Leveraging Swipe Gesture Interactions From Mobile Games as Indicators of Anxiety and Depression: Exploratory Study
Notice bibliographique
Résumé
BACKGROUND: Anxiety and depression are serious mental health conditions affecting millions of people worldwide; however, they are often underdiagnosed due to limited health care resources. Mobile games, with their widespread popularity and availability, offer a unique opportunity to use user-game interaction data for mental health screening. OBJECTIVE: This study aimed to explore whether swipe gesture interactions from mobile games can serve as indicators of anxiety and depression symptoms. METHODS: A total of 82 participants played 3 casual mobile games (puzzle, infinite runner, and object slicing games) for 15 minutes each and completed validated measures of anxiety (Generalized Anxiety Disorder-7; GAD-7) and depression (Patient Health Questionnaire-8; PHQ-8). Data were logged for each swipe event, and metrics were computed using statistical measures, yielding roughly 150 metrics per game. Spearman rank correlations were calculated between each metric and GAD-7 and PHQ-8 scores. RESULTS: Multiple swipe gesture metrics showed significant associations with both anxiety and depression scores. For the puzzle game, mean swipe speed correlated with PHQ-8 (ρ=-0.405; P<.001) and GAD-7 (ρ=-0.400; P<.001) scores. For the infinite runner game, mean variance in swipe end pressure showed moderate to strong negative correlation with PHQ-8 (ρ=-0.405; P<.001) and GAD-7 (ρ=-0.309; P=.007) scores. In the object slicing game, minimum swipe start position along the y-axis correlated positively with PHQ-8 (ρ=0.368; P<.001) and GAD-7 (ρ=0.370; P<.001) scores. CONCLUSIONS: The findings from this exploratory study provide preliminary evidence supporting the feasibility of using swipe gesture interactions in mobile games as novel, engaging, and nonintrusive indicators of anxiety and depression.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».