Lee, Jae Yoon; Kang, Hang-Bong;
- Título da revista: Jornal da Sociedade Multimídia da Coréia
- Volume 17, Edição 11, 2014, pp.1325-1334
- Editora: Korea Multimedia Society
- DOI: 10.9717 / kmms.2014.17.11.1325
Sumário
Recentemente, o vício em jogos de jovens tornou-se uma questão social. Portanto, muitos estudos, principalmente pesquisas, foram realizados para diagnosticar o vício em jogos. Neste artigo, sugerimos como distinguir níveis de dependência baseados em EEG. Para esse fim, primeiro classificamos quatro grupos pelos graus de vício em jogos de internet (grupo de alto risco, grupo de vigilância, grupo normal, grupo de bons usuários) usando o CSG (Escala abrangente para avaliação do comportamento do jogo) e depois medimos seus eventos relacionados a eventos. Potencial (ERP) na tarefa Go / NoGo. Especificamente, medimos os sinais de P300, N400 e N200 dos canais do estímulo NoGo e do estímulo Go. Além disso, extraímos características distintas da transformada wavelet discreta do sinal EEG e usamos esses recursos para distinguir os graus de dependência dos jogos da internet. Os experimentos neste estudo mostram que o grupo de alto risco e vigilância exibem menor amplitude Go-N200 do canal Fz do que os grupos Normal e Bom usuário. Nos canais Go-P300 e NoGo-P300 do canal Fz, os grupos High-risk e Vigilance apresentam maior amplitude que o grupo Normal e Good-user. Nos canais Go-N400 e NoGo-N400 do canal Pz, o grupo de alto risco e vigilância apresenta menor amplitude do que o grupo Normal e Bom usuário. O teste após o estudo de aprendizagem das características extraídas de cada banda de frequência do sinal EEG mostrou uma precisão de classificação de 85%.
;