基于大数据分析的网络游戏对大学生的影响机理研究.docx
- 文档编号:13019538
- 上传时间:2023-04-22
- 格式:DOCX
- 页数:42
- 大小:467.42KB
基于大数据分析的网络游戏对大学生的影响机理研究.docx
《基于大数据分析的网络游戏对大学生的影响机理研究.docx》由会员分享,可在线阅读,更多相关《基于大数据分析的网络游戏对大学生的影响机理研究.docx(42页珍藏版)》请在冰豆网上搜索。
基于大数据分析的网络游戏对大学生的影响机理研究
摘要
当今社会在互联网的飞速发展的情况下正在从信息时代进入大数据时代。
互联网技术的发展推动大众休闲娱乐的多样化,近年来借助于互联网发展起来的网络游戏成为大学生进行娱乐活动的方式之一,对大学生产生了双重的影响,大学生对网络游戏的使用可以有助于培养大学生的团队精神、开阔大学生的视野、有助于大学生适应各种社会角色,但是沉迷网络游戏造成大学生性格扭曲、虚拟与现实的反差导致大学生对现实社会产生恐惧、造成错误的消费观念。
本文针对网络游戏对大学生心理健康的影响分析游戏与学生心理健康的关联性并提出相关对策。
目前,关于网络游戏对大学生的影响研究较多,但是关于学生网络游戏行为习惯对心理健康的影响研究较少。
因此,本文通过问卷调查的方法收集了来自于大学生的203份有效问卷数据。
通过运用两种不同的数据挖掘算法,对网络游戏特征数据与大学生心理健康数据进行数据挖掘,发现各个特征与大学生心理健康关联性从大到小依次为:
成瘾度、花费、游戏类型、频率、持续时间。
通过对比K-Means算法和决策树算法的研究结果,发现最终两者得出结果大致相同,说明数据挖掘在网络游戏与大学生心理健康之间关联性的探究具有一定的准确性和可信性。
在分析数据挖掘结果的基础上,从学生和学校的角度为消除网络游戏对大学生的消极影响提出相应的对策与建议。
关键词:
网络游戏;心理健康;数据挖掘;决策树;K-Means
Abstract
Nowadays,withtherapiddevelopmentofInternet,thesocietyisenteringtheeraofbigdatafromtheeraofinformation.ThedevelopmentofInternettechnologypromotesthediversificationofpublicleisureandentertainment.Inrecentyears,withthehelpoftheInternet,onlinegameshavebecomeoneofthewaysforcollegestudentstocarryoutentertainmentactivities,whichhasadoubleimpactoncollegestudents.Theuseofonlinegamesbycollegestudentscanhelptocultivatetheteamspiritofcollegestudents,broadentheirhorizons,andhelpcollegestudentsadapttovarioussocieties.However,theindulgenceinonlinegamesresultsinthedistortionofCollegeStudents'character,thecontrastbetweenvirtualandreality,whichleadstocollegestudents'fearoftherealsocietyandthewrongconsumptionconcept.
ThispaperaimsattheinfluenceofonlinegamesonCollegeStudents'mentalhealth,analyzestherelationshipbetweengamesandstudents'mentalhealth,andputsforwardrelevantcountermeasures.Atpresent,therearemanyresearchesontheinfluenceofonlinegamesonCollegeStudents'psychology,buttherearefewresearchesontheinfluenceofstudents'onlinegamebehaviorhabitsontheirmentalhealth.Therefore,thispapercollected203validquestionnairedatafromcollegestudentsbyquestionnaire.Byusingtwodifferentdataminingalgorithms,wecanminethecharacteristicsdataofonlinegamesandthementalhealthdataofcollegestudents,andfindthatthecorrelationbetweeneachfeatureandthementalhealthofcollegestudentsisintheorderofaddiction,cost,gametype,frequencyandduration.BycomparingtheresearchresultsofK-meansalgorithmanddecisiontreealgorithm,itisfoundthatthefinalresultsofthetwoalgorithmsarealmostthesame,whichshowsthatdatamininghascertainaccuracyandcredibilityinexploringtherelationshipbetweenonlinegamesandcollegestudents'mentalhealth.Basedontheanalysisofdataminingresults,thispaperputsforwardcorrespondingcountermeasuresandsuggestionsfromtheperspectiveofstudentsandschoolstoeliminatethenegativeimpactofonlinegamesoncollegestudents.
Keywords:
networkgame;mentalhealth;datamining;decisiontree;K-Means
第1章绪论
本章明确阐述了课题的研究背影与意义以及通过研究要达到怎样的目标,简要说明了近年来国内外研究现状,初步拟定了本论文的主要内容及框架。
通过阅读相关文献明确本论文的研究流程,为后续的研究打好基础。
1.1研究背景与意义
在2000年,作为新时代互联网娱乐模式的网络游戏正式登入中国且快速发展,这一年,有大约30%的用户首次接触到网络游戏。
在我国,爱好网络游戏的青少年非常多。
其中,参与网络游戏的主要人群是大学生。
近年来我国网民的数量在互联网技术不断发展的推动下不断上升,特别是借助于互联网以及智能手机,网络游戏越来越普及。
截至2019年6月,中国网络游戏用户数达到了4.94亿,占互联网总用户数的57.8%。
手机网络游戏用户数达到近5亿,占手机互联网总用户数的55.2%。
网络游戏发展迅速,逐渐成为人们日常生活中的重要娱乐方式。
参与网络游戏已经逐渐成为大学生课后娱乐生活的重要组成部分,网络游戏对大学生的生活以及身心健康产生了不可磨灭的影响。
因此,研究网络游戏对大学生的影响并相应地提出切实可行的策略对大学生的身心健康有着重要意义。
很多文章对网络游戏的利弊程度进行了研究,但结论不一,有的认为有利有弊,有的认为有百害而无一利。
在对于大学生网络游戏成瘾的讨论上,各论文对此言论各异,大多数都对社会制度、学校教育与法律法规等因素进行了研究,缺乏相应的理论论述。
因此,本文在讨论网络游戏对大学生的心理影响的基础上,运用K-Means聚类算法、决策树算法等处理数据,对网络游戏对大学生心理的影响做了较全面分析,最后根据研究结论提出相应的方法和策略,有效解决大学生网络游戏沉迷问题。
1.2研究目的
网络游戏是一把双刃剑,我们用网络来工作、学习和生活。
但是随着网络游戏变得越来越流行,很多大学生在网络游戏的虚拟世界中迷失自我,使得对现实生活的体验以及生活质量下降。
大学生的好奇心和求知欲望强烈,对于新事物的接受能力强,致力于追随社会潮流,正是这些特征,使大学生对网络游戏的接受能力更强,更容易受到网络游戏带给他们的危害。
近年来,网络游戏成瘾已经成为社会关注的焦点,人们一致认为游戏成瘾对大学生的生活和心理健康成长造成了不利影响。
因此,如何运用决策树、聚类分析等对收集数据进行处理分析,从而得出网络游戏对大学生心理影响的特征正是笔者选题的目的。
1.3国内外研究现状
国外对网络游戏的研究开始较早,其成果也相对较多。
从研究内容上看:
M·D·Griffiths和MarkN·O·Davies[1]在《Violentvideogamesandaggression:
Areviewoftheliterature.Aggressionandviolentbehavior》中针对游戏时间、游戏频率、最吸引人的因素等方面对比分析成年玩家与青少年玩家之间的差异。
调查发现,青少年玩家比成年玩家的游戏时间长且游戏中的暴力因素成为青少年玩家参与网络游戏的重要原因,此外,在所有玩家中,男性玩家占比更重。
AlfredoFlores[2]在《UsingComputerGamesandOtherMediatodecreaseChildObesity》文章中得出结论:
适度的玩网络游戏有利于减肥。
Chin-LungHsu和Hsi-PengLu[3]利用TAM法,在心理学和行为学的基础上,分析研究了玩家的心理和消费习惯得出结论:
玩家长时间的参与网络游戏的重要因素是玩家的全身心投入。
此外,有些国家通过制定法律、安装屏蔽软件以及设置年龄等级制度等措施来限制大学生参与网络游戏。
针对网瘾对学生的影响,罗新安[5]在《网瘾怎么办》一书中认为:
“网瘾是不良行为之一,而多数严重的不良行为即是犯罪。
”王海媚[6](2019)在文章中简述了大学生玩网络游戏的现况,针对网络游戏对大学生产生的影响提出了切实可行的对策;杜扬扬[7](2019)在《网络游戏对大学生的影响及对策探究》中详细分析了网络游戏消极影响产生的原因并提出了相应的对策,利用政治教育提高大学生思想政治觉悟;蒋慧敏[8](2019)在《北京大学生参与网络游戏行为方式及学业影响分析》中运用SPSS对北京大学学生的调查数据进行定性与定量分析,针对网络游戏对大学生的消极影响提出了相应的对策。
卢晓玉和柯德森[9](2018)认为网络游戏对大学生的影响有利有弊,提出学生应该合理的掌控娱乐时间,时刻保持清醒的头脑以防沉溺于网络游戏中;杜学工和王军棉[10](2017)在《网络游戏对大学生心理健康的影响研究——以陕西省高校为例》中了解网络游戏对不同专业、性别学生心理健康情况的影响,对所得数据进行T检验和方差分析,并在此基础上提出降低网络游戏对学生身心健康产生不良影响的对策,为高校学生管理工作的进一步开展提供科学的参考依据。
以上学者从不同角度分析和论述了网络游戏对大学生的影响,包括:
生活、学习、行为习惯、思想方式等。
论述网络游戏对大学生心理影响方面的文章很少,而本论文在分析网络游戏对大学生心理影响的基础上提出了消除消极影响的策略。
1.4研究流程
在正式确定研究方向之前先阅读大量相关文献,了解国内外研究现状。
之后确定想要研究的问题。
然后,在网络上学习Python语句、软件用法以及相关的数据挖掘算法。
接着,根据研究问题设计调查问卷收集数据,对原始数据进行数据预处理。
对处理好的数据进行描述性统计和可视化分析。
最后,构建相关模型进行数据挖掘,对数据挖掘的结果进行解释说明,分析网络游戏与大学生心理健康之间的关联性,为学生合理利用网络游戏提出建议和决策。
1.5研究内容和目标
人们通常认为网络游戏直接影响了大学生的学习、生活方式以及行为习惯。
因此,针对这些方面的数据挖掘较多。
然而,人们往往忽略了网络游戏对大学生心理健康方面的影响。
在大数据时代中,数据要全面是数据分析的重要原则。
针对以上内容,本文提出了两个问题:
第一,网络游戏与学生的心理健康之间是否存在关联以及存在怎样的关联?
第二,如何根据数据挖掘的结果,结合实际情况提出有利于学生心理健康的对策和建议?
本文通过《网络游戏对大学生的影响》来收集大学生的游戏观,主要包括:
游戏类型、每周频率、持续时间、游戏花销、游戏成瘾度和心理健康程度,在数据预处理过程中提取学生网游行为习惯和网游成瘾程度,并对其进行描述性统计和可视化分析。
并进而采用数据挖掘技术,对学生的网游观、成瘾度和学生的心理健康程度之间的关联性进行数据挖掘,旨在建立网络游戏与大学生心理健康程度之间的关联模型,提取有效的信息,并根据模型分析得出有助于学生健康参与游戏的建议,加强教师、学校、政府等教育部门对学生和网游的管控,为学生合理利用网络游戏提供科学依据。
1.6本章小结
本章对网络游戏目前的发展现状进行了较为详细地阐述,表明网络游戏已经逐渐成为大学生课后娱乐生活的重要组成部分,网络游戏对大学生的生活以及身心健康产生了不可磨灭的影响。
提出了研究必须解决的两大基本问题,明确了用数据挖掘算法进行数据分析的基本流程,为后续的研究奠定了基础。
第2章相关理论与技术基础
本章主要阐述研究该课题需要了解的相关理论与技术基础,整体上把握研究本论文需要具备的相关知识与技能,加深对本课题的了解与认识,从本质上把握论文整体框架与结构,为后续的分析与研究打下坚实的基础。
2.1相关理论
2.1.1网络游戏
网络游戏,英文名称为OnlineGame,简称“网游”。
网络游戏是在游戏客户端软件上多人同时在线进行娱乐、休闲、交流和取得虚拟成就的可持续性交互活动。
网络游戏的传输媒介为互联网,处理终端为游戏运营服务器和用户计算机。
网络游戏与单机游戏的区别在于网络游戏是玩家之间通过互联网进行的交互性游戏。
即网络游戏是指多名玩家在游戏虚拟世界中通过一定的操作规则控制角色完成特定的任务,以娱乐和互动为目的的游戏集合。
网络游戏以提升人类生活品质为使命,旨在让人们的生活更加丰富多彩,促进人类社会的进步,让人类的精神世界变得更加丰富。
2.1.2心理
窗体顶端
心理指的是人的内在状态,思考的过程,是对于客观事物主观的体验,所以有时候心理是一种心理过程,是不断的发生、发展、演变的。
在不断的与事物进行接触的过程中,总会有一些心理的体验表达出来,只要人具有生命或者是抛除植物人的状态都有心理活动,而这种心理活动,伴随着喜怒哀乐等情感体验,反映到现实的客观的世界当中。
按其分类标准主要是认知过程、情感过程和意志过程,就是所谓的知、情、意,人通过认知、情感、意志的表达可以呈现自身的内心体验过程,从而人与人之间形成交流链接的能力。
窗体底端
每个人都存在着心理现象,由于它的复杂多变一直为人们所关注。
心理是指人的大脑在看到主观事物后自行加工脑补所形成的的主观映像,当心理发展到一定的层次就形成了意识,意识是人类所独有的。
心理过程和人格是心理现象的两大表现。
心理过程是要经历发生、发展和消失的不同阶段的以认知、情绪情感和意志形式表现出来的。
人格也称个性,每个人的个性存在差异,在多变的环境中稳定的表现,从而影响个人的外象和行为模式,个性所包含的心理特征有:
需要、气质、性格等。
2.1.3心理健康
个体在变化莫测的环境中能够保持完善的个性特征,情绪与意志行为处于积极状态,个性特征较为完善,在新环境中具有良好的调控能力。
在生活实践中,对自我具有良好的认识,具有控制自己的能力,协调心理以保持平衡的同时能够正确对待外界影响,具备这些特征就表明个体心理健康。
心理健康的基本含义是指心理状态良好以及活动过程处于一个正常状态。
拥有正常的智力、正确的认知、积极的态度、完美的性格以及良好的状态是心理健康的理想状态。
看待心理健康的角度不同,其含义和衡量标准也不尽相同。
心理健康的概念包括以下几种:
1、要有灵活性,能够适应周围环境的变化。
2、充分了解自己,合理评价自己,不过于自卑,不过分自负。
3、生活要有目标,要有计划,而且目标、理想与现实差距不要太大,不要脱离现实环境。
4、患者的人格,就是自我、本我、超我之间要和谐共处,平衡发展。
5、要善于学习,尤其是从困难和挫折中学习经验。
6、能够保持良好的人际关系,善于交友以及处理人际关系。
7、能够合理自发的调整自己的情绪,既能够合理的发泄自己的情绪,表达自己的情绪,又能够控制自己的情绪。
8、能够合理处理集体利益和个人利益,以及矛盾和冲突。
2.2数据挖掘
2.2.1数据挖掘的概念
数据挖掘就是在数据中发现知识,也被称为数据采矿。
它从缺乏完整性的、有噪声的以及模糊的数据库中运用人工智能提取出那些隐含在其中的信息。
数据挖掘在提取信息的过程中功不可没。
建立支持决策的模型是数据挖掘的主要目的,其流程包括:
对数据进行预处理、分析数据、提取有价值的信息、找出数据之间的联系、建立模型。
2.2.2数据挖掘流程
数据挖掘的一般流程包括:
明确问题、数据收集、数据预处理、数据挖掘以及模型表达与解释。
明确问题。
数据挖掘的目的是找出数据中不为人知的、隐藏的知识,明确数据挖掘的目的是数据挖掘成功的保障。
数据收集。
针对要解决的问题设计调查问卷,收集解决该问题的数据。
数据预处理。
面对收集到的庞大的、杂乱无章的数据,通常要进行数据预处理。
数据预处理一般包括三个部分:
数据清洗、数据集成、数据规约。
其中数据清洗通过处理缺失值(删除、插补)、删除重复值、纠正错误格式等来实现。
数据集成通过转换不同数据源的数据以及规范属性名来实现。
数据规约通过选择替代的数据表示形式来减少数据量。
数据挖掘。
本步骤是数据挖掘过程中最重要的步骤。
分析数据预处理后数据的结构和形式,运用相应的数据挖掘算法进行数据挖掘。
数据挖掘过程中需要将数据集划分为训练集和测试集,训练集指用于训练的样本集合,而测试集是用于验证模型性能的样本集合。
模型表达与解释。
数据挖掘的结果通常以数据的形式表现出来,必须用通俗易懂的语言加以解释才能给用户展现一个更加直观的结果。
2.2.3数据挖掘相关算法
1.决策树
(1)决策树模型是指一种描述对实例进行分类的树形结构模型。
决策树由结点和有向边组成,结点分为内部结点和叶结点。
内部结点表示训练数据的属性或特征,用以进行分类决策。
叶结点则某种具体的类。
如下图2-1所示,其中每个圆圈表示内部结点,每个正方形表示叶结点。
图2-1决策树图
(2)决策树的思想大致如下:
首先,构建根结点,然后将整个训练集都放在根结点。
接着,从所有特征中选择一个最优特征,并根据该特征将训练数据集分割为多个子集,使得每一个子集有一个当前条件下的最好分类,如果某个子集已经基本分类正确,则将其作为叶结点,其对应的类别作为该叶结点的类别,否则,分割每个子集的最优特征,如此递归下去,直到所有的子集基本被正确分类为止。
最后,每个叶结点都代表一个子集,也是特征空间中的一个子区域,每个子区域之间都是不相交的。
最后,由于第二步为了将训练集划分正确,往往构建的决策树会过于庞大,这时,模型可能会出现过拟合,导致对新的测试数据可能分类效果不好。
因此,需要对决策树自下而上进行剪枝,去掉一些过于细分的叶结点,使其回退到父结点或者更高的结点,然后将父结点或者更高的结点作为新的叶结点。
这样一来,当对一个实例进行预测时,会根据决策树的分支情况,将实例划分到其归属的叶结点,并将该叶结点对应的类别作为实例的预测类别,从而达到分类的效果。
2.K-Means
(1)K-Means概念
Means聚类算法也称k均值聚类算法,是集简单和经典于一身的基于距离的聚类算法。
该算法认为两个对象之间的距离越大,相似度就越小,因此它将距离最为相似性指标。
类簇的附近都由距离较近的相似对象组成,因此算法的最终目标是每个独立的、紧凑的簇。
(2)算法实现步骤
A.首先确定一个k值,即我们希望将数据集经过聚类得到k个集合。
B.在数据集中选取k个点作为质心。
C.计算数据集中每个点与质心的距离,将该点划分到距离较短的质心集合。
D.将k个质心集合划分好后,重新计算各个集合的质心。
E.若新计算的质心位置未发生明显变化(新旧质心之间的距离小于某个特定的值),则聚类已达到期望结果,算法终止。
F.反之,若新质心与原来质心之间的距离差距过大,则重新计算各个点与质心的距离(重复步骤3~5)
图2-2为k=5的K-Means算法结果图:
图2-2K为5的K-Means算法结果图
2.3本章小结
本章主要介绍了网络游戏、心理、心理健康等相关概念,描述了数据挖掘的基本流程:
明确问题、数据收集、数据预处理、数据挖掘。
阐述了决策树算法和K-Means聚类算法的概念及实现步骤,为后续的数据挖掘奠定基础。
第3章问卷设计与数据准备
本章主要介绍了数据挖掘的初期准备阶段,包括问卷设计与数据准备。
为了便于数据挖掘的开展,数据必须经过预处理后才能被使用,因此,数据准备在整个数据挖掘进程中扮演着重要角色。
3.1问卷设计
本研究使用调查问卷的方法来收集学生参与网游习惯与游戏观以及学生心理健康程度的数据。
因此本文设计了包含三个部分的《网络游戏对大学生的影响调查问卷》:
第一部分为学生基本信息,包括年级、性别;第二部分为有关网络游戏的基本特征,包括游种类、游戏时间、游戏花销以及学生对待网游的态度;第三部分为游戏成瘾鉴定与大学生心理健康程度鉴定,收集学生性格、心理活动等数据。
问卷中的游戏成瘾和心理健康相关问题来自于《网络游戏成瘾界定量表》和《大学生心理健康测定表》,其余问题为笔者自编,问卷的设计结构如表3-1所示:
表3-1《网络游戏对大学生的影响调查问卷》来源结构示意图
特征
题数
来源
游戏类型
1
自编
游戏持续时间
2
自编
游戏频率
1
自编
游戏花销
1
自编
游戏成瘾
7
《网络游戏成瘾界定量表》
心理健康
11
《大学生心理健康测定表》
3.2数据准备
3.2.1数据收集
本文中的数据收集对象面向全体大学生,包括校内和校外。
共收回问卷210份来收集学生参与网络游戏及心理特征数据,其中有效问卷共有203份。
问卷收集到的原始数据如图3-1所示:
图3-1问卷原始录入数据
3.2.2数据准备
问卷收集到的原始数据各个部分格式不统一,无法进行数据挖掘。
所以,数据预处理是数据准备工作的主要内容。
因为本文选用的算法(K-Means算法、决策树算法)需要离散型的数据形式,因此需要对原始数据进行离散化处理。
(1)学生基本信息数据的处理
问卷中针对学生基本信息方面设计了两道题,分别是年级和性别。
年级和性别分别用Grade和Sex来表示,女生用“1”来表示,男生用“2”来表示。
大一、大二、大三、大四分别用“1”、“2”、“3”、“4”来表示。
(2)持续时间数据的处理
问卷中有关持续时间方面设计了一道题,考虑到学生持续游戏时间与心理健康的关系,将学生持续游戏时间纳入影响学生心理健康的重要特征。
将持续时间用durati
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数据 分析 网络游戏 大学生 影响 机理 研究