論文の概要: Recognizing Affiliation: Using Behavioural Traces to Predict the Quality
of Social Interactions in Online Games
- arxiv url: http://arxiv.org/abs/2003.03438v1
- Date: Fri, 6 Mar 2020 20:56:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 01:57:53.901000
- Title: Recognizing Affiliation: Using Behavioural Traces to Predict the Quality
of Social Interactions in Online Games
- Title（参考訳）: 関係の認識:行動トレースを用いてオンラインゲームにおける社会的相互作用の質を予測する
- Authors: Julian Frommel, Valentin Sagl, Ansgar E. Depping, Colby Johanson,
Matthew K. Miller, Regan L. Mandryk
- Abstract要約: 我々は、オンラインゲーム環境でのソーシャルな交流を通じて、ディヤドの見知らぬ人との親和性を予測するために行動トレースを使用する。
我々は23のダイアドから音声、ビデオ、ゲーム内、および自己報告データを収集し、75の特徴を抽出し、ランダムフォレストとサポートベクターマシンモデルを訓練し、その性能予測バイナリ(ハイ/ロー)とパートナーへの継続的なアフィリエイトを評価した。
本研究は,マルチプレイヤーゲームやゲームコミュニティの設計について報告し,オンラインゲームにおける有害行為を軽減・軽減するためのシステム開発を指導するものである。
- 参考スコア（独自算出の注目度）: 26.131859388185646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online social interactions in multiplayer games can be supportive and
positive or toxic and harmful; however, few methods can easily assess
interpersonal interaction quality in games. We use behavioural traces to
predict affiliation between dyadic strangers, facilitated through their social
interactions in an online gaming setting. We collected audio, video, in-game,
and self-report data from 23 dyads, extracted 75 features, trained Random
Forest and Support Vector Machine models, and evaluated their performance
predicting binary (high/low) as well as continuous affiliation toward a
partner. The models can predict both binary and continuous affiliation with up
to 79.1% accuracy (F1) and 20.1% explained variance (R2) on unseen data, with
features based on verbal communication demonstrating the highest potential. Our
findings can inform the design of multiplayer games and game communities, and
guide the development of systems for matchmaking and mitigating toxic behaviour
in online games.
- Abstract（参考訳）: マルチプレイヤーゲームにおけるオンラインソーシャルインタラクションは、サポート的で、ポジティブ、有害、有害であるが、ゲームにおける対人インタラクションの品質を容易に評価できる方法はほとんどない。
我々は、オンラインゲーム環境でのソーシャルな交流を通じて、ディヤドの見知らぬ人の関係を予測するために行動トレースを使用する。
23dyadから音声,ビデオ,ゲーム内,自己報告データを収集し,75の機能抽出,ランダムフォレストおよびサポートベクターマシンモデルの訓練を行い,その性能予測(高/低)とパートナーへの継続的な親和性を評価した。
これらのモデルは、最大79.1%の精度(F1)と20.1%の説明されたばらつき(R2)でバイナリと連続のアフィリエイトを予測できる。
本研究は,マルチプレイヤーゲームやゲームコミュニティの設計に影響を与え,オンラインゲームにおける有害な行動の防止とマッチングシステムの開発を指導する。
関連論文リスト
- Assessing the Impact of Personality on Affective States from Video Game
Communication [17.01727448431269]
個性の違いは、私たちの好み、特徴、価値観を決定する。
本研究では,チームベースの協調現実ゲームにおけるプレイヤーが感情的に自己表現する傾向に及ぼす個性の影響について検討する。
論文 参考訳（メタデータ） (2023-09-22T23:24:37Z) - Modeling Player Personality Factors from In-Game Behavior and Affective
Expression [17.01727448431269]
我々は,記録されたゲーム内行動から,一連のプレイヤパーソナリティアンケート値を予測する可能性を探る。
ロールプレイングゲーム『Fallout: New Vegas』のカスタマイズ版を60分間のゲームプレイで62人を対象に,定評ある7つの質問紙から,さまざまなパーソナリティ指標を予測した。
論文 参考訳（メタデータ） (2023-08-27T22:59:08Z) - Leveraging Implicit Feedback from Deployment Data in Dialogue [83.02878726357523]
本研究では,ユーザ間の自然な対話とデプロイモデルから学習することで,社会的会話エージェントの改善について検討する。
我々は、ユーザ応答長、感情、未来の人間の発話の反応などの信号を、収集された対話エピソードで活用する。
論文 参考訳（メタデータ） (2023-07-26T11:34:53Z) - Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。
提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
論文 参考訳（メタデータ） (2022-08-22T14:06:06Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳（メタデータ） (2022-06-01T00:45:32Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Player Modeling using Behavioral Signals in Competitive Online Games [4.168733556014873]
本稿では,マッチング作成のためのプレイヤーのモデリングにおいて,演奏行動の異なる側面に対処することの重要性に焦点をあてる。
75,000以上のバトルロイヤルマッチのデータセットからいくつかの行動特性を設計し、プレイヤーモデルを作成しました。
次に、作成したモデルを使用して、データ内のさまざまなプレイヤーのグループのランクを予測します。
論文 参考訳（メタデータ） (2021-11-29T22:53:17Z) - Cheating in online gaming spreads through observation and victimization [2.7739004171676904]
オンラインマルチプレイヤーファーストパーソンシューティングゲームの100万試合以上における不正行為の拡散について検討した。
我々は、不正行為を観察し経験している人々にとって、社会的伝染は存在する可能性が高いことに気付きました。
論文 参考訳（メタデータ） (2020-03-24T22:38:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。