センサデータと機械学習を用いたビデオゲームプレーヤバーンアウトの検出【JST・京大機械翻訳】

Smerdov Anton; Somov Andrey; Burnaev Evgeny; Zhou Bo; Lukowicz Paul

プレプリント

J-GLOBAL ID：202202211368204345 整理番号：21P0065704

センサデータと機械学習を用いたビデオゲームプレーヤバーンアウトの検出【JST・京大機械翻訳】

Detecting Video Game Player Burnout with the Use of Sensor Data and Machine Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年11月29日プレプリントサーバーでの情報更新日： 2021年08月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

eSportにおける現在の研究は,適切なゲーム実践と性能解析のツールを欠いている。事前作業の大半は,より良い実行方法に関するプレーヤーを助言するためのゲーム内データにのみ依存した。しかし,ゲーム内ログ上でのみ訓練されたモデルの寿命を制限する新しいパッチによって,ゲーム力学と傾向が頻繁に変化する。本論文では,プレーヤーが今後の遭遇するかどうかを予測するためのセンサデータ解析に基づく方法を提案した。センサデータは,LegendsビデオゲームのLeagueにおける22のマッチにおける10人の参加者から収集した。著者らは,プレーヤーが,将来においていくつかの固定時間の後,遭遇するかどうかを予測するために,変換機とゲート再電流ユニットを含む機械学習モデルを訓練した。10秒の予測水平変圧器ニューラルネットワークアーキテクチャはROC AUCスコア0.706を達成した。このモデルは,73.5%の精度で88.3%のケースで10秒で遭遇する遭遇を失うことを予測可能な検出器にさらに開発した。これはプレーヤーバーンアウトまたは疲労検出器として使用され,プレイヤーを後退させる。また,生理学的特徴が,次のゲームの遭遇を勝るか,失う機会に影響を及ぼすかを調査した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

前のページに戻る