Impact of Serious Games and Causal Artificial Intelligence on Social Science Research : A Case Study on Cyberbullying

Abstract

Esta tesis explora la integración de los juegos serios y la Inteligencia Artificial causal en la investigación en ciencias sociales. Esta integración tiene el potencial de hacer frente a retos que han estado presentes asiduamente en el estudio de las ciencias sociales, tales como tamaños de las muestras insuficientes o la dificultad para llegar a algunos sectores de la población, como los menores de edad. Los juegos serios, definidos como juegos diseñados con fines que van más allá del entretenimiento, se postulan como una prometedora herramienta para atraer a públicos diversos y superar algunos paradigmas tradicionales de la investigación social. La naturaleza interactiva e inmersiva de los videojuegos permite aumentar la implicación de los participantes, simular escenarios de la vida real con menos limitaciones éticas y alcanzar poblaciones con una mayor variabilidad demográfica. La principal contribución de esta tesis es abogar por el uso de modelos gráficos causales probabilísticos para analizar los datos derivados del uso de juegos serios en contextos de investigación. Estos modelos facilitan la comprensión de relaciones causales complejas y proporcionan un marco analítico que permite superar algunas de las limitaciones de los enfoques estadísticos y de aprendizaje automático tradicionales. En particular, se propone aquí utilizar estos modelos para el análisis de cuestiones sociales delicadas, como el ciberacoso. En primer lugar, proponemos una metodología para construir grafos acíclicos dirigidos que combinan el conocimiento experto con algoritmos basados en datos. Este enfoque híbrido pretende producir modelos causales robustos y realistas que reflejan con precisión la complejidad de los fenómenos estudiados. En segundo lugar, presentamos una técnica de generación de datos sintéticos para juegos serios basada en un marco teórico psicométrico que permite simular el comportamiento de los jugadores de forma parametrizada y realista. La introducción de datos sintéticos en esta área de investigación permite mejorar la eficacia de procesos de desarrollo al permitir superar obstáculos como la escasez de datos, así como facilitar el diseño, análisis y gestión de los datos. La validación empírica de estos métodos se ha llevado a cabo en el marco del proyecto europeo H2020 RAYUELA. Este proyecto es una iniciativa multidisciplinar pionera que estudia la ciberdelincuencia en la que se ven involucrados menores de edad y busca proponer metodologías para comprender mejor los factores que influyen en esta. Los resultados ponen de manifiesto el potencial de los juegos serios para observar y comprender las complejas dinámicas vigentes en el ciberbullying. Esta tesis defiende que la integración de los juegos serios y la Inteligencia Artificial causal en la investigación en ciencias sociales puede constituir un avance significativo en nuestra capacidad para abordar cuestiones sociales complejas, al permitir la realización de experimentos éticos a gran escala, que permitan ahondar en las relaciones causales que definen dichas cuestiones. En definitiva, esta tesis contribuye significativamente a demostrar el potencial de los juegos serios como una herramienta valiosa de investigación en ciencias sociales y profundiza en las metodologías existentes en este campo, integrando técnicas de Inteligencia Artificial causal. De este modo, contribuye a la comunidad científica multidisciplinar ofreciendo nuevas formas de explorar y abordar retos sociales relevantes. Las implicaciones de esta investigación se extienden más allá del ámbito académico, proporcionando herramientas y conocimientos prácticos para desarrollar estrategias eficaces de prevención e intervención contra el ciberbullying, mejorando así el bienestar online de los menores de edad.This thesis explores the transformative potential of integrating Serious Games (SG) and causal Artificial Intelligence (AI) into social science research. This integration holds the key to addressing persistent challenges in social science research, such as limited sample sizes or the difficulty of reaching certain populations, like minors. Designed with a purpose beyond entertainment, SGs are emerging as a promising tool to engage diverse audiences and challenge traditional social research paradigms. The interactive and immersive nature of video games opens up opportunities to increase participant involvement, simulate real-life scenarios with fewer ethical constraints, and reach populations with greater demographic variability. The main contribution of this thesis is to advocate the use of Probabilistic Graphical Causal Models (PGCM) to analyze data derived from the use of SGs in research contexts. These models facilitate the understanding of complex causal relationships and provide an analytical framework that overcomes some of the limitations of traditional statistical and machine learning approaches. In particular, we propose using these models to analyze sensitive social issues, such as cyberbullying (CB). Firstly, we present a methodology for constructing Directed Acyclic Graphs (DAG) that harmoniously combine expert knowledge with data-driven algorithms. This hybrid approach aims to produce robust and realistic causal models that accurately reflect the complexity of the phenomena under study. Secondly, we introduce a novel synthetic data generation technique for SGs, based on a psychometric theoretical framework. This technique allows us to simulate player behavior in a parameterized and realistic manner. The incorporation of synthetic data into this area of research enhances the efficiency of development processes by overcoming obstacles such as data scarcity, and facilitates the design, analysis and management of data. The empirical validation of these methods was carried out within the framework of the European H2020 project RAYUELA. This project is a pioneering multidisciplinary initiative that studies cybercrime involving minors and seeks to propose methodologies to better understand the factors that influence it. The results demonstrate the potential of SGs to observe and understand the complex dynamics of CB. This thesis posits that the integration of SGs and causal AI in social science research can significantly advance our capacity to address complex social issues by enabling large-scale ethical experiments to explore into the causal relationships that define such issues. In conclusion, this thesis makes a significant contribution to demonstrating the potential of SGs as a valuable research tool in the social sciences and deepens existing methodologies in this field by integrating causal AI techniques. In doing so, it contributes to the multidisciplinary scientific community by offering new ways to explore and address relevant social challenges. The implications of this research extend beyond academia, providing practical tools and knowledge to develop effective prevention and intervention strategies against CB, thus improving the online well-being of minors.