena, menor será la probabilidad de que el delincuente cometa más delitos.	.74	.74	.76
P5. Los delincuentes no se toman en serio la rehabilitación.	.68	.68	.66
P6. Las altas tasas de crímenes indican principalmente que las penas no son lo suficientemente severas.	.92	.91	.84
P7. La respuesta más efectiva a la criminalidad debería ser aplicar penas más duras.	.90	.89	.87

Estudio final

Análisis factorial confirmatorio

Con una muestra distinta a la utilizada en el estudio piloto se realizó un AFC para comprobar la bondad de ajuste, con la escala PUN original de siete ítems (PUN_7). Este daba un ajuste incorrecto al modelo, ya que el RMSEA es mayor a .80. Por ello, se comprobó el material residual de los ítems y, luego, se eliminó el ítem tres (“Los juzgados son demasiado blandos con los delincuentes”), dado que generaba un valor residual estandarizado > 2.58 con varios de los ítems. Posteriormente, se realizó una prueba final del análisis confirmatorio del modelo actual de seis ítems (PUN_6). Esta presenta un modelo de ajuste correcto, que cuenta con valores de TLI y CFI mayores a .90, un RMSEA menor a .08 (Jordan Muiños, 2021) y un SRMR menor a .50 (Hu & Bentler, 1999). Este modelo demostró buenos valores de confiabilidad en cuanto al alfa ordinal (α = .91), el cual se encuentra dentro de los parámetros propuestos por Smith et al. (2000) (α > .70). Por otro lado, el valor de confiabilidad indicado por el coeficiente de omega (ω = .89) resulta ser adecuado según McDonald (1999) (ω > .70). Finalmente, en términos de validez convergente se obtuvieron buenos resultados para el valor del AVE (.65), puesto que, según Hair et al. (2011), se considera adecuado un AVE > .50. Los valores de ajuste de las escalas PUN_7 y PUN_6 se encuentran presentes en la Tabla 2.

Tabla 2

Análisis factorial confirmatorio de punitivismo

	χ ٢	df	p	CFI	TLI	SRMR	RMSEA
PUN_7	98.0129	14	.00	.99	.98	.033	.128
PUN_6	24.9306	9	.01	.99	.99	.020	.064

Nota. Se utilizó el modelado de ecuaciones estructurales para el análisis. χ2 = chi cuadrado; df = grados de libertad; CFI = índice de ajuste comparativo; TLI = índice de Tucker-Lewis; SRMR = raíz cuadrada media residual estandarizada; RMSEA = raíz del error cuadrático medio.

Datos descriptivos de las variables

Se realizó un estadístico descriptivo de las variables PUN_6, NCC_U y NCC_P para comprender mejor sus características y evaluar posteriormente su validez convergente (ver la Tabla 3).

Tabla 3

Datos descriptivos de las variables utilizadas

Variable	Alfa ord.	Media	DE	Curtosis	Asimetría	Mín.	Máx.
PUN_6	.91	20.3	6.7	-.34	-.90	6	30
NCC_U	.79	10.3	4.5	.77	.31	4	24
NCC_P	.41	14.9	3.8	-.07	-.16	4	24

Validez convergente

Se utilizó la escala NCC que se encuentra adaptada y validada al contexto argentino, con la finalidad de aportar mayor validez a la escala PUN_6. Por lo tanto, se realizó una correlación de Spearman entre las escalas: PUN_6, NCC_U y NCC_P. Cohen (1988) establece que las correlaciones pueden interpretarse según su magnitud: débil o leve (r = .10 a .29), moderada (r = .30 a .49) o fuerte (r ≥ .50). En este sentido, los resultados indican que existe correlación significativa positiva entre la escala PUN_6 y la NCC_P, con una fuerza de vínculo moderada (r = .30; p < .001), así como con NCC_U, que presenta un vínculo levemente por debajo del moderado (r = .27; p < .001). Por último, los resultados entre NCC_P y NCC_U evidencian una correlación significativa positiva débil entre ambas (r = .28; p < .001). En la Tabla 4, se observan los resultados del análisis de correlación.

Tabla 4

Correlaciones entre PUN_6, NCC_P y NCC_U

	PUN_6	NCC_P	NCC_U
PUN_6	-	-	-
NCC_P	.30 *	-	-
NCC_U	.27 *	.28 *	-

Nota. * p < .001

Invarianza factorial

Se realizó el análisis de la muestra tomando como variable el sexo (masculino y femenino) con el fin de determinar si el modelo presentaba niveles adecuados de invarianza factorial. Además, se han medido los cambios en los valores CFI y RMSEA. Dichos resultados evidencian que los cambios se encuentran dentro de los rangos apropiados ΔCFI ≥ −.01 y ΔRMSEA ≤ .015 (Chen, 2007; Cheung & Rensvold, 2002). Debido a esto, se puede afirmar que la invarianza factorial entre sexos se mantiene, inclusive ante la presencia de mayor rigurosidad (Elosua, 2005). En cuanto al grupo etario, los resultados se mantuvieron; sin embargo, se destaca que, debido al bajo número de personas con 60 años o más, estas fueron descartadas para poder realizar el procedimiento. En la Tabla 5, se observan los resultados obtenidos del análisis de invarianza factorial.

Tabla 5

Modelos de invarianza factorial

Invarianza según género
Modelo	X2 WLSMV	df	RMSEA	CFI	X2/df	ΔX2/df	ΔRMSEA	ΔCFI
Configural	26.810	18	.048	.99	1.489
Métrico	20.691	23	.000	1.00	.900	-.589	-.048	.01
Escalar	28.614	28	.010	1.00	1.022	.122	.010	.00
Estricto	30.107	34	.000	1.00	.886	-.136	-.010	.00
Invarianza según grupo etario
Modelo	X2 WLSMV	df	RMSEA	CFI	X2/df	ΔX2/df	ΔRMSEA	ΔCFI
Configural	33.256	27	.041	.99	1.232
Métrico	50.049	37	.051	.99	1.353	.121	.010	.00
Escalar	56.715	47	.039	.99	1.207	-.146	-.012	.00
Estricto	72.740	59	.041	.99	1.233	.026	.002	.00

Nota. df = grados de libertad; CFI = índice comparativo de ajuste; RMSEA = raíz del error cuadrático medio de aproximación; ΔCFI = incremento en el índice comparativo de ajuste; ΔRMSEA = incremento en la raíz del error cuadrático medio de aproximación.

DISCUSIÓN

El objetivo de este trabajo consistió en adaptar y validar la escala de punitivismo (Roberts et al., 2011) en el contexto argentino, con el fin de obtener una herramienta válida y confiable para medir el constructo en dicha población. Para garantizar la equivalencia lingüística y cultural, se realizó una traducción inversa de los ítems del inglés al español (rioplatense) comprobada y aprobada por expertos. Además, se puso a prueba las propiedades estadísticas en un estudio piloto mediante un AFE. En dicho análisis, las cargas factoriales fueron adecuadas (Ballester Esteve et al., 2021), por lo que inicialmente no se eliminó ningún ítem.

En el estudio principal, con una muestra diferente a la utilizada en el estudio piloto, se realizó un AFC con la escala PUN de siete ítems. Los resultados mostraron una covarianza residual estandarizada del ítem tres mayor a 2.58, con varios ítems. Por ello, dicho ítem fue eliminado debido a la alta carga residual entre los ítems de la escala (DeVellis, 2017). Luego de esto, se realizó nuevamente el análisis y se observaron índices correctos de ajuste (Hu & Bentler, 1999; Jordan Muiños, 2021) con un modelo de PUN de seis ítems. Posteriormente, se realizó la confiabilidad interna de la escala PUN_6, la cual obtuvo los índices adecuados (α = .91) (Smith et al., 2000). Cabe destacar que la consistencia interna presente en esta investigación es superior a la encontrada en Roberts et al. (2011) (α = .84).

Para darle una validez convergente a la escala PUN_6, se realizó un análisis correlacional con la NCC. En ella se observa que la escala PUN_6 se correlaciona significativamente de manera positiva y moderada con las escalas NCC_U y NCC_P. Por ende, se puede inferir que aquellos sujetos que muestran una tendencia a aceptar la primera opción presentada y, posteriormente, a anular el ingreso de información nueva para evitar la incertidumbre preferirían políticas de tolerancia cero. Estos datos obtenidos guardan relación con la investigación de Giacomantonio y Pierro (2014) y Giacomantonio et al. (2017), que demuestran que la NCC se correlaciona positivamente de manera moderada con una mayor demanda punitiva. Asimismo, NCC_U y NCC_P se asocian positivamente de forma leve entre ellas. El hecho de que las dimensiones de NCC se correlacionen positivamente se debe al funcionamiento recíproco entre la NCC_U, donde se toman decisiones para cerrar situaciones de incertidumbre, y la NCC_P, en la que se mantienen creencias impuestas para no interferir con las decisiones tomadas previamente (Kruglanski, 1989).

Luego, con la finalidad de corroborar la solidez del estudio, se realizó la invarianza factorial según el sexo. Dichos resultados se encontraron dentro de los índices correctos con un cambio en ΔCFI ≥ −.01 y ΔRMSEA ≤ .015 (Chen, 2007; Cheung & Rensvold, 2002). El análisis obtenido sugiere que los factores de carga prevalecen consistentes entre los grupos de hombres y mujeres, inclusive a mayor rigurosidad.

Una de las debilidades que presenta esta investigación es la gran diferencia de participación femenina sobre la masculina. Además, el muestreo se ha limitado a la obtención de datos de la Ciudad Autónoma de Buenos Aires y de la provincia de Buenos Aires, Argentina. Por otro lado, el tamaño de la muestra podría afectar la obtención de una correcta validación externa. Se recomienda que futuras investigaciones utilicen una muestra más heterogénea de sexos y que sea más abarcativa en cuanto a toda la población del país, para obtener y lograr una mejor generalización de los resultados.

Entre las fortalezas de la investigación, observamos que este trabajo proporciona un acercamiento al estudio del punitivismo mediante la adaptación y validación de la escala al territorio argentino, donde aún no se han realizado estudios de campo de dicha temática. Por otro lado, la escala posee buenos parámetros de consistencia interna y, debido a su corta extensión, facilita la administración en diversos ámbitos. Además, mediante las pruebas realizadas, se convalidó el carácter unidimensional de la escala, del mismo modo que sucede en Roberts et al. (2011), lo cual permite lo cual permite una medición clara y precisa del constructo, lo que facilita la medición y el análisis estadísticos.

CONCLUSIones

El objetivo de este trabajo consistió en adaptar y validar la escala punitiva en el territorio argentino. Esto contribuyó a la comprensión de la toma de decisiones de las personas de forma objetiva, al entender la conducta de los sujetos mediante un instrumento confiable. Además, se buscó entender cómo se ven influidas las elecciones punitivas de los individuos según sus niveles de cierre cognitivo. En este sentido, se comprueba que la rigidez cognitiva está asociada con la tendencia a preferir penas más duras. Esto posee relevancia en el campo de la psicología debido a que este factor punitivo se ve intervenido por el sistema de creencias, emociones y comportamientos de los sujetos. También, puede ser un aporte relevante en el área de la psicología jurídica, al proporcionar un entendimiento del comportamiento de la gente y la forma en que selecciona penas más o menos punitivas según diversas variables sociopsicológicas. Este trabajo proporciona un acercamiento psicológico a la temática en la Argentina con la posibilidad de administrar la escala punitiva en dicho territorio y comprender mejor su contexto.

REFERENCIAS

Aguilar, J. A. (2018). Aproximación al análisis de las actitudes punitivas. Revista Criminalidad, 60(1), 95-110. https://doi.org/10.47741/17943108.11

Aizpurúa González, E. (2015). Delimitando el punitivismo. Las actitudes de los españoles hacia el castigo de los infractores juveniles y adultos. Revista Española De Investigación Criminológica, 13, 1-30. https://doi.org/10.46381/reic.v13i0.90

Armborst, A. (2017). How fear of crime affects punitive attitudes. European Journal on Criminal Policy and Research, 23, 461-481. https://doi.org/10.1007/s10610-017-9342-5

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

Ballester Esteve, I., Fernández Piqueras, R., & Parra-Camacho, D. (2021). Adaptación y validación de una escala para la evaluación del desempeño profesional del entrenador de fútbol en base a su formación permanente, nivel de TIC y autoevaluación. Retos: Nuevas tendencias en Educación Física, Deportes y Recreación, 40, 272-280.

Bottoms, A. (1995). The philosophy and politics of punishment and sentencing. En C. Clarkson & R. Morgan (Eds.), The politics of sentencing reform (pp. 17-50). Oxford University. https://doi.org/10.1093/oso/9780198258728.003.0002

Carretero-Dios, H., & Pérez, C. (2005). Normas para el desarrollo y revisión de estudios instrumentales. International Journal of Clinical and Health Psychology, 5(3), 521-551. http://www.redalyc.org/articulo.oa?id=33705307

Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling: A Multidisciplinary Journal, 14(3), 464-504.

Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling, 9(2), 233-255.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2.a ed.). Routledge. https://utstat.toronto.edu/brunner/oldclass/378f16/readings/CohenPower.pdf

Costelloe, M. T., Chiricos., T. & Gertz, M. (2009). Punitive attitudes toward criminals: Exploring the relevance of crime salience and economic insecurity. Punishment & Society, 11, 25-49. https://doi.org/10.1177/1462474508098131

Delacre, M., & Klein, O. (2019). Routliers: Robust outliers detection. R package version 0.0.

DeVellis, R. F. (2017). Scale development: Theory and applications (4.a ed.). Sage Publications.

Dominguez Lara, S. (2018). Fiabilidad y alfa ordinal. Actas Urológicas Españolas, 42(2), 140-141. https://doi.org/10.1016/j.acuro.2017.07.002

Elosua, P. (2005). Evaluación progresiva de la invarianza factorial entre las versiones original y adaptada de una escala de autoconcepto. Psicothema, 17(2), 356-362. https://www.psicothema.com/pdf/3112.pdf

Field, A. (2013). Discovering statistics using IBM SPSS Statistics (4.a ed.). Sage Publishing. https://sadbhavnapublications.org/research-enrichment-material/2-Statistical-Books/Discovering-Statistics-Using-IBM-SPSS-Statistics-4th-c2013-Andy-Field.pdf

Garland, D. (2005). La cultura del control. Crimen y orden social en la sociedad contemporánea. Gedisa.

Giacomantonio, M., & Pierro, A. (2014). Individual differences underlying punishment motivation: The role of need for cognitive closure. Social Psychology, 45(6), 449-457. https://doi.org/10.1027/1864-9335/a000211

Giacomantonio, M., Pierro, A., Baldner, C., & Kruglanski, A. (2017). Need for closure, torture, and punishment motivations. Social Psychology, 48(6), 335-347. https://doi.org/10.1027/1864-9335/a000321

Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing theory and Practice, 19(2), 139-152. https://doi.org/10.2753/MTP1069-6679190202

Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit in-dexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55.

International Test Commission. (2017). The ITC guidelines for translating and adapting tests (2.a ed.). https://www.intestcom.org/files/guideline_test_adaptation_2ed.pdf

Jackson, J., Hough, M., Bradford, B., & Kuha, J. (2015). Empirical legitimacy as two connected psychological states. En G. Meško & J. Tankebe (Eds.), Trust and legitimacy in criminal justice (pp. 137-160). Springer, Cham. https://doi.org/10.1007/978-3-319-09813-5_7

Jaume, L. C., Schetsche, C., Roca, M. A., & Quattrocchi, P. (2022). Factor structure and internal consistency on a reduced version of the revised test of need for cognitive closure. Frontiers in Psychology, 12. https://doi.org/10.3389/fpsyg.2021.813115

Jaume, L. C., & Roca, M. A. (2020). La evaluación del perdón, los modos regulatorios y la necesidad de cierre cognitivo: construyendo una agenda de investigación. Subjetividad y Procesos Cognitivos, 24(1), 1-21. https://publicacionescientificas.uces.edu.ar/index.php/subyprocog/article/view/846/864

Jordan Muiños, F. M. (2021). Valor de corte de los índices de ajuste en el análisis factorial confirmatorio. Psocial, 7(1), 66-71. http://portal.amelica.org/ameli/journal/123/1232225009/

Jorgensen, T. D., Pornprasertmanit, S., Schoemann, A. M., & Rosseel, Y. (2022). semTools: Useful tools for structural equation modeling. R package version 0.5-6. https://cran.r-project.org/package=semTools

Kessler, G. (2011). La extensión del sentimiento de inseguridad en América Latina: Relatos, acciones y políticas en el caso argentino. Revista de Sociologia e Política, 19(40), 83-97. https://doi.org/10.1590/S0104-44782011000300007

Kline, P. (2000). Handbook of psychometric testing (2.a ed.). Routledge.

Kruglanski, A. W. (1989). Lay epistemics and human knowledge: Cognitive and motivational bases. Springer.

Laterzo, I. G. (2023). Progressive ideology and support for punitive crime policy: Evidence from Argentina and Brazil. Comparative Political Studies, 57(6), 1034

Ley 25.326 Protección integral de los datos personales. Octubre 4 del 2000. Arts. 5-7 y 10 (Argentina). Boletín Nacional. https://www.argentina.gob.ar/normativa/nacional/ley-25326-64790

Leys, C., Delacre, M., Mora, Y. L., Lakens, D., & Ley, C. (2019). How to classify, detect, and manage univariate and multivariate outliers, with emphasis on pre-registration. International Review of Social Psychology, 32(1), 1-10.

Lipman, M. (1998). Pensamiento complejo y educación (2.a ed.). Ediciones de la Torre. https://ia903101.us.archive.org/35/items/LipmanPensamientoComplejoYEducacin/Lipman%20-%20pensamiento%20complejo%20y%20educaci%C3%B3n.pdf

Lüdecke, D., Ben-Shachar M., Patil I., & Makowski D. (2020). Extracting, computing and exploring the parameters of statistical models using R. Journal of Open Source Software, 5(53), 2445. https://doi.org/10.21105/joss.02445

Manzano, L., Fredes, D., Carvajal, J., & Cortés, F. (2022). Medición y análisis del punitivismo mediante una encuesta web. Revista de Sociología, 37(1), 147-164.

Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57(3), 519-530.

McDonald, R. P. (1999). Test theory: A unified treatment. Lawrence Erlbaum Associates Publishers. https://psycnet.apa.org/record/1999-02770-000

Otamendi, M. A. (2012). Aclarando el panorama. Punitividad pública en el AMBA (2000-2010). Definiciones y precisiones. Ensemble, 4(7), 1-15 http://hdl.handle.net/11336/200083

Otamendi, M. A. (2020). La punitividad del público como reacción instrumental y expresiva ante las amenazas al comienzo del siglo XXI. Evidencias del Área Metropolitana de Buenos Aires. Revista CS, 31, 77-108. https://doi.org/10.18046/recs.i31.3720

Pierro, A., & Kruglanski, A. W. (2005). Revised Need for Cognitive Closure Scale [Manuscrito inédito]. Università di Roma.

Rader, N. E., Cossman, J. S., & Porter J. R. (2012). Fear of crime and vulnerability: Using a national sample to examine two competing paradigms. Journal of Criminal Justice, 40(2), 134-141. https://doi.org/10.1016/j.jcrimjus.2012.02.003

R Core Team (2023). R: A language and environment for statistical computing (Versión 4.5.1) [Software].

Revelle, W. (2023). psych: Procedures for psychological, psychometric, and personality research. R package version 2.3.9. Recuperado el 23 de junio del 2025, de https://CRAN.R-project.org/package=psych

Roberts, L. D., Spiranovic, C., & Indermaur, D. (2011). A country not divided: A comparison of public punitiveness and confidence in sentencing across Australia. Australian & New Zealand Journal of Criminology, 44(3), 370-386. https://doi.org/10.1177/0004865811419059

Romero, K. P., & Mora, O. M. (2020). Análisis factorial exploratorio mediante el uso de las medidas de adecuación muestral kmo y esfericidad de bartlett para determinar factores principales. Journal of Science and Research, 5, 903-924. https://revistas.utb.edu.ec/index.php/sr/article/view/1046

Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36. https://doi.org/10.18637/jss.v048.i02

Rhodes-Purdy, M. (2021). Lock them up! Punitive aggression and populism as political vigilantism. Electoral Studies, 74, Artículo 102415. https://doi.org/10.1016/j.electstud.2021.102415

Shi, L. (2022). Crime trend perceptions, negative emotions, and public punitiveness: A survey experiment of information treatment. Journal of Experimental Criminology, 18, 277-295.

Singer, A. J., Chouhy, C., Lehmann, P. S., Stevens, J. N., & Gertz, M. (2020). Economic anxieties, fear of crime, and punitive attitudes in Latin America. Punishment & Society, 22(2), 181-206. https://doi.org/10.1177/1462474519873659

Silver, J. R., & Ulmer, J. T. (2023). Moral intuitions, punishment ideology, and judicial sentencing. Journal of Crime and Justice, 47(2), 219-240. https://doi.org/10.1080/0735648X.2023.2248085

Smith, G. T., McCarthy, D. M., and Anderson, K. G. (2000). On the sins of short-form development. Psychological Assessment, 12, 102-111. https://doi.org/10.1037/1040-3590.12.1.10

Ugarte Ontiveros, D., & Aparicio de Guzman, R. M. (2020). Técnicas robustas y no robustas para identificar outliers en el análisis de regresión. Investigación & Desarrollo, 20(2), 41-56.

Veggi, S., & Zara, G. (2023). The role of personality and the need for cognitive closure in shaping punitiveness to crime. Personality and Individual Differences, 214, 112348. https://doi.org/10.1016/j.paid.2023.112348

(continúa)

(continuación)