检查游戏玩家如何与他们的化身连接来评估他们的焦虑:一种新的人工智能方法

科学领域:

• 心理学 心理学 心理学
• 人与计算机的交互
• 人工智能的人工智能

背景情况:

• 玩家对化身的依恋可能表明心理健康状况,包括焦虑.
• 评估这种联系可以提供对心理健康的见解.
• 纵向研究对于理解不断变化的心理健康模式至关重要.

研究的目的:

• 为了研究用户-化身纽带和游戏玩家焦虑风险之间的关系.
• 为了评估人工智能 (AI) 在基于游戏玩家-化身连接的焦虑预测方面的有效性.
• 为了确定AI是否可以使用特定的用户和游戏数据预测未来的焦虑风险.

主要方法:

• 在6个月内从565名参与者 (成人和青少年) 收集了长度数据.
• 参与者完成了用户-阿凡达纽带 (UAB) 尺度和抑郁焦虑压力尺度 (DASS).
• 不调和调的AI分类器,包括随机森林算法,用于分析数据,以预测当前和未来的焦虑.

主要成果:

• 人工智能模型根据UAB,年龄和游戏持续时间准确地识别了当前和未来的焦虑风险.
• 与其他AI模型相比,随机森林算法表现出更高的性能.
• 阿凡达补偿被确定为预测未来焦虑的最重要因素.

结论:

• 人工智能可以自主检测游戏玩家的焦虑风险,通过分析他们自我报告的用户-化身纽带.
• 这些发现支持在心理健康评估和焦虑早期干预中使用人工智能.
• 阿凡达补偿是开发游戏群体焦虑预测模型的一个关键变量.