Loading...
hidden

View Mobile version

Meta navigation

Startseite – Hochschule Luzern

Language selection and important links

  • Contents
  • Contact
  • Login
  • De
  • En
Search

Main navigation

School navigation

  • Engineering and Architecture
  • Business
  • Computer Science
  • Social Work
  • Art and Design
  • Music

Sub-navigation

  • Degree Programmes
  • Continuing Education
  • Research
  • International
  • Campus
  • About us
  • News

Sub-navigation

Breadcrumbs

  1. Research Research
  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.

Brief information

School:

Social Work

Status:

Completed

Period:

01.10.2021 - 31.12.2022

Overview

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

Facts

Type of project

Forschung

Internal organisations involved
  • Social Work
  • Institute of Social Management, Social Policy and Prevention
  • CC Prävention und Gesundheit
External project partner
  • Grand Casino Luzern AG
Funding
  • Private / Stiftungen
  • Forschungsfinanzierung allgemein
hidden

Persons involved: internal

Project manager
  • Suzanne Lischer
Member of project team
  • Christian Dollfus
  • Halldór Janetzko
  • Remo Kälin
  • Michael Kaufmann
  • Philipp Meschenmoser
  • Jürg Schwarz
  • Gabriel Stechschulte
hidden

Persons involved: external

External member of project team
  • David Fenk
  • Malte Winter

Publications

  • Article, review; 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.

Brief information

School:

Social Work

Status:

Completed

Period:

10/01/2021 - 12/31/2022

Project Head

Prof. Dr. Suzanne Lischer

Lecturer and Project Manager

+41 41 367 48 35

Show email

Footer(s)

FH Zentralschweiz

Social media links

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

Contact

Logo Lucerne University of Applied Sciences and Arts

Lucerne University of Applied Sciences and Arts


Werftestrasse 4
- 6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direct entry

  • A bachelor's degree –
  • A master's degree –
  • Prospective Students (Continuing & Executive Programmes)
  • Unternehmen & Institutionen
  • Media Relations
  • For Students
  • For Members of Staff

Quick link

  • People Finder
  • University Buildings & Campus Locations
  • News
  • Libraries
  • Events
  • Jobs & Karriere
  • Home
  • Hiring Rooms

Static links

  • Newsletter
  • Data protection notice
  • Publishing Acknowledgements
Logo Swissuniversities

QrCode

QrCode
We use cookies on this site to give you the best browsing experience. By continuing to navigate this site or closing this banner you accept this use of cookies. For more information please visit our privacy policy.
OK