ली, जा-युन; कांग, ह्या -्ग-बong्ग;
- जर्नल शीर्षक: कोरिया मल्टिमेडिया समाजको जर्नल
- खण्ड २ 17, अंक २, २०१,, pp१11२-2014-११1325
- प्रकाशक: कोरिया मल्टिमेडिया समाज
- डीओआई: 10.9717 / किमी। 2014.17.11.1325
सार
भर्खरको खेल युवा युवाहरूको लत एक सामाजिक मुद्दा भएको छ। त्यसकारण, धेरै अध्ययनहरू, प्राय जसो सर्वेक्षणहरू, खेल लत निदानको लागि गरिएको छ। यस कागजमा, हामी सुझाव दिन्छौं कि EEG मा आधारित एडिक्शनको स्तर कसरी छुट्याउने। यस लक्ष्यका लागि हामी पहिलो समूहलाई CSG प्रयोग गरेर इन्टरनेट खेल (उच्च जोखिम समूह, सतर्कता समूह, सामान्य समूह, राम्रो-प्रयोगकर्ता समूह) को लतको डिग्री द्वारा चार समूह वर्गीकृत गर्छौं र त्यसपछि तिनीहरूको घटना सम्बन्धित मापन गर्दछौं। सम्भावित (ERP) Go / NoGo टास्कमा। विशेष रूपमा, हामी P300, N400 र N200 को स measure्केतहरू NoGo उत्तेजक र गो उत्तेजनाको च्यानलबाट मापन गर्दछौं। थप रूपमा, हामी ईईजी संकेतको अलग वेभलेट रूपान्तरणबाट छुट्टै सुविधाहरू निकाल्छौं र यी सुविधाहरूको प्रयोग इन्टरनेट खेलहरूमा व्यसनको डिग्री छुट्याउन। यस अध्ययनका प्रयोगहरूले देखाए कि उच्च जोखिम र सतर्कता समूहले सामान्य र राम्रो-प्रयोगकर्ता समूहहरूको तुलनामा Fz च्यानलको कम Go-N200 आयाम प्रदर्शन गर्दछ। Go-P300 र FG च्यानलको NoGo-P300 मा, उच्च जोखिम र सतर्कता समूहहरूले सामान्य र राम्रो-प्रयोगकर्ता समूहको तुलनामा उच्च आयाम प्रदर्शन गर्दछ। P-च्यानलको Go-N400 र NoGo-N400 मा, उच्च जोखिम र सतर्कता समूह सामान्य र राम्रो-प्रयोगकर्ता समूह भन्दा कम आयाम प्रदर्शन गर्दछ। EEG संकेतबाट प्रत्येक फ्रिक्वेन्सी ब्यान्डको झिकिएको विशेषताहरूको अध्ययन अध्ययन पछि 85% वर्गीकरण सटीकता देखायो।
;