Onlinespillere giver lektioner i den virkelige verden i kritisk teamwork

Førstehjælpere, katastrofehjælpspersonale, og medlemmer af militæret er afhængige af deres holdkammerater for at lykkes med deres mission; imidlertid, de høje omkostninger ved dataindsamling har gjort det vanskeligt at forstå teamdynamikken. Nyligt arbejde fra forskere ved Rensselaer Polytechnic Institute viser, hvordan data fra onlinespil kan hjælpe med at give meningsfuld indsigt.

Ved at bruge data fra League of Legends, et af verdens mest populære online rollespil, forskerne har brugt big data-teknikker til at udvikle modeller, der afslører, hvordan teammedlemskab, arbejdshistorie, og andre faktorer påvirker præstationsresultater.

Disse fund, som for nylig blev offentliggjort i Proceedings of the Human Factors and Ergonomics Society Årsmøde , har brede og kritiske implikationer. Dataene – på hundredtusindvis af kampe spillet af cirka 100, 000 hold - har givet forskerne mulighed for at bygge og teste avancerede statistiske modeller og udforske komplekse metodiske udfordringer i studiet af teamwork.

Deres forskning i League of Legends er rettet mod at bestemme, hvordan man bedst kan måle og overvåge individuelle teammedlemmer for at forbedre ydeevne og læring over tid, især når det kommer til mere kritiske situationer.

"Vores tilgang sætter os i stand til at stille spørgsmål, som er ekstremt svære at stille i 'levende' miljøer såsom militær kamp, " sagde David Mendonca, en lektor i industri- og systemteknik ved Rensselaer, som er en af ​​de ledende efterforskere på projektet. "Data om teamwork i dette omfang og omfang er simpelthen ikke let tilgængelige."

Med League of Legends data, omhyggeligt kompileret fra offentligt tilgængelige kilder, forskerne var i stand til at teste deres instrumentering og designe deres undersøgelser for at forbedre dataindsamlingen i en høj-stakes indstilling.

Typisk, Mendonca sagde, det er svært at udføre disse typer af teamstudier, fordi der er brug for et stort antal forskningspersoner for at få nok data. Teammedlemmer også, ideelt set, skal have arbejdet sammen før, for at forskere kan udforske deres adfærd over tid. League of Legends-datasættet indeholder tusindvis af eksempler på hold, hvis medlemmer har spillet hundredvis af spil sammen.

"Vi forsøger at forstå processer med læring og tilpasning, især når hold udsættes for uforudsete eller usædvanlige hændelser, såsom tab af teammedlemmer, sagde Mendonca.

Denne nye artikel bygger på tidligere forskning udført af Mendonca og Wayne Gray, professor i kognitiv videnskab ved Rensselaer, samt Joshua Eaton, en ph.d.-studerende i industri- og systemteknik ved Rensselaer. De fandt tidligere ud af, at der er kritiske positioner inden for et team, som kan påvirke en gruppes mål væsentligt. For eksempel, når en spiller, der udfylder en kritisk position, er "ned, " Negative begivenheder i spillet stiger for deres hold.

Mendonca og Eaton fandt også ud af, at hvis teammedlemmer er bekendt med deres position, det kan positivt påvirke effektiviteten af ​​et team. Hvad denne forskning har muliggjort, er udviklingen af ​​målinger, der vil tillade Mendonca og hans team at forsøge at besvare en af ​​deres kørsel, og kompleks, spørgsmål:Hvad er effekten af ​​omsætning, og hvordan kan de måle det?

Office of Naval Research støtter dette arbejde gennem en bevilling, som Gray er den primære efterforsker for. Han karakteriserer den overordnede indsats som at forsøge at finde "jeget" i "holdet".

"Kan vi finde den enkeltes bidrag i et team?" sagde Gray, hvis arbejde med præstation i single-player spil, ligesom Tetris, har ført til banebrydende opdagelser om læring af eksperter.

Ultimativt, dette arbejde er stærkt fokuseret på at afdække, hvilke metrics der er mest meningsfulde at måle, og hvordan man indsamler information, som vil vise sig nyttig i yderligere undersøgelser. Med disse resultater i hånden, Mendonca sagde, efterfølgende forskning forventes at undersøge tidspunktet for genbemanding i militære og andre organisationer for at understøtte præstationer.