ПОВЕДЕНЧЕСКИЕ ОСОБЕННОСТИ ПОЛЬЗОВАТЕЛЕЙ С ВЫСОКИМ РИСКОМ СДВГ ПРИ ПРОХОЖДЕНИИ ВИДЕОИГРЫ-ГОЛОВОЛОМКИ

BEHAVIORAL CHARACTERISTICS OF USERS WITH HIGH ADHD RISK WHEN PLAYING A PUZZLE VIDEO GAME

Tsyganov Alexander Dmitrievich

Student, «Multimedia Technologies, Design and Usability» program, ITMO University,

Russia, Saint Petersburg

АННОТАЦИЯ

В статье представлены результаты эмпирического исследования, подтверждающие, что взрослые пользователи с высоким риском СДВГ демонстрируют статистически значимо более высокие значения пяти игровых метрик при прохождении оригинальной видеоигры-головоломки по сравнению с нейротипичными участниками.

ABSTRACT

This paper presents empirical evidence that adults with a high risk of ADHD exhibit significantly higher values on five in-game metrics when playing an original puzzle video game compared to neurotypical participants.

Ключевые слова: СДВГ, видеоигры, игровые метрики, поведенческие особенности, скрининг, головоломка, импульсивность, время бездействия.

Keywords: ADHD, video games, game metrics, behavioral features, screening, puzzle game, impulsivity, idle time.

Синдром дефицита внимания и гиперактивности (СДВГ) — одно из наиболее распространённых нейропсихических расстройств. По данным Всемирной организации здравоохранения, его распространённость среди детей и подростков достигает 6%, при этом значительная часть случаев остаётся недиагностированной вплоть до взрослого возраста [1]. Традиционная диагностика СДВГ основана на клинических интервью, поведенческом наблюдении и стандартизированных опросниках (шкала Коннерса, ASRS v1.1 и др.). Эти методы обладают высокой клинической валидностью, однако имеют серьёзные ограничения: высокая стоимость и длительность процедур, зависимость от субъективного мнения специалиста, сложность дифференциальной диагностики у взрослых, а также низкая обращаемость населения из-за стигматизации и недостаточной осведомлённости о симптомах расстройства [2, 3].

В последние годы активно развиваются цифровые инструменты для скрининга СДВГ, включая мобильные приложения и веб-платформы. Однако большинство из них базируются на упрощённых тестовых сценариях, не моделируют реальную когнитивную нагрузку и обладают низкой вовлечённостью пользователей, что снижает точность и достоверность получаемых данных [4, 5].

Видеоигры представляют собой перспективную альтернативу. Они позволяют моделировать динамические ситуации, требующие концентрации внимания, планирования и контроля импульсов — ключевых когнитивных функций, нарушающихся при СДВГ. Кроме того, игровая среда естественным образом удерживает внимание пользователя и даёт возможность автоматически собирать объективные поведенческие метрики в условиях, близких к реальной деятельности [6, 7].

Целью настоящего исследования является проверка гипотезы о том, что при прохождении видеоигры в жанре «головоломка» у взрослых пользователей с высоким риском СДВГ игровые показатели (общее время прохождения, количество нерешённых задач, среднее время бездействия, количество «пустых» кликов, количество опозданий) статистически значимо выше, чем у пользователей с низким риском СДВГ.

В рамках работы была создана оригинальная видеоигра «Close the Door» в жанре «головоломка» с использованием игрового движка Unreal Engine 5 и визуального языка программирования Blueprint. Игровая локация представляет собой трёхмерную сцену квартиры из пяти комнат (кухня, санузел, спальня, гардеробная, коридор), наполненную интерактивными объектами. Сюжет строится вокруг персонажа, который просыпается запертым в собственной квартире и должен решить цепочку головоломок, чтобы выбраться.

На этапе прототипирования были выделены и систематизированы игровые механики по четырём категориям: пространственно-позиционные (перемещение персонажа, вращение камеры, приседание, ускорение), триггерные (сознательная и бессознательная активация событий), взаимодействие с объектами (осмотр, взятие, перемещение, масштабирование) и ментальные механики (распознавание и построение шаблонов, запоминание, выбор). Кор-механика игры представлена в виде блок-схемы, отражающей основной игровой цикл.

Кривая сложности игры построена нелинейно: после каждого сложного уровня следует более лёгкий, что позволяет снижать когнитивную нагрузку и поддерживать вовлечённость игрока. Такой подход особенно важен при работе с пользователями, имеющими трудности поддержания внимания.

Рисунок 1. Блок-схема кор-механики игры

Система сбора данных была встроена в игру на этапе разработки. Автоматически логировались пять целевых метрик:

1. Общее время прохождения (секунды) — суммарная длительность игровой сессии.

2. Количество нерешённых задач — число головоломок, не завершённых до истечения лимита времени.

3. Среднее время бездействия (секунды) — средняя продолжительность периодов (более 20 секунд) без взаимодействия с клавиатурой или мышью.

4. Количество «пустых» кликов — клики по неактивным областям экрана в условиях, когда игроку не дана команда действовать (поведенческий маркер импульсивности).

5. Количество опозданий — реакции на игровые события с задержкой более 3 секунд.

Все метрики собирались автоматически, без участия экспериментатора и без дополнительной нагрузки на участника.

В исследовании приняли участие 52 добровольца (26 мужчин, 26 женщин) в возрасте от 18 до 27 лет. Распределение по группам осуществлялось на основании скринингового опросника ASRS v1.1 (Adult ADHD Self-Report Scale), рекомендованного ВОЗ для первичного выявления СДВГ у взрослых. Правило разделения: если 4 или более ответов из 6 находились в зоне риска (значения 3 или 4 по шкале от 0 до 4), участник относился к группе высокого риска СДВГ (n = 26); в противном случае — к группе низкого риска СДВГ (n = 26). Группы были сопоставимы по возрасту, полу, самооценке игрового опыта (средние значения 2,4–2,6 по 4-балльной шкале) и уровню субъективной усталости перед экспериментом. Все участники предоставили информированное согласие и проходили игру дистанционно в домашних условиях один раз без возможности повторного прохождения.

Перед началом игровой сессии участники заполняли краткую анкету (возраст, пол, игровой опыт, усталость), а затем проходили обучающий уровень продолжительностью около 2 минут для знакомства с управлением (WASD для перемещения, мышь для вращения камеры, клавиши взаимодействия с объектами). Основная игровая сессия длилась 10–12 минут игрового времени. В процессе игры автоматически регистрировались пять указанных выше метрик.

Для сравнения двух независимых групп использовался односторонний t-критерий Стьюдента, так как направление эффекта было задано априорно (у высокорисковой группы показатели хуже). Поскольку проверялось пять гипотез одновременно, применялась поправка Холма–Бонферрони для контроля групповой вероятности ошибки первого рода (FWER = 0,05). Для каждой метрики также были рассчитаны: наблюдаемый размер эффекта (Cohen’s d), фактическая (достигнутая) мощность теста на основе нецентрального t-распределения, а также 95% доверительный интервал для разности средних между группами.

Средние значения для обеих групп: участники с высоким риском СДВГ демонстрировали более высокие значения по всем пяти показателям. Время прохождения составило 697 с против 670 с в контрольной группе; нерешённые задачи — 2,85 против 2,00; среднее время бездействия — 5,8 с против 5,0 с; «пустые» клики — 4,00 против 3,00; опоздания — 1,90 против 1,50. Размеры эффекта (Cohen’s d) варьировались от средних до больших (от 0,63 до 0,88).

Все пять нулевых гипотез были отвергнуты на скорректированных уровнях значимости. Наиболее сильные различия зафиксированы для показателей «пустые клики» (p = 0,0013) и «нерешённые задачи» (p = 0,0015). Для четырёх метрик фактическая мощность превысила 0,80, что свидетельствует о низкой вероятности ошибки второго рода. Доверительные интервалы для всех пяти разностей средних не включали ноль.

Таблицы 1.

Результаты статистического анализа

Полученные результаты полностью подтверждают основную гипотезу. Пользователи с высоким риском СДВГ систематически отличались по всем пяти поведенческим метрикам. Увеличение времени прохождения и количества нерешённых задач может быть связано с трудностями удержания цели и планирования. Среднее время бездействия интерпретируется как маркер провалов внимания. Количество «пустых» кликов — наиболее прямой поведенческий маркер импульсивности, показавший самый большой размер эффекта (d = 0,88). Опоздания также были выше в группе риска, хотя эффект оказался наименьшим.

Необходимо отметить несколько ограничений данного исследования. Во-первых, разделение на группы проводилось на основании скринингового опросника ASRS v1.1, а не клинического диагноза. Во-вторых, эксперимент проводился дистанционно в домашних условиях, что увеличивает вариативность посторонних факторов. В-третьих, выборка ограничена молодыми людьми (18–27 лет). Тем не менее, даже с учётом этих ограничений, полученные различия являются статистически значимыми и имеют практическую значимость.

В работе разработана и апробирована видеоигра «Close the Door», интегрированная с системой автоматического сбора пяти поведенческих метрик. Экспериментально подтверждено, что по всем пяти показателям группа высокого риска СДВГ демонстрирует статистически значимо более высокие значения. Наиболее сильным поведенческим маркером оказалось количество «пустых» кликов (d = 0,88, p = 0,0013). Разработанная видеоигра не предназначена для замены клинической диагностики, но может рассматриваться как исследовательский инструмент и основа для создания доступных скрининговых решений, пригодных для удалённого применения.

Список литературы:

1. World Health Organization. Attention Deficit Hyperactivity Disorder. Geneva: WHO Press; 2019.
2. McGough JJ, Barkley RA. Diagnostic controversies in adult attention deficit hyperactivity disorder. Am J Psychiatry. 2004;161(11):1948–1956.
3. Adler LA et al. Validity of pilot Adult ADHD Self-Report Scale (ASRS) to Rate Adult ADHD symptoms. Ann Clin Psychiatry. 2006;18(3):145–148.
4. Slobodin O, Davidovitch M. Digital tools for the diagnosis of ADHD: A systematic review. J Clin Med. 2020;9(7):2128.
5. Lee SY, Kim YH. Lack of user engagement in mobile applications for mental health screening. Int J Med Inform. 2018;115:96–101.
6. Green CS, Bavelier D. Action video game modifies visual selective attention. Nature. 2003;423(6939):534–537.
7. Kollins SH et al. A pilot study of an interactive video game to enhance cognitive control in children with ADHD. Front Psychiatry. 2018;9:275.