网络游戏成瘾是指个体无法抑制地、持续性地和周期性地进行网络游戏活动,并因此导致了临床损伤或心理痛苦。以往研究对导致网络游戏成瘾的因素进行了大量探讨,并已证实渴求、自我控制等风险因素与网络游戏成瘾存在显著相关。然而现有研究尚未系统量化各风险因素对网络游戏成瘾症状的贡献度,其核心致病因素仍缺乏清晰界定。此外,网络游戏成瘾的病因机制涉及多个风险因素之间的复杂交互作用,传统的线性统计模型难以全面反应网络游戏成瘾症状与各个风险因素之间的关系。近年来,机器学习算法因其在处理高维非线性数据及复杂交互结构方面的优势,已逐步成为心理病理机制研究的重要工具。因此本研究拟采用机器学习算法来识别导致网络游戏成瘾的关键风险因素,并通过网络分析探究这些关键风险因素与网络游戏成瘾症状之间的拓扑关联模式,以期为未来的靶向干预提供依据。本研究共有1620名被试参与研究(平均年龄23.12±3.81岁)。机器学习结果显示,XGBoost模型表现优于其他模型,准确率为0.9;特质渴求、状态渴求、自我控制、压力和欲望思维是导致网络游戏成瘾的关键风险因素。网络分析结果显示,(1)特质渴求与网络游戏成瘾症状中的失败的控制、放弃其他活动以及戒断之间存在较强的正向连接;(2)状态渴求则与专注和戒断存在较强的连接;(3)在关键风险因素之间,欲望思维和特质渴求之间存在着较强的正向连接;(4)特质渴求预期影响指数和桥接预期影响指数最高,这表明特质渴求对网络游戏成瘾症状以及其他风险因素有较大影响,是网络游戏成瘾的核心致病因素。本研究结果深化了我们对于网络游戏成瘾症状与其相关风险因素之间关系的理解,并揭示了关键风险因素,为未来干预策略制定提供了理论支持。
(8.0+极速模式)