Onderzoekers van ITMO University melden dat ze persoonlijkheidskenmerken zoals geslacht hebben voorspeld met behulp van gegevens van een online gamingplatform. Dit is een van de eerste onderzoeken naar machine learning die is toegepast op een grote hoeveelheid gamedata. De aanpak zou de persoonlijke spelaanbevelingssystemen kunnen verbeteren. Het kan ook worden gebruikt om gameverslaving te identificeren. De resultaten werden gepresenteerd op de AAAI Conference on Artificial Intelligence.

Videogames zijn stevig verankerd in de populaire cultuur, en het aantal online en offline producten voor gameplatforms groeit met de dag. Beurtelings, gebruikers genereren steeds meer data waarmee modellen van spelgedrag kunnen worden ontwikkeld of persoonlijke kenmerken kunnen worden vastgesteld. Dit is handig, bijvoorbeeld, voor vroege opsporing van gameverslaving, evenals voor marktonderzoek op het gebied van gaming.

Tot nu, het merendeel van het game-onderzoek werd handmatig gedaan op kleine datasets. Echter, om statistisch significante conclusies te trekken, het is noodzakelijk om grote data-arrays te analyseren. Wetenschappers van ITMO University en National University of Singapore behoren nu tot de eersten die hiervoor machine learning gebruiken. Met behulp van de gegevens die ze hebben verzameld over het gedrag van gebruikers van het Steam-gamingplatform en een speciaal ontwikkeld en getraind model, wetenschappers slaagden erin om het geslacht van de speler te voorspellen door het spelgedrag.

De database voor analyse is verzameld via de service Player.me , die informatie geeft over Steam en sociale media-accounts. Game-gegevens van gebruikers vergelijken met hun Twitter, Facebook- en Instagram-berichten, onderzoekers ontdekten verbanden tussen spelgedrag en persoonlijke kenmerken. Als resultaat, het model was gebaseerd op functies zoals tijd besteed aan het spel, prestaties, favoriete gamegenres, in-game betalingen, enzovoort.

"Het idee van mijn onderzoek is het gebruik van gamegegevens om menselijk gedrag in het echte leven te bestuderen. Sociale netwerken lijken een goede bron voor deze informatie. mensen denken na over hun gedrag in sociale netwerken:ze kiezen wat ze posten en verwijderen hun gedachten. Tegelijkertijd, tijdens het spelen van spelletjes, we gedragen ons zoals we in het echte leven zouden doen zonder veel na te denken. En nu, Ik heb kunnen bevestigen dat de spelgegevens gerelateerd zijn aan de echte kenmerken van mensen, " merkt Ivan Samborskii op, een afgestudeerde student aan de ITMO University.

Volgens de wetenschappers de analyse van spelgegevens kan helpen om de interesses te achterhalen, plaats, en demografie van gebruikers, evenals om te beoordelen hoeveel tijd een persoon bereid is te besteden aan games. Onderzoekers zullen werken aan het verbeteren van het resulterende model, voorspellingen over gebruikers nauwkeuriger maken. Ook, ze zijn van plan het model te gebruiken voor het voorspellen van de gameverslaving.

"Op het internet, de identiteit van de gebruiker is onbekend, en vaak, we kunnen alleen raden wie zich verbergt onder de avatar van de bijtende commentator of onder de bijnaam van het clanlid. Het is alleen mogelijk om de sluier op te lichten door indirecte tekens te analyseren, het online gedrag van de gebruiker. Bepalen wie er aan de andere kant van de monitor zit, is belangrijk, zowel voor de reuzen als Google, die de grootste winst behalen, het correct weergeven van advertenties, en naar kleine online winkels. Een belangrijke en interessante vraag die opkomt is welke data hiervoor voldoende is. In ons eerdere onderzoek hebben we gebruikten teksten, afbeeldingen, en zelfs geolocatie. Echter, het gedrag van de spelers wordt beschreven door een heel speciale taal van de uren die in games zijn doorgebracht en de behaalde prestaties."

"Ons onderzoek heeft aangetoond dat zelfs deze informatie voldoende is om het geslacht van de spelers te voorspellen. Zeker, we zullen niet stoppen bij deze ene functie, maar nu, we hebben eenvoudigweg aangetoond dat spelgedrag kan worden geanalyseerd en dat er goede voorspellende waarden kunnen worden verkregen. Naast de alomtegenwoordige personalisatie van advertenties, goede voorspellende modellen kunnen worden gebruikt in toegepast onderzoek:sociologisch, psychologisch, sport en medisch, " voegt Andrey Filchenkov toe, hoofd van de Machine Learning Group van het Computer Technologies-laboratorium aan de ITMO University.