根据战争游戏中的行为来识别对手的神经障碍
Sihui Ge1,2, Sihua Lyu1,2, Yazheng Di1,2
1Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China.
Behavioral sciences (Basel, Switzerland)
|August 28, 2025
概括
这项研究使用机器学习和行为数据来预测竞争环境中的神经病, 克服传统自我报告问卷的局限性. 开发的方法显示出在现实世界中客观心理评估的前景.
科学领域:
- 心理学
- 机器学习
- 行为科学
背景情况:
- 传统的神经病评估依赖于自我报告问卷, 在对抗性环境中受限且容易产生偏见.
- 需要客观和实用的方法来评估神经病症,特别是在竞争环境中.
研究的目的:
- 利用行为数据开发和验证基于机器学习的方法来预测神经病.
- 克服主观自我报告措施在评估神经病的局限性.
主要方法:
- 分析了MiaoSuan战斗平台上的167名参与者的行为记录.
- 确定与神经病相关的关键行为特征,并开发预测模型.
- 使用"五大"神经症分量表的8项神经症分量表进行评估.
主要成果:
- 最有效的模型是LinearSVR, 从行为数据中有效推断神经症水平.
- 在预测和自我报告的神经病得分之间达到了0.606的相关性.
- 测试重复测试的可靠性为0.516,表明模型的稳定性.
结论:
- 行为数据可以有效地用于预测神经病症,为自我报告措施提供可行的替代方案.
- 开发的方法在竞争环境中的心理评估中具有实际应用.
- 未来的研究应专注于改进特征选择和扩大基于行为评估的应用场景.
更多相关视频
13:40Combining Computer Game-Based Behavioural Experiments With High-Density EEG and Infrared Gaze Tracking
Published on: December 16, 2010
16.8K
09:14Exploring the Neural Correlates of Cognitive Reappraisal in Obsessive-Compulsive Disorder Using Task-based Functional Magnetic Resonance Imaging
Published on: March 14, 2025
344
