ProfBrain

研究标题：

使用经济游戏来聚集玩家的鲁棒性：计算精神病学的案例研究

研究者：（来自计算机学院/数据分析洞察中心）

·Darragh Walsh博士（博士后研究员）
·张丽丽（博士研究生）
·Tomas Ward教授（AIB数据分析主席）

研究摘要：
人们越来越认识到，诸如机器学习（ML）之类的计算方法可以有效地应用于精神病学研究。许多精神疾病可以归类为影响决策的障碍以及奖励如何通过学习影响我们的行为的障碍。为了帮助精神科医生使诊断更加客观，研究人员已开始探索如何使用经典的经济博弈通过ML将玩家聚集到不同的群体中。这些游戏检验了玩家进行理性思考以最大化其奖励的能力，而这需要合作或自私地行动。典型的游戏包括囚徒的困境和雄鹿狩猎。

尽管使用ML技术将玩家分为几类是有前途的，但重要的是，该类在不同的情境/情况下有意义且稳定。该项目将只检查这些游戏对健康成年人的聚类的可靠性。健康成年人将根据他们在经典经济游戏中的表现进行分组。聚类将按照Poncela-Casasnovas等人开发的方法通过ML技术进行。 （2016）[1]。

如果您同意参与该项目：

您需要下载一个应用程序并玩一个游戏，该游戏要求您选择一个选项，使您有最大的机会获得最多的积分，同时要考虑到对手（计算机播放器2）将做同样的事情。您总共需要做出16个决定（游戏共有16个回合）。然后，您将被要求回答一份简短的问卷（Donnellan等人（2006年）开发的小型IPIP问卷[2]），最后玩另一轮有16回合的游戏。总体而言，您应该能够在大约20-30分钟内完成所有任务。

未收集任何个人信息：

我们不要求您：

· 名称
·电子邮件地址或
· 电话号码

我们要求您：

· 性别
·年龄范围（例如21 – 30或31 – 40）
·就业状况（例如，学生，就业，失业，其他）

参与该项目的预期收益：

参与该项目将有助于确定使用经济博弈研究决策可以可靠地得出多少信息。

我们预计参与者完成这些任务不会带来任何风险。参与者可以随时改变主意并随时退出研究，直到他们提交最终答复并勾选同意他们的为止。
正在收集回复。

由于未收集任何个人数据，因此不会通知参与者该项目的结果。但是，完成的工作将被提交发表，并显示匿名结果（类似于Poncel-Casasnovas等人的结果[1]）。

这项研究是由AIB资助的。

可以从Lili Zhang（lili.zhang 27@mail.dcu.ie）获得有关该项目的更多详细信息。

如果参与者对这项研究有疑问并希望与独立人士联系，请联系：

都柏林城市大学研究与创新支持中心，都柏林城市大学研究伦理委员会秘书，都柏林9。电话01-7008000，电子邮件rec@dcu.ie

[1] Poncela-Casasnovas，J.等人在二元游戏中显示出减少的一组一致的行为表型。 Sci Adv 2，e1600451（2016）。
[2] Donnellan，M.B.等。迷你IPIP量表：衡量人格的五个主要因素的有效措施。心理评估18，192-203，（2006）。