An Explainable Multimodal Framework for Adolescent Short Video Addiction Risk Prediction
本研究提出了一种可解释的多模态框架，该框架通过双重注意力机制与 XGBoost，将多样化的行为与心理数据进行整合，以动态预测青少年短视频成瘾风险及其对睡眠、学业、情绪和社会适应的负面影响。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字时代，青少年获取信息的方式发生了剧烈的变化。以时长短、节奏快为特征的短视频，已成为青少年娱乐和社交的主要来源。虽然这些平台提供了即时的参与感，但研究人员长期以来一直担心健康享受与有害依赖之间那条微妙的界限。传统的识别成瘾方法主要依赖于询问青少年观看时长，或让他们填写关于自身感受的调查问卷。然而，这些自我报告的内容往往会忽略那些预示问题正在发展的细微且变化的行为模式。它们难以捕捉成瘾的动态本质——即用户可能从无害的观看开始，逐渐失去控制，进而影响其睡眠、学业和情绪健康。科学家面临的核心挑战是，要超越简单的时长限制，去理解定义技术风险关系的复杂行为网络。
为了解决这一问题，由广州商学院的边庆（音译，Qing Bian）领导的研究人员开发了一种衡量并预测青少年短视频成瘾风险的新方法。该研究并非依赖于像“总观看时长”这样的单一数字，而是通过广泛的数据源构建出一幅动态图景。研究人员收集了关于青少年如何使用短视频平台、解锁手机的频率、睡眠时间表、学业表现以及心理状态的信息。通过将这些不同的信息线索交织在一起，他们创建了一个系统，该系统不仅观察学生在做什么，还观察其行为随时间的变化方式，以及这些行为如何影响其日常生活。
这一新方法的内核是一个旨在充当“高度专注观察者”的计算机模型。它不会将所有数据点视为同等重要；相反，它学会了专注于那些释放危险信号的具体行为和时间段。例如，该系统识别出，深夜观看视频或在学习时间反复打开应用程序，比单纯在空闲时间观看大量内容具有更高的权重。它还密切关注青少年的生活节奏，留意一个行为模式是否在一周或两周内不断升级。这种双重关注使该模型能够区分一名仅仅是在享受爱好的学生，与一名其使用行为已开始干扰其睡眠、成绩或情绪稳定的学生。
当研究人员测试该系统时，发现它在识别高风险青少年方面明显优于以往的方法。该模型成功地以极高的准确度预测了成瘾风险，能够在问题变得严重之前，准确地标记出那些正滑向危险模式的学生。更重要的是，该系统并不仅仅停留在将学生贴上“有风险”的标签。它还能提供关于原因的详细解释。它可以精准定位主要的危险源是来自于睡眠不足、学业专注度下降、情绪困扰，还是社交互动中的困难。这种细致程度至关重要，因为它允许家长、教师和心理健康专业人员制定针对性的干预措施。一个主要问题在于熬夜的学生，与一个利用视频来逃避情绪压力的学生，所需的帮助是截然不同的。
研究还探讨了不同时间跨度如何影响预测的准确性。他们发现，观察七天的行为窗口能提供最佳的平衡。较短的窗口可能会对单个糟糕的日子反应过度，而较长的窗口则可能会错过突然出现的危险行为激增。七天的周期很好地契合了学生一周的自然节奏，既捕捉到了每晚使用情况和周末习惯的累积效应，又不会丧失对快速变化的敏感性。
或许最显著的发现是，该系统是通过结合不同类型的证据来运作的。当研究人员移除任何单一的拼图碎片——例如关于睡眠模式或心理状态的数据时——模型的预测能力都会显著下降。这证实了成瘾并非单一的行为，而是一个涉及青少年生活多个部分的复杂状态。该系统有效地充当了一个全面的健康监测器，将数字足迹与现实世界的后果相结合，从而创造出一个清晰、可解释的预警信号。
这项工作的意义不仅限于简单的监测。通过为每个人生成个性化的风险画像，该框架为提供早期、针对性的支持开辟了一条路径。对于显示出潜在风险迹象的青少年，系统可能会建议在睡前进行温和的屏幕时间管理提醒。对于显示中度风险的学生，它可以提醒学校辅导员提供情绪支持或学业协助。在高度风险的情况下，它发出了需要家庭与专业人士协同努力以防止进一步伤害的信号。研究人员强调，目标不是惩罚或标记学生，而是提供可操作的洞察，帮助他们重新掌控自己的数字习惯。
这项研究代表了从静态、一刀切的评估向动态、数据驱动的青少年福祉理解方式的转变。它表明，通过倾听青少年数字行为与物理行为所讲述的完整故事，我们可以更早地发现问题并进行更有效的干预。该系统并不声称能独自解决成瘾问题，但它提供了一个理解问题机制的强大工具。它提供了一种观察导致伤害的隐形模式的方法，将原始数据转化为保护下一代心理健康的清晰指南。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。