Single and Multiplayer Video Gamers: Looking at Their Experiences and Psychosocial Well-Being During the COVID-19 Pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic has impacted our lives in many different ways. One significant impact on daily life was the increased indoor time due to quarantine measures. Data collected suggests video games have become more popular than ever during these unprecedented times (Epstein, 2020). This study aims to explore the experiences and psychosocial well-being of individuals who played single and multiplayer video games during the pandemic. Data was collected through a questionnaire distributed to multiple online communities and forums from June 28th to July 29th, 2021. The total collected responses were n=260. 132 participants identified themselves as playing mostly single-player video games and 128 identified themselves as playing mostly multiplayer games. The results show during the pandemic individuals spent more time playing both types of video games. Motivations for playing single-player games trended towards decreasing anxiety and stress, and avoiding real life, whereas multiplayer motivations tended to trend towards socialization rather than decreasing stress or anxiety. During the pandemic, 40-50% of single and multiplayer gamers indicated decreased mental health. However, both types of players reported improvement in mental and social well-being while playing video games. More multiplayer gamers reported improved social well-being while playing compared to single-player gamers. The survey respondents tended to report having more positive experiences with single-player and multiplayer video games during the pandemic. Results presented video games as a way for individuals to socialize or decrease stress and anxiety. In addition, the comparison between the two types of gamers revealed that single-player respondents tended to play for relaxation, stress reduction, and perhaps improvement in mental health, while multiplayer gamers play to increase social interaction and improve social well-being. Further research is needed to explore the long-term effects of video games during the pandemic after everyone has returned to a pre-pandemic state.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».