Spiladfærd kan give et hint om spillerens køn

Forskere fra ITMO University rapporterer, at de har forudsagt personlighedstræk såsom køn ved hjælp af data fra en online spilleplatform. Dette er en af ​​de første undersøgelser af maskinlæring anvendt på en stor mængde spildata. Tilgangen kunne forbedre personlige spilanbefalingssystemer. Det kan også bruges til at identificere spilafhængighed. Resultaterne blev præsenteret på AAAI-konferencen om kunstig intelligens.

Videospil er solidt etableret i populærkulturen, og antallet af online og offline produkter til spilleplatforme vokser dag for dag. På tur, brugere genererer stigende mængder af data, der kan bruges til at udvikle modeller for spiladfærd eller til at bestemme personlige karakteristika. Dette er nyttigt, for eksempel, til tidlig opdagelse af spilafhængighed, samt til markedsføringsforskning inden for spilområdet.

Indtil nu, størstedelen af ​​spilforskningen blev udført manuelt på små datasæt. Imidlertid, for at drage statistisk signifikante konklusioner, det er nødvendigt at analysere store dataarrays. Forskere fra ITMO University og National University of Singapore er nu blandt de første, der bruger maskinlæring til dette. Ved at bruge de data, de indsamlede om Steam-spilplatformens brugeradfærd og en specielt udviklet og trænet model, videnskabsmænd formåede at forudsige spillerens køn ved spiladfærd.

Databasen til analyse er indsamlet fra tjenesten Player.me , som giver oplysninger om Steam og konti på sociale medier. Sammenligning af brugerspildata med deres Twitter, Facebook og Instagram opslag, forskere opdagede sammenhænge mellem spiladfærd og personlige egenskaber. Som resultat, modellen var bygget på funktioner som tid brugt på spillet, præstationer, foretrukne spilgenrer, betalinger i spillet, etc.

"Idéen med min forskning er at bruge spildata til at studere menneskelig adfærd i det virkelige liv. Sociale netværk ser ud til at være en god kilde til denne information. folk tænker over deres adfærd i sociale netværk:de vælger, hvad de vil poste og luger deres tanker ud. På samme tid, mens du spiller spil, vi opfører os, som vi ville i det virkelige liv uden at tænke meget. Og nu, Det er lykkedes mig at bekræfte, at spildataene er relateret til menneskers virkelige karakteristika, " bemærker Ivan Samborskii, en kandidatstuderende ved ITMO University.

Ifølge forskerne, spildataanalysen kan hjælpe med at finde ud af interesserne, Beliggenhed, og demografi af brugere, samt at vurdere hvor meget tid en person er villig til at bruge på spil. Forskere vil arbejde på at forbedre den resulterende model, gør forudsigelser om brugere mere nøjagtige. Også, de planlægger at vedtage modellen for forudsigelse af spilafhængighed.

"På internettet, brugerens identitet er ukendt, og ofte, vi kan kun gætte, hvem der gemmer sig under den kaustiske kommentators avatar eller under klanmedlemmets kaldenavn. Det er kun muligt at løfte sløret ved at analysere indirekte tegn, brugerens onlineadfærd. Det er vigtigt at bestemme, hvem der er på den anden side af skærmen, både til giganter som Google, hvem får hovedfortjenesten, korrekt visning af reklamer, og til små netbutikker. Et vigtigt og interessant spørgsmål, der rejser sig, er, hvilke data der er tilstrækkelige til dette. I vores tidligere forskning, vi brugte tekster, billeder, og endda geolocation. Imidlertid, spillernes adfærd er beskrevet af et helt særligt sprogbrug af timer brugt i spil og opnåede præstationer."

"Vores forskning har vist, at selv denne information er nok til at forudsige spillernes køn. Helt sikkert, vi stopper ikke ved denne enkelte funktion, men nu, vi har simpelthen vist, at spiladfærd kan analyseres og gode forudsigende værdier kan opnås. Ud over den allestedsnærværende reklamepersonalisering, gode prædiktive modeller kan bruges i anvendt forskning:sociologiske, psykologisk, sport og medicin, " tilføjer Andrey Filchenkov, leder af Machine Learning Group i Computer Technologies laboratoriet på ITMO University.