Op EEG en ERP gebaseerde graad van Internet Game Addiction Analysis (2014)

LINK NAAR STUDIE

Lee, Jae-Yoon; Kang, Hang-Bong;

Abstract

Onlangs is gameverslaving van jongeren een maatschappelijk probleem geworden. Daarom zijn veel onderzoeken, voornamelijk enquêtes, uitgevoerd om gameverslaving te diagnosticeren. In dit artikel stellen we voor om niveaus van verslaving te onderscheiden op basis van EEG. Hiertoe classificeren we eerst vier groepen door de mate van verslaving aan internetgames (risicogroep, Vigilance-groep, Normale groep, Good-user-groep) met behulp van CSG (Comprehensive Scale for Evaluing Game Behavior) en meten dan hun Event-gerelateerde Potentieel (ERP) in de Go / NoGo-taak. Specifiek meten we de signalen van P300, N400 en N200 uit de kanalen van de NoGo-stimulus en Go-stimulus. Daarnaast extraheren we verschillende kenmerken van de discrete wavelet-transformatie van het EEG-signaal en gebruiken deze functies om de mate van verslaving aan internetgames te onderscheiden. De experimenten in deze studie tonen aan dat risicovolle en waakzame groepen een lagere Go-N200 amplitude van Fz-kanaal vertonen dan normale en goede gebruikersgroepen. In Go-P300 en NoGo-P300 van het Fz-kanaal vertonen risicovolle en waakzaamheid-groepen een hogere amplitude dan de normale en goede gebruikersgroep. In Go-N400 en NoGo-N400 van het Pz-kanaal vertonen risicovolle en waakzame groepen een lagere amplitude dan de normale en goede gebruikersgroep. De test na de leerstudie van de geëxtraheerde kenmerken van elke frequentieband van het EEG-signaal toonde de nauwkeurigheid van de classificatie van 85%.