研究互联网游戏障碍的机制,并使用人工智能技术开发智能监控模型:潜在队列的协议

科学领域:

• 精神病学和行为科学
• 公共卫生 公共卫生
• 计算社会科学 计算社会科学

背景情况:

• 互联网游戏障碍 (IGD) 影响全球3.05%,亚洲青少年的发病率更高,COVID-19大流行加剧了这种情况.
• 弱势群体包括学业表现不佳的青少年,内向的特征和现有的心理健康状况.
• 目前对IGD机制的理解是有限的,需要前性研究.

研究的目的:

• 从个人和环境的角度探索IGD的机制,考虑与年龄相关的变化和游戏特征.
• 开发智能监测模型,用于在高风险青少年中早期检测和干预IGD.
• 应用斯金纳的强化理论来理解IGD的发展.

主要方法:

• 一项为期3年的中高中生前性队列研究,在中国深,每六个月进行一次评估.
• 通过在线调查和基于Python的web scraping收集数据,利用非结构化数据的自然语言处理.
• 使用基线和后续数据开发和验证预测模型 (Cox回归,Weibull回归),使用ROC曲线和AUC进行评估.

主要成果:

• 对IGD风险的预测模型将使用全面的数据集进行训练和验证.
• 分析将揭示导致IGD发展的关键个体和环境因素.
• 该研究将提供与年龄相关的变化和影响IGD的特定游戏特征的见解.

结论:

• 了解IGD的复杂因素相互作用对于有效的预防和干预策略至关重要.
• 智能监控系统可以促进早期识别有风险的青少年.
• 这项研究为针对IGD的公共卫生倡议提供了有价值的方法.