Real-Time Prediction of Gamers Behavior Using Variable Order Markov and Big Data Technology: A Case of Study

Gómez, Alejandro Baldominos; Albacete, Esperanza; Merrero, Ignacio; Sáez, Yago

doi:10.9781/ijimai.2016.367

Cited by 7 publications

(3 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Extraction of game dynamics will be based on pattern recognition, utilizing Markov Model-like pattern matching applied to Machine Learning [15], and used for video games design [17,43]. Thus, we will be able to spot game dynamics inside the complete database of the synthetic player's actions, classified through time.…”

Section: Game Experience Evaluation Pipelinementioning

confidence: 99%

Automated Evaluation of Game Experience based on Game Dynamics and Motives for Play

Constant

Levieux

2022

Extended Abstracts of the Annual Symposium on Computer-Human Interaction in Play

View full text Add to dashboard Cite

This paper describes an automated evaluation of the overall game experience using a synthetic agent, that we contextualize for First-Person Shooter games. This evaluation method is based on the characterization of the game experience through dynamics of major FPS games. We define dynamics as sequences of events that are meaningful for the player during the game session. As they trigger players' emotional responses, and influence their overall enjoyment and motivation, we classify them according to Motives for Play like curiosity, thrill-seeking, problem-solving, victory, and acquisition, in order to facilitate the evaluation process. Based on that, our evaluation method proposes to select synthetic agent routines that target a distinct game experience while playing a game session, using a selection of game dynamics. As the agent navigates through the level and interacts with opponents, dynamics may occur and, if so, are automatically identified, and then classified as Motives for Play. In the end, this classification can be used to evaluate the game experience and the quality of the level itself during playtesting sessions. It may also be utilized to assist the procedural generation of any level that target a specific game experience.CCS Concepts: • Human-centered computing → User models; • Applied computing → Computer games; Psychology.

show abstract

Section: Game Experience Evaluation Pipelinementioning

confidence: 99%

Automated Evaluation of Game Experience based on Game Dynamics and Motives for Play

Constant

Levieux

2022

Extended Abstracts of the Annual Symposium on Computer-Human Interaction in Play

View full text Add to dashboard Cite

show abstract

“…In many cases, these techniques allow us to analyse the users' behaviour with the objective of predicting their future behaviour or discovering their tastes. For example, Baldominos et al [4] try to predict gamers' behaviour in commercial video games using the Variable-Order Markov Model (VOM) and Big Data.…”

Section: Introductionmentioning

confidence: 99%

A recommender system based on implicit feedback for selective dissemination of ebooks

Núñez‐Valdéz

Quintana

Crespo

et al. 2018

Information Sciences

View full text Add to dashboard Cite

In this study, we describe a recommendation system for electronic books. The approach is based on implicit feedback derived from user's interaction with electronic content. User's behavior is tracked through several indicators that are subsequently used to feed the recommendation engine. This component then provides an explicit rating for the material interacted with. The role of this engine could be modeled as a regression task where content is rated according to the mentioned indicators. In this context, we benchmark twelve popular machine learning algorithms to perform this final function and evaluate the quality of the output provided by the system.

show abstract

“…Αυτά αποτελούν πολύτιμο υλικό για την εξόρυξη γνώσης η οποία μπορεί να συνεισφέρει στην επίλυση προβλημάτων στον επιχειρηματικό κόσμο (Εικόνα 11). (Baldominos, Albacete, Merrero, & Saez, 2016). (Loh, Sheng, & Ifenthaler, 2015).…”

Section: βέβαια αρκετές από αυτές τις πρακτικές αν και υπάρχουν στα περισσότερα Videounclassified

Χρήση Τεχνικών Εξόρυξης Γνώσης Στον Σχεδιασμό Παιχνιδοποιημένων Εφαρμογών

Tatsiopoulou¹

View full text Add to dashboard Cite

Το θέμα που πραγματεύεται η παρούσα Διδακτορική Διατριβή είναι η μελέτη των επιλογών στην συμπεριφορά ενός ανθρώπου, χρήστη μιας πληροφοριακής πλατφόρμας η οποία βασίζεται στην μεθοδολογία gamification (παιχνιδοποίηση). Το πρόβλημα προσεγγίζεται εξετάζοντας την συμπεριφορά του χρήστη ενός ηλεκτρονικού παίγνιου, μέσα από τις επιλογές του σε μία τέτοιου είδους εφαρμογή, και στην συνέχεια εφαρμόζοντας τεχνικές Εξόρυξης Γνώσης για την εξαγωγή συμπερασμάτων, ώστε η ερμηνεία τους και η απεικόνισή τους σε σενάρια να χρησιμοποιηθούν ως μεθοδολογία παιχνιδοποίησης. Αυτό μπορεί να οδηγήσει τον κάθε φορά σχεδιαστή μίας παιχνιδοποιημένης εφαρμογής στην υλοποίηση σεναρίων τα οποία μπορούν να δράσουν ενθαρρυντικά σε συγκεκριμένες επιλογές του χρήστη, προς επίτευξη συγκεκριμένων στόχων που έχουν τεθεί στην εφαρμογή αυτή και που χωρίς την ύπαρξη της προτεινόμενης μεθοδολογίας, αν όχι συνολικά τουλάχιστον σε μεγάλο μέρος και για διάφορους λόγους (εξωγενείς ή μη του συστήματος), πιθανόν να μην είχαν επιτευχθεί. Η μεθοδολογία που αναπτύχθηκε στην παρούσα Διδακτορική Διατριβή, είναι έτσι σχεδιασμένη, ώστε να μπορεί να υλοποιηθεί σε οποιοδήποτε υπολογιστικό περιβάλλον λογισμικού και υλικού. Προϋπόθεση για αυτό είναι το λογισμικό στο οποίο αυτή πρόκειται να εφαρμοστεί να βασίζεται στις αρχές της γενικότερης μεθοδολογίας της παιχνιδοποίησης (gamification). Η μεθοδολογία βασίζεται στην ανάλυση μεγάλων αρχείων καταγραφής (log files) των ενεργειών των χρηστών, που θα πρέπει να παράγονται από τα προς ανάλυση ηλεκτρονικά παίγνια. Σκοπός αυτής της ανάλυσης, είναι να εξευρεθούν συχνές συσχετίσεις επιλογών, σαν ολοκληρωμένα μοτίβα, τα οποία είναι αδύνατο, λόγω του πολύ μεγάλου όγκου δεδομένων, να τα εντοπίσει ο άνθρωπος πολύ δε περισσότερο να τα συσχετίσει και να εξάγει συμπεράσματα. Τα μοτίβα αυτά, αφού εμπεριέχουν γνώση της συμπεριφοράς του χρήστη ηλεκτρονικών παίγνιων, μπορούν να βοηθήσουν στον σχεδιασμό μίας παιχνιδοποιημένης εφαρμογής ώστε να καθοδηγεί αποτελεσματικά τους χρήστες της σε συγκεκριμένα μονοπάτια επιλογών, έτσι ώστε να επιτευχθεί ο στόχος της (για εκπαίδευση, κατάρτιση, ευαισθητοποίηση, ενημέρωση, πιστοποίηση, κλπ.). Η μεθοδολογία που αναπτύχθηκε στο πλαίσιο της παρούσας Διδακτορικής Διατριβής, είναι εφαρμόσιμη σε διάφορα πεδία εφαρμογών, όπως στο marketing όπου μπορούν να αναπτύσσονται συστήματα προώθησης προϊόντων/υπηρεσιών σε παιχιδοποιημένα περιβάλλοντα. Σε αυτές τις περιπτώσεις η εφαρμογή ενός τέτοιου συστήματος, βασισμένου στην συγκεκριμένη μεθοδολογία, θα επιτύγχανε προφανώς μέγιστα αποτελέσματα μέσω καθοδηγημένης προώθησης αυτών. Ένας άλλος πολύ σημαντικός τομέας εφαρμογής είναι αυτός του e-learning σε παιχιδοποιημένα περιβάλλοντα, έτσι ώστε να προωθεί στον χρήστη συγκεκριμένα σενάρια, ανάλογα με το συμπεριφορικό του προφίλ, προκειμένου τελικά ο χρήστης να επιτύχει τους στόχους μάθησης που του έχουν τεθεί (learning objectives). Τέλος, είναι σημαντικό να επισημανθεί η έλλειψη μεθοδολογίας σχεδιασμού παιχνιδοποιημένων εφαρμογών, γενικά. Mε αποτέλεσμα, μέχρι σήμερα, να γίνεται o σχεδιασμός αποκλειστικά εμπειρικά, χωρίς να βασίζεται σε αποτελέσματα αξιολόγησης των υφιστάμενων λύσεων και της δυνατότητας επαναχρησιμοποίησης αυτών. Η διατριβή προτείνει ένα μεθοδολογικό πλαίσιο (EYRISKO) που αποτελεί μία πρόταση θεωρητικής θεμελίωσης του σχεδιασμού νέων παιχνιδοποιημένων εφαρμογών για διαφορετικά πεδία.

show abstract

Real-Time Prediction of Gamers Behavior Using Variable Order Markov and Big Data Technology: A Case of Study

Cited by 7 publications

References 26 publications

Automated Evaluation of Game Experience based on Game Dynamics and Motives for Play

Automated Evaluation of Game Experience based on Game Dynamics and Motives for Play

A recommender system based on implicit feedback for selective dissemination of ebooks

Χρήση Τεχνικών Εξόρυξης Γνώσης Στον Σχεδιασμό Παιχνιδοποιημένων Εφαρμογών

Contact Info

Product

Resources

About