通过用户-化身纽带在游戏障碍中的机器学习:迈向概念和方法明确性的一步

科学领域:

• 行为成 行为成
• 心理学 心理学 心理学
• 数字化表型化是指数字化表型化.

背景情况:

• 游戏障碍 (GD) 在行为上中越来越令人担忧.
• 用户-化身债券 (UAB) 和数字表型是GD风险评估的新兴概念.
• 之前的研究已经强调了在这个领域需要概念清晰和方法优化.

研究的目的:

• 提高对阿凡达,UAB和数字表型的概念理解,与GD相关.
• 通过使用不同的数据处理技术,比较评估UAB对GD风险的预测能力.
• 针对GD风险评估方法提出的关键问题.

主要方法:

• 关键术语的概念分析:化身,用户-化身纽带,数字现象型.
• 对UAB对GD风险的预测实用性的比较评估.
• 在机器学习模型中实施替代数据不平衡处理方法.
• 在数据分割之前,对具有或没有数据增强的模型进行评估.

主要成果:

• 该研究在游戏障碍的背景下对用户-化身纽带和数字表型的概念化提供了更好的清晰度.
• 对比分析表明,在各种方法条件下,用户 - 化身债券对游戏障碍风险的预测潜力.
• 结果提供了对优化监督机器学习技术的见解,以评估游戏障碍风险.

结论:

• 用户-化身纽带是理解和潜在预测游戏障碍风险的相关构造.
• 方法选择,包括数据增强和失衡治疗,显著影响游戏障碍风险的评估.
• 需要进一步的研究来完善这些工具在行为成研究中的概念化和应用.