通过用户-化身纽带在游戏障碍中的深度学习:使用机器学习进行纵向研究
Vasileios Stavropoulos1,2, Daniel Zarate1, Maria Prokofieva3
11Department of Psychology, Applied Health, School of Health and Biomedical Sciences, RMIT University, Australia.
Journal of behavioral addictions
|November 9, 2023
概括
用户-化身纽带使用人工智能 (AI) 准确预测游戏障碍 (GD) 风险. 人工智能模型根据玩家-化身连接,年龄和游戏持续时间确定了GD风险,显示了早期评估和预防的潜力.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 心理健康 心理健康
背景情况:
- 游戏障碍 (GD) 的风险与玩家与其游戏中的化身的联系有关.
- 用户 - 化身关系可以提供对游戏玩家心理健康和GD风险的见解.
研究的目的:
- 为了研究用户-化身纽带对游戏障碍风险的预测能力.
- 探索人工智能 (AI) 在评估并发性和未来GD风险方面的使用.
主要方法:
- 565名游戏玩家在六个月内两次使用用户-阿凡达-纽带量表 (UABS) 和游戏障碍测试进行了评估.
- 调整和未调整的AI分类器分析了游戏玩家对并发和纵向GD风险预测的反应.
主要成果:
- 人工智能模型根据UABS分数,年龄和游戏持续时间准确地识别了GD风险.
- 在人工智能模型中,阿凡达沉浸是最强的预测因素;随机森林显示出卓越的性能.
- 人工智能成功地同时预测了GD风险,并可预测长达六个月的未来风险.
结论:
- 用户-化身纽带是预测游戏障碍风险的一个重要因素.
- 人工智能分类器可以有效地将用户-avatar债券指标转化为可操作的GD风险评估.
- 结果支持对GD评估,预防和干预策略的影响.
