使用4个开放式文本响应来帮助识别有游戏障碍风险的人:使用自然语言处理进行预注册的开发和可用性研究

科学领域:

• 心理学 心理学 心理学
• 计算机科学 计算机科学
• 计算语言学 计算语言学

背景情况:

• 心理学中的传统定量研究依赖于数值数据,而自然语言处理 (NLP) 为分析定性数据提供了新的途径.
• 越来越多的游戏障碍需要创新的评估工具超越自我报告尺度.
• 通过分析文本反应,NLP为深入了解游戏障碍提供了补充现有方法的机会.

研究的目的:

• 为了评估基于变压器的语言模型在分析游戏玩家的文本响应方面的有效性,作为游戏障碍传统评级尺度的补充.
• 为了比较新的4个问题开放式文本评估结果与游戏障碍标准数值评分尺度的结果.

主要方法:

• 参与者 (n=417) 完成了四个问题的开放式文本评估和游戏障碍的数值评分表.
• 通过基于变压器的语言模型HerBERT (BERT) 来处理文本响应.
• 脊柱回归被用来从矢量化文本响应中预测游戏障碍得分.

主要成果:

• 在使用所有四种文本响应时,在预测得分和实际得分之间观察到适度的皮尔森相关性 (0.476).
• 个别的文本回复显示了从0.274到0.406.6的相关性.

结论:

• 对简短的,开放式的文本回应的NLP分析可以提高对游戏障碍的理解,而无需额外的时间承诺.
• 该研究证实,文本分析与已建立的评级尺度相关,并纳入各种文本数据可以提高模型性能.
• 建议进一步细化问题,以便与游戏障碍的临床定义更加一致.