Os modelos de inteligência artificial empregados utilizam dados sobre o relacionamento dos jogadores com seus avatares no jogo, a idade deles e a duração do envolvimento com os jogos. O artigo foi publicado no Journal of Behavioral Addictions.
PUBLICIDADE
Jogos populares como “Minecraft”, “GTA V” e “Tetris” venderam cada um mais de 100 milhões de cópias. No entanto, com o aumento da popularidade dos jogos como passatempo e forma de entretenimento, profissionais de saúde observaram que algumas pessoas se envolvem nos jogos de maneiras que afetam adversamente outras áreas de suas vidas. Essa observação levou à cunhagem do termo “transtorno de jogos”.
O transtorno de jogos é uma condição de saúde mental reconhecida pela Organização Mundial da Saúde (OMS). Ele é caracterizado por um padrão de comportamento que inclui controle prejudicado sobre os jogos, priorização dos jogos sobre outras atividades e a continuação ou escalada dos jogos, apesar de consequências negativas. Para um diagnóstico, esse padrão de comportamento deve ser grave o suficiente para prejudicar significativamente áreas importantes como pessoal, familiar, social, educacional, ocupacional ou outras áreas de funcionamento.
No seu novo estudo, Vasileios Stavropoulos e seus colegas buscaram investigar se a IA e a machine learning poderiam prever o risco de transtorno de jogos em jogadores. Pesquisas anteriores sugerem que a natureza do vínculo entre um jogador e seu avatar no jogo pode indicar um risco de transtorno de jogos.
PUBLICIDADE
Com isso em mente, os pesquisadores se propuseram a desenvolver um modelo de IA que prevê o risco de transtorno de jogos, com base em fatores como o vínculo usuário-avatar, imersão, idade do jogador e a duração do envolvimento com os jogos.
Dados coletados
O estudo envolveu 565 jogadores de RPG, com uma idade média de 29 anos, variando de 12 a 68 anos. Cerca de metade dos participantes eram do sexo masculino. Eles relataram experiências de jogo que se estendiam por até 30 anos, com uma duração média de 5,6 anos. Além disso, eles usavam redes sociais por uma média de 7 anos, gastando cerca de 3 horas por dia nessas plataformas. Dentre eles, 55% estavam empregados em tempo integral, 36% possuíam um diploma de graduação e 30% eram solteiros.
Os autores avaliaram os participantes duas vezes, com um intervalo de 6 meses entre as avaliações. Na segunda avaliação, 276 participantes haviam desistido. Os participantes completaram uma avaliação diagnóstica de transtorno de jogos (o Teste de Transtorno de Jogos, GDT-4) e uma avaliação de seu vínculo com seu avatar no jogo (o Questionário de Vínculo Usuário-Avatar, UAB-Q). Este último mediu a identificação com o avatar (por exemplo, “Tanto eu quanto meu personagem somos iguais”), imersão (por exemplo, “Às vezes penso apenas no meu personagem enquanto não estou jogando”) e compensação (por exemplo, “Eu preferiria ser como meu personagem”).
PUBLICIDADE
No início do estudo, um pouco menos de 20% dos participantes foram identificados como estando em risco de transtorno de jogos. Os pesquisadores então dividiram o conjunto de dados em duas partes: 80% para treinar os modelos de IA e 20% para testar sua qualidade preditiva.
Após o treinamento, os modelos de IA conseguiram identificar com precisão os participantes em risco de transtorno de jogos com base na pontuação da escala de vínculo usuário-avatar, idade e duração dos jogos. Eles conseguiram isso tanto com dados do início do estudo quanto com dados coletados 6 meses depois. O nível de imersão no avatar foi um fator crítico nessas previsões.
Leia também:
