孫一品， 齊劍川， 秦 華， 鈕偉芳， 蘇 寧， 鈕建偉

(1.北京科技大學(xué) 機械工程學(xué)院，北京100083;2.北京建筑大學(xué) 機電與車輛工程學(xué)院，北京 100044;

基于J48決策樹算法的大學(xué)生社交網(wǎng)絡(luò)游戲參與原因分析

孫一品1， 齊劍川1， 秦 華2， 鈕偉芳3， 蘇 寧4， 鈕建偉1

(1.北京科技大學(xué) 機械工程學(xué)院，北京100083;2.北京建筑大學(xué) 機電與車輛工程學(xué)院，北京 100044;

3.河北省榮軍醫(yī)院第10病區(qū)，河北 保定 071100;4.河北科技師范學(xué)院 物理系，河北 秦皇島 066004)

隨著SNS社交網(wǎng)站的發(fā)展，嵌套在其平臺上的社交網(wǎng)絡(luò)游戲已成為大學(xué)生的新寵，而大學(xué)生網(wǎng)絡(luò)成癮也成為社會各界關(guān)注的焦點。為研究大學(xué)生參與社交網(wǎng)絡(luò)游戲的原因，本文通過網(wǎng)絡(luò)發(fā)布問卷的方式對大學(xué)生參與社交網(wǎng)絡(luò)游戲的情況進行調(diào)查，將收集到的信息轉(zhuǎn)換成數(shù)據(jù)導(dǎo)入到數(shù)據(jù)挖掘軟件WEKA中。采用J48決策樹算法對數(shù)據(jù)進行分類處理，得到游戲參與情況的決策樹模型。模型分析結(jié)果表明，大學(xué)生社交網(wǎng)絡(luò)游戲玩家參與社交網(wǎng)絡(luò)游戲的原因主要與家庭環(huán)境、生活狀態(tài)以及網(wǎng)站的社交活性有關(guān)。家庭的完整性和幸福度是影響大學(xué)生參與SNS網(wǎng)絡(luò)游戲的最重要原因之一，對待生活的心態(tài)同樣影響大學(xué)生是否會選擇參與社交網(wǎng)絡(luò)游戲，而SNS網(wǎng)絡(luò)廣泛的社交性是促進大學(xué)生參與社交網(wǎng)絡(luò)游戲的另一個重要原因。這些參與游戲的原因與大學(xué)生網(wǎng)絡(luò)成癮的原因部分重合，為預(yù)防大學(xué)生網(wǎng)絡(luò)成癮提供了依據(jù)。

社交網(wǎng)絡(luò)游戲； J48決策樹算法； 網(wǎng)絡(luò)成癮

據(jù)CNNIC第37次中國互聯(lián)網(wǎng)統(tǒng)計報告指出，中國網(wǎng)民規(guī)模已達到6.88億，網(wǎng)絡(luò)游戲用戶規(guī)模達到3.91億[1]，其中，大學(xué)生是主力軍。數(shù)據(jù)顯示，超九成中國大學(xué)生每日使用互聯(lián)網(wǎng)時長超過2小時[2]。網(wǎng)絡(luò)不僅拓展了大學(xué)生的思維模式，開闊了視野，同時便于他們知識的更新和擴容。但長期無節(jié)制地使用網(wǎng)絡(luò)和沉迷于網(wǎng)絡(luò)游戲，不僅會造成玩家食欲低下、失眠、視力減退、頭痛頭暈等身體不適[3]，而且極易出現(xiàn)幻覺，內(nèi)心孤獨加倍甚至抑郁等精神狀況[4]。因過度使用網(wǎng)絡(luò)而導(dǎo)致的明顯的社會、心理損害的現(xiàn)象稱為網(wǎng)絡(luò)成癮綜合征，后又被稱為有問題的網(wǎng)絡(luò)使用(problematic Internet use ,PIU)[5]。目前，網(wǎng)絡(luò)成癮已經(jīng)被社會各界廣泛關(guān)注。

與此同時，隨著社交網(wǎng)站(social networking sites，SNS)的發(fā)展，SNS注冊用戶數(shù)量激增。就像Facebook曾經(jīng)掀起的網(wǎng)頁與社交游戲的浪潮一樣，微信成為很多人接觸社交網(wǎng)絡(luò)游戲(social network game，SNG)的入口。截至2016年3月，微信月活躍用戶已突破7億[6]。騰訊找到一種將游戲直接有效送往用戶手中的途徑：將網(wǎng)絡(luò)游戲與社交網(wǎng)絡(luò)賬號綁定，網(wǎng)絡(luò)用戶直接變成游戲玩家?！癝NS+Game”能夠滿足玩家社交互動需求，這一模式已經(jīng)成為網(wǎng)絡(luò)游戲企業(yè)尋求進一步做大做強的重要途徑。截至目前，社交網(wǎng)絡(luò)游戲在網(wǎng)絡(luò)游戲暢銷排行榜中名列前茅。與傳統(tǒng)的網(wǎng)絡(luò)游戲相比，SNS網(wǎng)絡(luò)游戲高度的互動性與短時間、低付出、高回報的特點無疑帶給用戶更多娛樂價值，同時成為運營商吸引新客戶、打敗競爭對手的有效途徑。

目前對于SNS用戶的社交網(wǎng)絡(luò)游戲行為的研究已經(jīng)取得一定的成果。有研究指出，SNS用戶參與社交游戲主要從4個方面獲得滿足：在人際關(guān)系方面，社交網(wǎng)絡(luò)游戲可以提升自我價值，獲取群體歸屬感，與好友進行互動，增進友誼，促進聯(lián)系，結(jié)識新的朋友[7-8]。在娛樂性方面，可以滿足用戶情感宣泄、消磨時間[9]，追求娛樂、幻想、挑戰(zhàn)競爭、逃避現(xiàn)實[7]、尋求刺激的心理需求[10]，同時可以體驗游戲過程帶給身心愉悅的滿足感。在自我滿足方面，通過角色扮演滿足自我實現(xiàn)、超越好友的需要[9]。從游戲本身來講，SNS游戲的“可行與可實現(xiàn)性”和“創(chuàng)新與獨特性”成為吸引SNS用戶的重要社交文化因素[11]。然而，對于大學(xué)生這一網(wǎng)絡(luò)時代特殊的群體，上網(wǎng)已經(jīng)成為日常交往中非常普遍的行為，也是獲取知識、認識世界的重要方式。社交網(wǎng)絡(luò)和社交網(wǎng)絡(luò)游戲已經(jīng)影響了大學(xué)生的思維模式、心理特點以及行為方式，尤其在智能手機時代的背景下，社交網(wǎng)絡(luò)給大學(xué)生提供了更大的便利。但是，某些大學(xué)生仍然存在沉溺于虛擬的社交環(huán)境中，在現(xiàn)實生活中無法與人正常溝通，身體素質(zhì)下降等生理和心理問題[12]。

盡管很多研究者對于社交網(wǎng)絡(luò)游戲行為進行了研究，并取得了一定成果，但是對在校大學(xué)生這一典型群體對社交網(wǎng)絡(luò)游戲參與原因的調(diào)查尚不多見。本文在前人研究的基礎(chǔ)上，結(jié)合對SNS網(wǎng)絡(luò)游戲的相關(guān)理論以及動機的文獻研究，對大學(xué)生參與社交網(wǎng)絡(luò)游戲原因進行調(diào)查。利用WEKA數(shù)據(jù)分析軟件中的J48決策樹算法，對收集到的問卷數(shù)據(jù)進行分類，構(gòu)建大學(xué)生參與社交網(wǎng)絡(luò)游戲的決策樹模型，并對決策樹結(jié)果進行分析，為大學(xué)生社交網(wǎng)絡(luò)游戲成癮的預(yù)測及預(yù)防提供依據(jù)。

1 方法

利用網(wǎng)絡(luò)調(diào)查網(wǎng)站“我們做”(http：www.wezuo.com/)發(fā)布調(diào)查問卷，共收集到問卷436份，其中有效問卷405份。將收集到的有效數(shù)據(jù)轉(zhuǎn)化為ARFF文件，導(dǎo)入到懷卡托智能分析環(huán)境(Waikato environment for knowledge analysis， WEKA)的Explorer應(yīng)用中進行數(shù)據(jù)實驗分析。

1.1 參試者

本次研究的目標人群是北京地區(qū)的在校大學(xué)生。采用隨機取樣的方法共收集到405份有效測試樣本。他們年齡分布在18～25歲之間，平時時間支配相對自由，能隨時接觸到網(wǎng)絡(luò)。在所有樣本中，以大四學(xué)生為主，占總體的42.5%；樣本性別比例為2.16∶1，男性占68.35%，女性31.65%；樣本教育背景以本科第一批次考生的高校(簡稱“一本”)為主，數(shù)量占85.2%；樣本專業(yè)背景以工科為主，占50.6%，文科、理科分別占25.9%和23.5%。

1.2 調(diào)查問卷

本研究的測量主要采用問卷調(diào)查法。問卷采取選擇題和量表結(jié)合的方式。選擇題用于事實類問題，由已知選項中作出選擇。量表主要面向體驗、行為等主觀性問題，采用1～5級程度度量(1表示完全不符合，5表示完全符合)由受試者選擇。問卷根據(jù)已有結(jié)論，共設(shè)計30個問題，主要側(cè)重孤獨感、社交、家庭環(huán)境等因子。其中，社交網(wǎng)站使用情況包括5題，SNS游戲參與情況包括6題，游戲參與原因包括13個問題，個人基本信息包含6題。游戲參與原因包括家庭環(huán)境關(guān)懷、社交能力、人生觀、生活方式。家庭環(huán)境關(guān)懷包括家庭幸福程度、交流難易度；社交能力包括社交意愿、組織能力、交流自由度；生活方式包括生活狀態(tài)、生活條理性、網(wǎng)絡(luò)依賴程度。這些考查因素主要與SNS和網(wǎng)絡(luò)成癮有關(guān)[13]，每個問題的設(shè)計凸顯了玩家體驗的角度。

1.3 數(shù)據(jù)建模

1.3.1 算法選擇

本文采用分類算法對數(shù)據(jù)進行分析。分類是數(shù)據(jù)挖掘的主要方法之一，目的是生成一個分類模型，把數(shù)據(jù)庫中的數(shù)據(jù)項映射到某一定類別中，通常用于預(yù)測。目前發(fā)展較為成熟的分類算法有決策樹算法、基于關(guān)聯(lián)規(guī)則的分類算法、貝葉斯方法、神經(jīng)網(wǎng)絡(luò)算法、K-鄰近法等等。決策樹算法從一組無序、無規(guī)則的事例中推理出一種分類規(guī)則，以決策樹的形式表示出來[14]。決策樹算法能夠很好地處理噪聲數(shù)據(jù)，有較高的準確率，并可以顯示重要的決策屬性，生成的決策結(jié)果易于理解，但通常只對較小規(guī)模訓(xùn)練樣本集有效。基于關(guān)聯(lián)規(guī)則的分類算法(classification based on association，CBA)[15]是在關(guān)聯(lián)規(guī)則的基礎(chǔ)上分類，該算法在數(shù)據(jù)分析過程中，先分析右部為類別屬性值的關(guān)聯(lián)原則，再從中選擇合適的數(shù)據(jù)集。CBA算法能將潛在的數(shù)據(jù)關(guān)聯(lián)規(guī)則呈現(xiàn)出來，但因為在數(shù)據(jù)分類時常把0設(shè)置為最小支持度以避免數(shù)據(jù)分類時出現(xiàn)紕漏，而導(dǎo)致不能很好地發(fā)揮算法的優(yōu)化作用。貝葉斯算法操作簡單，速度快，錯誤率低，但貝葉斯算法是以獨立性假設(shè)為前提的，這在實際應(yīng)用中很難成立，并且利用該算法往往需要足夠大的樣本集。神經(jīng)網(wǎng)絡(luò)算法模擬人類大腦的結(jié)構(gòu)和功能，將學(xué)習(xí)到的知識儲存在網(wǎng)絡(luò)系統(tǒng)中。但其計算復(fù)雜度很高，提取規(guī)則的可理解性及算法的實用性還有待進一步提高。K-鄰近法則計算繁瑣，正確率低。

本文利用WEKA中不同的算法對樣本進行分析，根據(jù)各算法分類準確率、決策樹模型等是否符合研究要求，決定使用何種算法。選出算法較為經(jīng)典、分類準確性高且決策樹模型有意義的算法，將實驗結(jié)果記錄如表1所示。

表1 4種較準確算法結(jié)果比較Tab.1 Comparison of the results of four algorithms

由表1可知，這4種正確率較高的算法中，J48決策樹算法的正確率最高。綜合考慮J48算法的優(yōu)缺點，選擇J48決策樹算法進行分析是比較合理的。經(jīng)典的決策樹算法包括ID3、C4.5、C5.0、CART等。J48算法是C4.5算法在WEKA中的應(yīng)用，該算法派生于ID3算法[16]。

J48算法具體算法步驟如下[17]：

1)創(chuàng)建節(jié)點N；

2)如果訓(xùn)練集為空，在返回節(jié)點N標記為 Failure ；

3)如果訓(xùn)練集中的所有記錄都屬于同一個類別，則以該類別標記節(jié)點N；

4)如果候選屬性為空，則返回N作為葉節(jié)點，標記為訓(xùn)練集中最普通的類；

5)for each 候選屬性attribute_list；

6)if 候選屬性是聯(lián)系的 then；

7)對該屬性進行離散化；

8)選擇候選屬性 attribute_list 中具有最高信息增益的屬性D；

9)標記節(jié)點N為屬性D；

10)for each 屬性D的一致值d；

11)由節(jié)點N長出一個條件為D=d的分支；

12)設(shè)s是訓(xùn)練集中D=d的訓(xùn)練樣本的集合；

13)ifs為空；

14)加上1個樹葉，標記為訓(xùn)練集中最普通的類；

15)else 加上1個有 J48(R-{D},C,s)返回的點。

1.3.2 屬性選擇

選擇不同的屬性直接影響結(jié)果的準確性以及建模的性能。不同的屬性，在樣本空間的權(quán)重是不一樣的，即這些屬性與類別的關(guān)聯(lián)度是不同的，因此有必要篩選某些屬性或者對各個屬性賦以一定的權(quán)重。在前期與專家討論的基礎(chǔ)上，本文選擇以下12個指標作為J48建模的屬性，見表2。

表2 J48算法建模的屬性Tab.2 Critical attributes of J48 model

1.3.3 決策樹建模

根據(jù)問卷收集的數(shù)據(jù)進行建模，得到的決策樹用圖1表示。其中樹的根節(jié)點和內(nèi)部節(jié)點是分類屬性，葉節(jié)點表示分類結(jié)果。

圖1 決策樹模型Fig.1 Decision tree model

1.3.4 交叉驗證

根據(jù)上述步驟建立的決策樹模型，對數(shù)據(jù)進行交叉驗證，J48算法的正確率為98.5%。將該模型對SNS網(wǎng)游玩家的決策樹模型完整驗證結(jié)果整理如表3。

表3 J48算法交叉驗證結(jié)果Tab.3 Cross validation results of J48 algorithm

表3中，識別率為分類實例中，正確識別出本類實例的概率；誤判率為將其他類別的實例判斷成本類實例的概率；精準度為對某一類別分類時正確的實例數(shù)占總數(shù)的比例；召回率為表示識別正確的實例數(shù)，占該類別的實例的總數(shù)；F值是精確率和召回率的調(diào)和平均數(shù)，F(xiàn)值越大說明精準度和召回率都相對較高。

從表3可以看出，J48算法的精準度和召回率均達到了98.5%以上。即分類的正確率很高。該結(jié)果表明，可以用J48決策樹模型反映的結(jié)果分析大學(xué)生參與SNS網(wǎng)絡(luò)游戲的原因。

2 結(jié)果分析

由圖1來看，家庭情況作為決策樹第1層影響因素，是影響大學(xué)生是否參與SNS網(wǎng)絡(luò)游戲的最大分類因素。從決策樹中可以看出，家庭不完整的樣本(單親和其他家庭情況的大學(xué)生)中36人都參與SNS網(wǎng)絡(luò)游戲。同時，在決策樹第3層，一本大學(xué)的學(xué)生中，家庭幸福程度較低的樣本共28人也都參與SNS網(wǎng)絡(luò)游戲。即家庭的完整性和幸福度是影響大學(xué)生參與SNS網(wǎng)絡(luò)游戲的最重要原因。

在決策樹的第6層，互聯(lián)網(wǎng)對生活的意義方面，生活受網(wǎng)絡(luò)影響很深的測試者在對目前生活感覺厭倦的問題中，選擇高分的人群，即對目前生活不滿的22個大學(xué)生，選擇不參與SNS網(wǎng)絡(luò)游戲；而對目前生活較為滿意的人多是SNS網(wǎng)絡(luò)游戲玩家，共51人?？梢姡顮顟B(tài)是影響大學(xué)生是否參與SNS網(wǎng)絡(luò)游戲的另一個原因。

對生活充滿希望的樣本51人，經(jīng)常在SNS網(wǎng)站上寫日志、傳照片和分享站外資源的樣本39人，認為SNS游戲是社交手段的樣本38人，大多是SNS游戲玩家。而不愿意與他人分享生活和想法、不經(jīng)常與朋友互動的大學(xué)生則更熱衷于SNS網(wǎng)絡(luò)游戲。還有部分大學(xué)生認為通過SNS網(wǎng)絡(luò)游戲可以結(jié)交新朋友，并且能和朋友進行很好的互動。而有很好異性緣的用戶選擇不玩游戲。說明SNS網(wǎng)站的社交活性是影響大學(xué)生是否參與社交網(wǎng)絡(luò)游戲的另一個原因。

平日登陸次數(shù)在12次及以上的大學(xué)生有26個樣本參與SNS游戲，二本和三本的大學(xué)生也會參與SNS游戲。

3 討論

結(jié)論表明，家庭不完整或者家庭不幸福的大學(xué)生參與SNS網(wǎng)絡(luò)游戲的可能性非常高，較易成為SNS網(wǎng)絡(luò)游戲玩家。其心理一般較為脆弱、敏感，對關(guān)注度有較高的需求，SNS網(wǎng)絡(luò)游戲以其虛擬的環(huán)境和朋友之間的相互關(guān)注吸引了該類人群參加；而家庭幸福的人，多數(shù)是積極向上、對生活滿意的大學(xué)生，這些人也是SNS網(wǎng)絡(luò)游戲玩家，說明SNS網(wǎng)絡(luò)游戲參與情況代表了對網(wǎng)絡(luò)有依賴關(guān)系的網(wǎng)絡(luò)使用者擁有健康的人格。生活幸福的大學(xué)生，健康的人格層面通過SNS網(wǎng)絡(luò)游戲中的社交、娛樂等功能得以體現(xiàn)。能夠在SNS網(wǎng)站分享自己生活和想法、結(jié)交朋友的人，其玩游戲是為了滿足自我，獲取關(guān)注，希望通過SNS網(wǎng)絡(luò)游戲與同學(xué)、朋友競爭。高社交活性的SNS網(wǎng)絡(luò)游戲吸引了這樣的大學(xué)生玩家。同時可以發(fā)現(xiàn)，很多不在SNS網(wǎng)站分享生活狀態(tài)的大學(xué)生參與游戲的概率較高，可能是游戲中的社交功能已經(jīng)滿足了玩家的社交需求，無需再通過其他方式獲得關(guān)注或維持聯(lián)系。從一定程度上SNS游戲替代了SNS網(wǎng)站的功能。

本文的調(diào)查問卷主要根據(jù)網(wǎng)絡(luò)成癮相關(guān)的因素進行設(shè)計，由結(jié)果很容易看出大學(xué)生參與社交網(wǎng)絡(luò)游戲的原因與網(wǎng)絡(luò)成癮的原因是部分重合的。據(jù)調(diào)查，網(wǎng)絡(luò)游戲成癮是網(wǎng)絡(luò)成癮的主要類型[18]。目前現(xiàn)有的網(wǎng)絡(luò)成癮的影響因素研究主要從個人因素、家庭環(huán)境因素以及網(wǎng)絡(luò)自身三方面考慮。研究發(fā)現(xiàn)，網(wǎng)絡(luò)成癮者有著情緒不穩(wěn)定、孤獨、自控力差、自卑[19]等獨特的性格，神經(jīng)質(zhì)的人格和社交網(wǎng)絡(luò)的支持度是兩個重要的成癮預(yù)測因素[20]，高神經(jīng)質(zhì)和低責(zé)任心更容易導(dǎo)致網(wǎng)絡(luò)成癮[21]；秦華等[22]發(fā)現(xiàn)，玩家抑郁明顯影響玩家游戲重復(fù)行為，且焦慮越嚴重[23]越有網(wǎng)絡(luò)成癮的可能性。家庭環(huán)境方面，研究發(fā)現(xiàn)，父母的婚姻沖突將嚴重影響青少年的網(wǎng)絡(luò)成癮[24]，在一個家庭中，親子依戀是父母關(guān)系融洽和青少年網(wǎng)絡(luò)成癮的中介[25]。這與本文得出的家庭不完整的大學(xué)生參與社交網(wǎng)絡(luò)游戲概率較高的結(jié)論不謀而合。作為網(wǎng)絡(luò)游戲本身，其參與時間靈活，讓游戲者探索和體驗不同的角色，得到成功的滿足和喜悅，獲得從現(xiàn)實中掙脫出來的刺激與興奮感，并引誘玩家進一步探索，進而沉迷于網(wǎng)絡(luò)游戲。本文利用J48算法得出的結(jié)論雖然不能有效說明參與SNS網(wǎng)絡(luò)游戲的大學(xué)生都會成癮，但網(wǎng)絡(luò)游戲成癮和網(wǎng)絡(luò)社交成癮是最常見的兩種網(wǎng)絡(luò)成癮障礙(Internet addition disorder，IAD)，IAD[26]已經(jīng)成為影響大學(xué)生身心健康的主要原因。家庭情況是影響大學(xué)生參與SNS網(wǎng)絡(luò)游戲的主要原因，也是網(wǎng)絡(luò)成癮的主要因素。大學(xué)生心理還不夠成熟，高度的社交活性會使其沉迷在SNS網(wǎng)絡(luò)游戲中。目前網(wǎng)絡(luò)游戲成癮已經(jīng)引起各界的廣泛關(guān)注，但社交網(wǎng)絡(luò)游戲成癮鮮有研究。并且隨著社交網(wǎng)絡(luò)和社交游戲的發(fā)展，其與大學(xué)生學(xué)業(yè)的沖突日益明顯，學(xué)習(xí)興趣減退，無法集中注意力，更有甚者直接逃課。因此，為避免大學(xué)生過分迷戀社交網(wǎng)站游戲而導(dǎo)致網(wǎng)絡(luò)成癮，學(xué)校及教育工作者應(yīng)及時采取措施，尤其是家庭不完整、家庭生活不幸福的大學(xué)生，可以采用心理輔導(dǎo)、行為干預(yù)等方式進行教育，避免其網(wǎng)絡(luò)成癮。

當然，本研究還存在如下不足。首先，有效問卷只有405份，數(shù)據(jù)相對較少，并且只是針對北京地區(qū)的大學(xué)生進行調(diào)查，樣本不夠均勻；其次，J48算法得出的原因中，并沒有量化地表示出大學(xué)生網(wǎng)絡(luò)成癮的可能性，只是作了定性的分析。在以后的研究中。要盡量對大學(xué)生網(wǎng)絡(luò)成癮作出模型預(yù)測。最后，SNS網(wǎng)絡(luò)游戲在設(shè)計上有很多不同類型，性別不同、入學(xué)年份不同的大學(xué)生可能會參與不同類型的游戲，并且在參與游戲時內(nèi)在感受也會不同，所以在將來的研究中有必要區(qū)分大學(xué)生的性別、游戲的類型等。

4 結(jié)論

研究可知，利用J48算法對大學(xué)生參與SNS網(wǎng)絡(luò)游戲的原因分類是可取并且效果很好。本文的研究中，隨機對北京地區(qū)部分大學(xué)生SNS網(wǎng)絡(luò)游戲參與情況進行問卷調(diào)查，并將數(shù)據(jù)轉(zhuǎn)化為WEKA可識別的ARFF格式，使用J48算法對數(shù)據(jù)分類，得到大學(xué)生SNS網(wǎng)絡(luò)游戲玩家參與社交網(wǎng)絡(luò)游戲主要與家庭環(huán)境、生活狀態(tài)以及網(wǎng)站的社交活性有關(guān)的結(jié)論，為及時預(yù)防大學(xué)生網(wǎng)絡(luò)成癮提供了理論依據(jù)。

[1] 中國互聯(lián)網(wǎng)網(wǎng)絡(luò)信息中心.第37次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[EB/OL].[2016-05-08].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/.

[2]謝耘耕.2015年中國大學(xué)生媒體使用習(xí)慣調(diào)查報告[EB/OL].[2016-05-08].http://media.people.com.cn/n/2015/0720/c397572-27329888.html.

[3]方琪,王宏,李雷雷.重慶某庫區(qū)縣中學(xué)生亞健康狀態(tài)及危險行為分析[J].中國公共衛(wèi)生，2013，29(1)：94-96.

FANG Qi, WANG Hong, LI Leilei. Sub-health status and behavioral risk factors among middle schoolstudents in Three Gorges Area，Chongqing[J].Chinese Journal of Public Health. 2013，29(1)：94-96.

[4]GREYDANUS D E, GREYDANUS M M. Internet use, misuse, and addiction in adolescents: current issues and challenges[J].International Journal of Adolescent Medicine and Health, 2012, 24(4): 283-289.

[5]MORENO M A, JELENCHICK L A, CHRISTAKIS D A. Problematic internet use among older adolescents:a conceptual framework[J].Computers in Human Behavior, 2013, 29(4):1879-1887

[6]2016年微信用戶數(shù)量統(tǒng)計[EB/OL].[2016-05-08]. http://mt.sohu.com/20160421/n445493845.shtml.

[7]JIN C H. The role of users′ motivations in generating social capital building and subjective well-being: the case of social network games[J].Computers in Human Behavior, 2014, 39: 29-38.

[8]WEI P S, LU H P. Why do people play mobile social games? an examination of network externalities and of uses and gratifications[J].Internet Research, 2014, 24(3):313-331.

[9]LEE J, LEE M, CHOI I H. Social network games uncovered: motivations and their attitudinal and behavioral outcomes[J].Cyberpsychology Behavior & Social Networking,2012,15(12):643-648.

[10] WANG J L, JACKSON L A, ZHANG D J, et al. The relationships among the big five personality factors, self-esteem, narcissism, and sensation-seeking to Chinese university students′ uses of social networking sites (SNSs)[J].Computers in Human Behavior,2012,28(6):2313-2319.

[11]SHEN K S.Measuring the sociocultural appeal of SNS games in Taiwan[J].Internet Research, 2013, 23(3):372-392.

[12]張小平,邵雅利. 網(wǎng)絡(luò)時代下的“90后”大學(xué)生心理特征及教育創(chuàng)新[J]. 重慶郵電大學(xué)學(xué)報(社會科學(xué)版)，2014(2)：69-76.

ZHANG Xiaoping, SHAO Yali. Post-90 generation college students’psychological characteristics and education innovation under the network era: positive psychology perspective[J]. Journal of Chongqing University of Posts and Telecommunications(Social Science Edition),2014(2)：69-76.

[13]黃思旅,甘怡群. 青少年網(wǎng)絡(luò)游戲成癮量表的修訂和應(yīng)用[J]. 中國臨床心理學(xué)雜志，2006，14(1)：8-10.

HUANG Silyu, GAN Yiqun. The revision and preliminary application of online game addiction inventory[J].Chinese Journal of Clinical Psychology,2006，14(1)：8-10.

[14]HAN J W, KAMBER M. Data mining-concepts and techniques[M]. USA:Morgan Kaufmann Publishers Inc, 2011.

[15]EFE M O, KAYNAK O.A novel optimization procedure for training of fuzzy inference systems by combining variable structure systems technique and Levenberg-Marquardt algorithm[J]. Fuzzy Sets & Systems, 2001, 122(1):153-165.

[16]RUGGIERI S. Efficient C4.5[J]. IEEE Transactions on Knowledge and Data Engineering,2002,14(2):438-444.

[17]KANTARDZIC M.數(shù)據(jù)挖掘:概念、模型、方法和算法[M].王曉海，吳志剛，譯. 2版. 北京：清華大學(xué)出版社，2013.

[18]LO S K, WANG C C, FANG W C. Physical interpersonal relationships and social anxiety among online game players[J].Cyberpsychology & Behavior the Impact of the Internet Multimedia & Virtual Reality on Behavior & Society, 2005, 8(1):15-20.

[19]YANG S C, TUNG C J. Comparison of internet addicts and non-addicts in Taiwanese high school[J]. Computers in Human Behavior, 2007, 23(1):79-96.

[20]HARDIE E, TEE M Y. Excessive internet use: the role of personality, loneliness and social support networks in internet addiction[J].Australian Journal of Emerging Technologies and Society, 2007,5(1):34-47.

[21]WANG C W, HO R T, CHAN C L, et al. Exploring personality characteristics of Chinese adolescents with internet-related addictive behaviors: trait differences for gaming addiction and social networking addiction[J]. Addictive Behaviors, 2015, 42:32-35.

[22]秦華,陳寶江,鈕建偉. 抑郁與網(wǎng)絡(luò)游戲特征、行為重復(fù)的關(guān)系[J]. 工業(yè)工程,2012,15(1):105-108.

QIN Hua, CHEN Baojiang, NIU Jianwei. On the relationship between depression and characteristics of online game and activity repetition[J].Industrial Engineering Journal,2012，15(1)：105-108.

[23]王濱. 大學(xué)生孤獨感與網(wǎng)絡(luò)成癮傾向關(guān)系的研究[J]. 心理科學(xué),2006,29(6):1425-1427.

WANG Bin. A study on the relationship between the loneliness and internet addiction tendency of college students[J].Psychological Science,2006，29(6)：1425-1427.

[24]KALAITZAKI A E, BIRTCHNELL J. The impact of early parenting bonding on young adults′ internet addiction, through the mediation effects of negative relating to others and sadness[J]. Addictive Behaviors, 2014, 39(3):733-736.

[25]DENG L Y, FANG X Y, YAN J. The relationship between inter-parental relationship parent-child relationship and adolescents′ Internet addiction[J]. Journal of Special Education, 2013(9):71-77.

[26]MORAHAN-MARTIN J, SCHUMACHER P. Incidence and correlates of pathological internet use among college students[J].Computers in Human Behavior,2000,16(1):13-29.

An Analysis of the Causes of College Students′ Participation in Social Network Games Based on J48 Decision Tree Algorithm

SUN Yipin1，QI Jianchuan1，QIN Hua2，NIU Weifang3，SU Ning4，NIU Jianwei1

(1. School of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100083, China;2. School of Mechanical-Electronic and Automobile Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044, China; 3.10th Ward, Hebei Rongjun Hospital, Baoding 071100, China;4.Department of Physics, Hebei Normal University of Science and Technology, Qinhuangdao 066004, China)

Social network games, nested on the platform of social networking sites, have become a new favorite of college students. And college students′ Internet addiction has been of considerable interest to the academia in recent years. The reasons why college students participate in social network games are explored. A number of questionnaires are distributed through the Internet to collect information which needs to convert to data format and import into Waikato Environment for Knowledge Analysis (WEKA). And the decision tree model is obtained via the J48 decision tree algorithm. The results of the experiment indicate that college students′ social network game behavior is mainly related to family environment, living conditions and social networking sites activeness. The integrity and happiness degree of a family, together with college students′ attitude towards life and social networking sites activeness, are all important causes in social network game behavior. In addition, college students should be provided with effective strategies to prevent Internet game addiction because the reason of the participation is partly coincident with that of the Internet addiction of college students.

social network game; J48 decision tree algorithm; Internet addiction

2016- 07- 30

國家留學(xué)基金委公派出國留學(xué)資助項目(201208110144)；中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目(FRF-TP-14-026A2)。

孫一品(1989-)，女，河北省人，碩士研究生，主要研究方向為大學(xué)生心理健康、網(wǎng)絡(luò)成癮.

鈕建偉，niujw@ustb.edu.cn

10.3969/j.issn.1007- 7375.2016.06.018

TP18

A

1007-7375(2016)06- 0116- 07