Разработка алгоритма для борьбы с игровой зависимостью
Аннотация
Зависимость от компьютерных игр – проблема современных детей и подростков. В статье описан новый способ борьбы с ней. В рамках целевой аудитории проведён эксперимент, целью которого было создание базы данных с информацией о количестве и среднем времени нажатия каждой клавиши во время игр. Собранные данные позволили сделать вывод, что на компьютере игровую деятельность можно однозначно отличить от любой другой. Большинство игр отличаются многократными нажатиями четырёх клавиш, которые используются для управления персонажем. Реализован программный продукт Gamebreaker-2, способный однозначно определять игровую деятельность и прерывать её. В качестве алгоритма выбран метод машинного обучения – классификатор случайного леса. Для разработки использованы язык программирования Java и свободно распространяемая бесплатная библиотека JNativeHook для считывания ввода пользователя. При запуске программа создаёт объект случайного леса и обучает его на основе данных из созданной в результате эксперимента базы. После этого программа начинает делать сканирование ввода пользователя каждые 20 секунд и отправляет данные в классификатор. Если объект случайного леса решает, что это игра, то программа определяет игровой процесс и прерывает его. Полученный продукт протестирован на целевой аудитории, на играх, для которых характерны частые нажатия четырёх основных клавиш. Программа показала высокую эффективность и полное отсутствие ложных срабатываний при качественном обучении нейронной сети. Выделены направления дальнейшей разработки программы с целью доведения до вида коммерческого продукта.
Литература
2. Hong J.S., et al. The social ecology of the Columbine High School shootings. Children and Youth Services Review. 2011; 33(6):861-868. (In Eng.) doi: https://doi.org/10.1016/j.childyouth.2010.12.005
3. Chadha A., Abbas A., Andreopoulos Y. Video Classification With CNNs: Using the Codec as a Spatio-Temporal Activity Sensor. IEEE Transactions on Circuits and Systems for Video Technology. 2019; 29(2):475-485. (In Eng.) doi: https://doi.org/10.1109/TCSVT.2017.2786999
4. Bryan W.L., Harter N. Studies in the physiology and psychology of the telegraphic language. Psychological Review. 1897; 4(1):27-53. (In Eng.) doi: https://doi.org/10.1037/h0073806
5. Bryan W.L., Harter N. Studies on the telegraphic language: The acquisition of a hierarchy of habits. Psychological Review. 1899; 6(4):345-375. (In Eng.) doi: https://doi.org/10.1037/h0073117
6. Carbonell J.G., Michalski R.S., Mitchel T.M. Machine Learning: A Historical and Methodological Analysis. AI Magazine. 1983; 4(3):69-79. (In Eng.) doi: https://doi.org/10.1609/aimag.v4i3.406
7. Fix E., Hodges Jr. J.L. Discriminatory Analysis. Nonparametric Discrimination: Consistency Properties. Revue Internationale de Statistique = International Statistical Review. 1989; 57(3):238-247. (In Eng.) doi: https://doi.org/10.2307/1403797
8. Breiman L. Random Forests. Machine Learning. 2001; 45(1):5-32. (In Eng.) doi: https://doi.org/10.1023/A:1010933404324
9. Gladwell M. Blink: The Power of Thinking Without Thinking. Back Bay Books; 2007. 296 p. (In Eng.)
10. Hebb D.O. The Organization of Behavior: A Neuropsychological Theory. Psychology Press; 2002. 335 p. (In Eng.)
11. Navarro H., Bennun L. Descriptive examples of the limitations of Artificial Neural Networks applied to the analysis of independent stochastic data. International Journal of Computer Engineering &t Technology. 2014; 5(5):40-42. (In Eng.)
12. Karnan M., Akila M., Krishnaraj N. Biometric personal authentication using keystroke dynamics: A review. Applied Soft Computing. 2011; 11(2):1565-1573. (In Eng.) doi: https://doi.org/10.1016/j.asoc.2010.08.003
13. Karpathy A., Toderici G., Shetty S., Leung T., Sukthankar R., Fei-Fei L. Large-Scale Video Classification with Convolutional Neural Networks. 2014 IEEE Conference on Computer Vision and Pattern Recognition. IEEE Press, Columbus, OH, USA; 2014. p. 1725-1732. (In Eng.) doi: https://doi.org/10.1109/CVPR.2014.223
14. Kia S.M., et al. A Novel Scheme for Intelligent Recognition of Pornographic Images. arXiv:1402.5792v3. 2014. (In Eng.) doi: https://doi.org/10.48550/arXiv.1402.5792
15. Weinstein A.M. Computer and Video Game Addiction ‒ A Comparison between Game Users and Non-Game Users. The American Journal of Drug and Alcohol Abuse. 2010; 36(5):268-276. (In Eng.) doi: https://doi.org/10.3109/00952990.2010.491879
16. McCulloch W.S., Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity. Bulletin of Mathematical Biology. 1943; 5:115-133. Available at: https://www.cs.cmu.edu/~./epxing/Class/10715/reading/McCulloch.and.Pitts.pdf (accessed 10.12.2021). (In Eng.)
17. Peacock A., Ke X., Wilkerson M. Typing patterns: A key to user identification. IEEE Security and Privacy. 2004; 2(5):40-47. (In Eng.) doi: https://doi.org/10.1109/MSP.2004.89
18. Durak H.Y., Demi̇rhan E.K., Citil M. Examining various risk factors as the predictors of gifted and non-gifted high school students’ online game addiction. Computers & Education. 2022; 177:104378. (In Eng.) doi: https://doi.org/10.1016/j.compedu.2021.104378
19. Ball C., et al. Gaming the SySTEM: The Relationship Between Video Games and the Digital and STEM Divides. Games and Culture. 2020; 15(5):501-528. (In Eng.) doi: https://doi.org/10.1177/1555412018812513
20. Schölkopf B., Simard P., Smola A., Vapnik V. Prior knowledge in support vector kernels. In: Jordan M., Kearns M., Solla S. (eds.) Proceedings of the 10th International Conference on Neural Information Processing Systems (NIPS'97). Advances in Neural Information Processing Systems. Vol. 10. MIT Press, Cambridge, MA, USA; 1997. p. 640-646. Available at: https://papers.nips.cc/paper/1997/file/01d8bae291b1e4724443375634ccfa0e-Paper.pdf (accessed 10.12.2021). (In Eng.)
21. Sepehr S., Head M. Online Video Game Addiction: A Review and an Information Systems Research Agenda. Proceedings of the 19th Americas Conference on Information Systems, AMCIS 2013 ‒ Hyperconnected World: Anything, Anywhere, Anytime. Chicago, Illinois; 2013. Vol. 4. p. 2590-2600. Available at: https://aisel.aisnet.org/amcis2013/HumanComputerInteraction/GeneralPresentations/3 (accessed 10.12.2021). (In Eng.)
22. Shalev-Shwartz S., Ben-David S. Understanding Machine Learning: From Theory to Algorithms. Cambridge: Cambridge University Press; 2014. 410 p. (In Eng.) doi: https://doi.org/10.1017/CBO9781107298019
23. Vapnik V. The Support Vector Method of Function Estimation. In: Suykens J.A.K., Vandewalle J. (eds.) Nonlinear Modeling. Springer, Boston, MA; 1998. p. 55-85. (In Eng.) doi: https://doi.org/10.1007/978-1-4615-5703-6_3
24. Ng B.D., Wiemer-Hastings P. Addiction to the Internet and Online Gaming. CyberPsychology & Behavior. 2005; 8(2):110-113. (In Eng.) doi: http://doi.org/10.1089/cpb.2005.8.110
25. Wu Z., Yao T., Fu Y., Jiang Y.-G. Deep Learning for Video Classification and Captioning. Frontiers of Multimedia Research. Association for Computing Machinery and Morgan & Claypool; 2017. p. 3-29. (In Eng.) doi: https://doi.org/10.1145/3122865.3122867
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
