論文の概要: Individual and Collective Performance Deteriorate in a New Team: A Case
Study of CS:GO Tournaments
- arxiv url: http://arxiv.org/abs/2205.09693v1
- Date: Thu, 19 May 2022 16:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:04:57.260009
- Title: Individual and Collective Performance Deteriorate in a New Team: A Case
Study of CS:GO Tournaments
- Title(参考訳): 新しいチームにおける個人的・集団的パフォーマンス劣化:CS:GOトーナメントを事例として
- Authors: Weiwei Zhang, Goran Muric, Emilio Ferrara
- Abstract要約: 本研究の目的は,eスポーツトーナメントにおけるチーム変更が個人的,集団的パフォーマンスに与える影響に答えることである。
人気1人シューティングゲームのプロトーナメントのデータを収集した。
選手が新しいチームに転向した後、個人と集団のパフォーマンスが低下し、徐々に回復した。
- 参考スコア(独自算出の注目度): 11.86905804972623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: How does the team formation relates to team performance in professional video
game playing? This study examined one aspect of group dynamics - team switching
- and aims to answer how changing a team affects individual and collective
performance in eSports tournaments. In this study we test the hypothesis that
switching teams can be detrimental to individual and team performance both in
short term and in a long run. We collected data from professional tournaments
of a popular first-person shooter game {\itshape Counter-Strike: Global
Offensive (CS:GO)} and perform two natural experiments. We found that the
player's performance was inversely correlated with the number of teams a player
had joined. After a player switched to a new team, both the individual and the
collective performance dropped initially, and then slowly recovered. The
findings in this study can provide insights for understanding group dynamics in
eSports team play and eventually emphasize the importance of team cohesion in
facilitating team collaboration, coordination, and knowledge sharing in
teamwork in general.
- Abstract(参考訳): プロのビデオゲームにおけるチーム構成はチームのパフォーマンスにどのように関係しますか?
本研究では,グループダイナミクスの1つの側面として,チーム変更がeスポーツトーナメントにおける個人的,集団的パフォーマンスに与える影響について考察した。
本研究では,チームの切り替えが短期的および長期的に個人とチームのパフォーマンスに有害である,という仮説を検証した。
人気のあるファーストパーソンシューティングゲーム『itshape counter-strike: global offensive』(cs:go)のプロトーナメントのデータを収集し、2つの自然実験を行った。
選手のパフォーマンスは,選手が参加したチーム数と逆相関していることがわかった。
プレイヤーが新しいチームに切り替えた後、個人と集団のパフォーマンスは当初低下し、その後ゆっくりと回復した。
この研究の知見は、eスポーツチームプレイにおけるグループのダイナミクスを理解するための洞察を提供し、最終的にはチームワーク全般におけるチームのコラボレーション、調整、知識共有を促進する上で、チームの結束の重要性を強調します。
関連論文リスト
- All by Myself: Learning Individualized Competitive Behaviour with a
Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。
本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。
我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文 参考訳(メタデータ) (2023-10-02T08:11:07Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳(メタデータ) (2023-03-17T01:13:18Z) - Informational Diversity and Affinity Bias in Team Growth Dynamics [6.729250803621849]
情報多様性の利点は親和性バイアスと緊張関係にあることを示す。
本結果は,情報多様性を促進するためのユーティリティベースのモチベーションの基本的な制限を定式化した。
論文 参考訳(メタデータ) (2023-01-28T05:02:40Z) - Group Activity Recognition in Basketball Tracking Data -- Neural
Embeddings in Team Sports (NETS) [10.259254824702554]
チームスポーツにおけるグループ活動認識(GAR)のための新しい深層学習手法である.NETSを提案する。
NBAの632試合の大規模追跡データを用いて,そのアプローチを評価した。
以上の結果から,NETS はグループ活動の学習を高い精度で行うことができ,自己指導と弱監督の訓練が GAR の精度に肯定的な影響を与えることが示唆された。
論文 参考訳(メタデータ) (2022-08-31T01:22:38Z) - 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) - Team Power and Hierarchy: Understanding Team Success [11.09080707714613]
本研究は,コンピュータ科学分野におけるチームパワーとチームの成功との関係を深く検討する。
4,106,995のCSチームを分析することで、フラットな構造を持つハイパワーチームが最高のパフォーマンスを持つことがわかりました。
逆に、階層構造を持つ低パワーチームは、チームのパフォーマンスのファシリテータです。
論文 参考訳(メタデータ) (2021-08-09T15:10:58Z) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳(メタデータ) (2021-05-25T20:17:10Z) - Who/What is My Teammate? Team Composition Considerations in Human-AI
Teaming [1.3477333339913569]
本稿では,チームパフォーマンスやチーム状況の認識,チーム認知など,人間とAIのコラボレーションに欠かせない側面について考察する。
認識されたチームの認知は、人間のみのチームで最も高く、混合構成チームは、全チームの58%以下で認識されたチームの認知を報告した。
論文 参考訳(メタデータ) (2021-05-23T19:06:18Z) - Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team
Composition [88.26752130107259]
現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。
この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。
1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
論文 参考訳(メタデータ) (2021-05-18T17:27:37Z) - Evaluating and Rewarding Teamwork Using Cooperative Game Abstractions [103.3630903577951]
我々は、協調ゲーム理論を用いて、プロスポーツから、人工RLエージェントのチームと現実世界のチームを研究する。
データからCFを推定するための協調ゲーム抽象化(CGA)と呼ばれるパラメトリックモデルを導入する。
CGAモデルに対する識別結果とサンプル境界の複雑さと、CGAを用いたShapley値の推定における誤差境界を提供する。
論文 参考訳(メタデータ) (2020-06-16T22:03:36Z)
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。