Loading...
hidden

Mobile-Version anzeigen

Meta-Navigation

Startseite – Hochschule Luzern

Sprachwahl und wichtige Links

  • Zum Inhalt springen
  • Kontakt
  • Login
  • De
  • En
Suche starten

Hauptnavigation

Departementsnavigation

  • Technik & Architektur
  • Wirtschaft
  • Informatik
  • Soziale Arbeit
  • Design & Kunst
  • Musik

Unternavigation

  • Studium
  • Weiterbildung
  • Forschung
  • International
  • Campus
  • Über uns
  • News & Stories

Unternavigation

Breadcrumbs-Navigation

  1. Forschung Forschung
  2. Vorhersage-Modell zur Früherkennung von Risikoverhalten bei Spielerinnen und Spielern im Online-Glücksspiel Vorhersage-Modell zur Früherkennung von Risikoverhalten bei Spielerinnen und Spielern im Online-Glücksspiel

Vorhersage-Modell zur Früherkennung von Risikoverhalten bei Spielerinnen und Spielern im Online-Glücksspiel

Das Internet ist eine starke Umgebung für die Prävention im Online-Glücksspiel. Anhand von Spielverhalten-Daten von Kunden eines Online-Casinos wird ein Vorhersage-Modell entwickelt, welches das frühzeitige Erkennen eines risikohaften Spielverhaltens zulässt.

Kurzinformation

Departement:

Soziale Arbeit

Status:

Abgeschlossen

Zeitraum:

01.10.2021 - 31.12.2022

In der Übersicht

Das Aufkommen von Online-Glücksspielen und die Möglichkeit, über mobile Endgeräte zu spielen, hat die Glücksspiellandschaft in den letzten zwei Jahrzehnten grundlegend verändert. Aus der Public-Health-Perspektive werden im Zusammenhang mit Online-Glücksspielen vor allem die erleichterte Verfügbarkeit der Spiele, die Unmittelbarkeit sowie die fehlende soziale Kontrolle kritisch bewertet. Insgesamt bietet das Online-Glücksspiel jedoch auch Chancen für einen effektiven Spielerschutz. So verfügt jede Spielerin, jeder Spieler über ein Benutzerkonto. Anhand der Methode des «Behavioral Tracking» können die Verantwortlichen des Spielerschutzes der Online-Casinos risikoreiches Spielverhalten ihrer Kundinnen und Kunden frühzeitig erkennen und darauf reagieren.

Auf der Grundlage des «Behavioral Trackings» wird im Rahmen des anvisierten Forschungsprojektes ein Vorhersage-Modell entwickelt, welches das frühzeitige Erkennen eines risikoreichen Verhaltens der Kundinnen und Kunden von Online-Glücksspielanbietenden ermöglicht. Im Vordergrund stehen die Sensitivität sowie die Präzision des Vorhersage-Modells, d. h. das Modell soll gewährleisten, dass im Zuge der Früherkennung nur diejenigen Spielerinnen und Spieler erfasst werden, die tatsächlich risikoreich spielen.

Das Forschungsdesign besteht aus mehreren, sich ergänzenden Methodensträngen, die teilweise zyklisch verlaufen. Dazu gehören verschiedene Data-Science-Methoden wie Data Mining, Machine Learning und datenanalytische Modellierung, denen abduktive, induktive und deduktive Ansätze zu Grunde liegen. Hinzu kommen Techniken von Visual Analytics. Ein umfangreicher Datensatz, der vom Umsetzungspartner Grand Casino Luzern zur Verfügung gestellt wird, dient dabei als Grundlage. Im Rahmen einer explorativen Datenanalyse werden daraus Features identifiziert, die auf ein risikoreiches Spielverhalten schliessen lassen. Mittels Visualisierung werden zudem Muster von Spielverhalten aufgedeckt, die sich erfahrungsgemäss als problematisch erweisen (z.B. «Chasing» bzw. das «Hinterherjagen» von Verlusten). In mehreren Zyklen werden die identifizierten Früherkennungskriterien und zusätzliche Parameter unter Anwendung von Data Mining und Machine Learning direkt in den vorhandenen Daten getestet. Parallel dazu werden Modelle generiert und optimiert. Die daraus gewonnenen Hypothesen werden datenanalytisch modelliert und validiert. Dabei erleichtert Visual Analytics die Nachvollziehbarkeit der Modelle und trägt zu deren Optimierung bei.

Das Bundesgesetz über Geldspiele schreibt vor, dass die Veranstalterinnen und Veranstalter von Online-Glücksspielen im Rahmen der Früherkennung Kriterien festlegen müssen, anhand deren gefährdete Spielerinnen und Spieler frühzeitig erkannt werden können. Das Forschungsprojekt leistet damit einen Beitrag für einen effektiven Schutz der Spielerinnen und Spieler.

hidden

Fakten

Projektart

Forschung

Beteiligte interne Organisationen
  • Soziale Arbeit
  • Institut Sozialmanagement, Sozialpolitik und Prävention
  • CC Prävention und Gesundheit
Externe Projektpartner
  • Grand Casino Luzern AG
Finanzierung
  • Private / Stiftungen
  • Forschungsfinanzierung allgemein
hidden

Beteiligte Personen intern

Projektleiter/in
  • Suzanne Lischer
Projektmitarbeiter/in
  • Christian Dollfus
  • Halldór Janetzko
  • Remo Kälin
  • Michael Kaufmann
  • Philipp Meschenmoser
  • Jürg Schwarz
  • Gabriel Stechschulte
hidden

Beteiligte Personen extern

Externe Projektmitarbeiter/in
  • David Fenk
  • Malte Winter

Publikationen

  • Artikel, Rezension; not peer reviewed (1)

    • Lischer, Suzanne (2020). Die gesetzliche Grundlage für die Früherkennung von Spielerinnen und Spielern mit risikobehaftetem Spielverhalten_. ZfWG – Zeitschrift für Wett- und Glücksspielrecht, 15(1), 4-8.

Kurzinformation

Departement:

Soziale Arbeit

Status:

Abgeschlossen

Zeitraum:

01.10.2021 - 31.12.2022

Projektleitung

Prof. Dr. Suzanne Lischer

Dozentin und Projektleiterin

+41 41 367 48 35

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Facebook
  •  Instagram
  •  Twitter
  •  LinkedIn
  •  YouTube
  •  Flickr

Kontakt

Logo Hochschule Luzern

Hochschule Luzern


Werftestrasse 4
CH- 6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direkteinstieg

  • Studieninteressierte Bachelor
  • Studieninteressierte Master
  • Weiterbildungsinteressierte
  • Unternehmen & Institutionen
  • Medienschaffende
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Jobs & Karriere
  • Home
  • Räume mieten

Statische Links

  • Newsletter abonnieren
  • Datenschutzerklärung
  • Impressum
  • Institutionell akkreditiert nach HFKG 2019–2026
Logo Swissuniversities

QrCode

QrCode
Wir verwenden Cookies, um Ihnen eine optimale Nutzung der Website zu ermöglichen und um Ihnen auf unserer Website, auf anderen Websites und in sozialen Netzwerken personalisierte Werbung anzuzeigen. Indem Sie diesen Hinweis schliessen oder mit dem Besuch der Seite fortfahren, akzeptieren Sie die Verwendung von Cookies. Weitere Informationen zu diesen Cookies und wie Sie die Datenbearbeitung durch sie ablehnen können, finden Sie in unserer Datenschutzerklärung.
OK