Концепция
Для анализа был выбран dataset «Gaming Hours vs Academic & Work Performance» с сайта kaggle. Набор данных исследует взаимосвязь между игровыми привычками и их влиянием на жизнь. Он отражает ключевые поведенческие факторы, а именно: продолжительность игры, предпочтительное время игры, количество часов сна, уровень стресса, уровень концентрации и показатели продуктивности.
Видеоигры стали частью жизни большинства людей, какой же эффект они оказывают: положительный или отрицательный?
Для визуализации данных я выбрала гистограмму, столбчатую диаграмму, линейный график, точечную и круговую диаграммы, так как они наиболее точно смогут передать основные тенденции.
Обработка данных
Первым этапом я подключаю необходимые библиотеки, которые потребуются для анализа и визуализации данных.
код для подключения библиотек
После подключения библиотек я задаю определённую стилизацию для всех графиков. Этот шаг повышает наглядность и эстетичность, графики становятся понятным инструментом коммуникации.
Визуальное оформление дополнено акцентными цветами DAE13A и F75DAD, а также моноширинным шрифтом, — такое сочетание погружает зрителя в атмосферу видеоигр.
мудборд
код для визуального оформление
Следующим этапом я импортирую данные из CSV-файла в Python с помощью библиотеки pandas.
код для импорта данных из CSV — файла
Визуализация данных
Первый график — это гистограмма, которая показывает, сколько времени люди тратят на игры.
Гистограмма: распределение игрового времени
Код для гистограммы: распределения игрового времени
Гистограмма ясно демонстрирует разброс в данной категории и то, в каком диапазоне держится среднее значение. Таким образом, мы видим, что время, затраченное на компьютерные игры, может достигать до 6 часов в день, при этом среднее значение составляет около 3,3 часа.
Видеоигры можно назвать довольно распространённым развлечением в повседневной жизни.
На втором графике (столбчатая диаграмма) показано, на какое время суток — утро, вечер или ночь — приходится основной пик интереса к играм.
Столбчатая диаграмма: время игры в течение дня
Код для столбчатой диаграммы: время игры в течение дня
Большинство людей предпочитают играть по утрам, однако вечер и ночь не сильно уступают в популярности, тут можно сказать, что данные распределены довольно равномерно по всем категориям.
Линейный график подходит для демонстрации влияния игрового времени на сон, так как видны общие тенденции. Для оценки влияния сна на успеваемость я группирую студентов по количеству игровых часов (0-1/ 1-2/ 2-3/ 3-4/ 5-6).
Линейный график: влияние игрового времени на сон
Код для линейного графика: влияния игрового времени на сон
По графику видно, что средняя продолжительность сна остаётся стабильной, наблюдается небольшой рост среднего сна у игроков, которые тратят 3-4 часа в день на игру.
Таким образом, сильной зависимости между временем, затраченным на видеоигр, и сном — НЕТ.
Для оценки зависимости между игровыми часами и уровнем продуктивности я использую точечную диаграмму.
Точечная диаграмма: зависимость игровых часов и продуктивности
Код для точечной диаграмма: зависимость игровых часов и продуктивности
Коэффициент корреляции «R» равен -0.02, что демонстрирует отсутствие линейной связи между параметрами, а значит, количество времени, проведенное за играми, не может предсказать продуктивность человека. Линия тренда практически горизонтальна — это ещё одно подтверждение гипотезы: компьютерные игры не мешают продуктивности. Данные распределены равномерно: люди, которые играют 1 час или 6 часов могут иметь одинаковую продуктивность.
Завершить исследование я хочу круговой диаграммой, которая позволяет оценить, какое воздействия игры оказывают на человека.
Круговая диаграмма: общий эффект
Код для круговой диаграммы: общий эффект
Большинство людей считают, что компьютерные игры оказывают нейтральное влияние на их жизнь. Если рассматривать тех, кто отметил влияние, то людей, которым игры мешают всего на 3,2% больше чем тем, которым помогают.
Заключение:
Анализ dataset «Gaming Hours vs Academic & Work Performance» показал, что компьютерные игры являются частью повседневной жизни многих людей. Кроме того, полученные результаты подчеркивают, что компьютерные игры не оказывают негативное влияние на основные аспекты жизни.
Описание применения генеративной модели
Chat GPT: обращение с целью рекомендаций по исправлению имеющегося кода, составление промта для обложки, генерация обложки (promt: а cinematic first-person perspective photo of a person’s hands holding a classic vintage gray PlayStation 1 controller. In the soft-focus background, a wooden coffee table holds an original gray PS1 console, stacked jewel game cases, a white ceramic mug, and a red soda can. The entire scene is bathed in a moody, nostalgic neon purple and pink ambient light, creating a cozy 90s retro gaming atmosphere. High detail, realistic textures, cinematic lighting, 4k resolution.) Adobe Photoshop: коррекция обложки
Описание используемых статистических методов
В работе использовались такие статистические метода, как:
Описательная статистика — первичное ознакомление с данными. С помощью этого метода был рассчитан средний показатель игрового времени (≈3,3 часа) и определен диапазон часов сна (от 0 до 6 часов).
Группировка данных — были сгруппированы данные по интервалам игровых часов (0-1/ 1-2/ 2-3/ 3-4/ 5-6).
Корреляционный анализ — для оценки взаимосвязи между временем, проведенным за играми, и уровнем продуктивности был использован коэффициент корреляции R и диаграмма рассеяния.
Сравнительный анализ — для сопоставления данных из разных графиков.
Источники
Gaming hours vs academic and work performance: датасет / Prince7489 [Электронный ресурс] // Kaggle: Your Machine Learning and Data Science Community. — URL: https://www.kaggle.com/datasets/prince7489/gaming-hours-vs-academic-and-work-performance (дата обращения: 19.12.2025).
