L’analisi dei gruppi attraverso il machine learning: un’applicazione per l’individuazione di profili di adolescenti in materia di dipendenze comportamentali

Una delle potenzialità delle neural networks è l’analisi dei gruppi, che, a partire da un ampio set di variabili, permette di selezionare le features più informative all’interno di un dataset prima di procedere alla clusterizzazione. Ci si propone di applicare tale analisi per dare un contributo alla ricerca psicologica in materia di dipendenze comportamentali negli adolescenti, che risultano essere sempre più coinvolti in molteplici e diversi comportamenti potenzialmente addittivi, come l’uso del cellulare, di Internet, delle Loot Boxes, ed il comportamento di gioco d’azzardo. Tuttavia ancora poco sappiamo sull’esistenza di profili diversi in base a tali comportamenti e quindi sul ruolo di queste variabili comportamentali nel coesistere. L’individuazione di tali aspetti è importante per comprendere meglio l’eziologia di questi fenomeni e quindi impostare più efficacemente gli interventi. Lo studio è stato condotto con un campione di 1929 adolescenti (61% maschi, età media = 16.45, DS = 1.39). Tramite il metodo dell’analisi dei gruppi, a partire da un ampio set di variabili relative ai comportamenti suddetti, sono state selezionate le features più informative e, attraverso l’indice di Davies-Bouldin, è stato identificato il miglior numero di cluster, facendo emergere sette diversi profili. Le peculiarità di tali profili verranno discusse da un punto di vista teorico e applicativo.