論文の概要: Leveraging Cluster Analysis to Understand Educational Game Player Experiences and Support Design

• arxiv url: http://arxiv.org/abs/2210.09911v1
• Date: Tue, 18 Oct 2022 14:51:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 16:16:32.266956
• Title: Leveraging Cluster Analysis to Understand Educational Game Player Experiences and Support Design
• Title（参考訳）: クラスタ分析の活用によるゲームプレイ体験の理解と支援設計
• Authors: Luke Swanson, David Gagnon, Jennifer Scianna, John McCloskey, Nicholas Spevacek, Stefan Slater, Erik Harpstead
• Abstract要約: 教育ゲームデザイナが観客のプレイスタイルを理解する能力は、ゲームデザインを改善する上で不可欠なツールである。 我々は,データクラスタリングのベストプラクティスを用いて,小さな教育ゲームスタジオ内での使用が可能な,シンプルで再利用可能なプロセスを提案する。
• 参考スコア（独自算出の注目度）: 3.07869141026886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability for an educational game designer to understand their audience's play styles and resulting experience is an essential tool for improving their game's design. As a game is subjected to large-scale player testing, the designers require inexpensive, automated methods for categorizing patterns of player-game interactions. In this paper we present a simple, reusable process using best practices for data clustering, feasible for use within a small educational game studio. We utilize the method to analyze a real-time strategy game, processing game telemetry data to determine categories of players based on their in-game actions, the feedback they received, and their progress through the game. An interpretive analysis of these clusters results in actionable insights for the game's designers.
• Abstract（参考訳）: 教育ゲームデザイナーが観客のプレイスタイルや体験を理解する能力は、ゲーム設計を改善する上で不可欠なツールである。 ゲームは大規模なプレイヤーテストを受けるため、デザイナーはプレイヤーとゲームの相互作用のパターンを分類する安価な自動化手法を必要とする。 本稿では,小規模の教育用ゲームスタジオで使用可能な,データクラスタリングのためのベストプラクティスを用いた,簡易かつ再利用可能なプロセスを提案する。 本手法は,リアルタイム戦略ゲームの解析,ゲームテレメトリデータの処理,ゲーム内アクション,受信したフィードバック,ゲームを通しての進捗状況に基づいて,プレイヤーのカテゴリを決定する。 これらのクラスターの解釈分析は、ゲームの設計者に実行可能な洞察をもたらす。

関連論文リスト

• Level Up Your Tutorials: VLMs for Game Tutorials Quality Assessment [4.398130586098371]
  チュートリアルの有効性を評価するには、ゲームに関する事前の知識を持たないテスタとの繰り返しが必要になります。 近年の視覚言語モデル (VLM) は視覚内容の理解と解釈において重要な機能を示している。 本稿では,ゲームチュートリアルの品質を評価するための自動ゲームテストソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-15T19:46:21Z)
• The Ink Splotch Effect: A Case Study on ChatGPT as a Co-Creative Game Designer [2.778721019132512]
  本稿では,大規模言語モデル(LLM)がゲームデザインにおいて,より効果的でハイレベルな創造的コラボレータや「マウス」として機能するかを考察する。 私たちのゴールは、AIアシスタントが人間のデザイナーによって実現された創造的な意図と比較して、ゲームに取って代わる品質を向上、妨げ、提供できるかどうかを判断することです。
  論文  参考訳（メタデータ） (2024-03-04T20:14:38Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• Beyond the Meta: Leveraging Game Design Parameters for Patch-Agnostic Esport Analytics [4.1692797498685685]
  スポーツゲームは世界のゲーム市場の相当な割合を占めており、ゲームの中では最速の成長セグメントである。 伝統的なスポーツと比較して、エスポートのタイトルは、メカニックやルールの観点から急速に変化する。 本稿では,ゲームデザイン(パッチノートなど)から情報を抽出し,クラスタリング手法を用いて文字表現の新たな形式を提案する。
  論文  参考訳（メタデータ） (2023-05-29T11:05:20Z)
• A Pilot Study on Teacher-Facing Real-Time Classroom Game Dashboards [0.0]
  教師向けリアルタイムゲームデータダッシュボードにおける参加型デザインプロセスの結果について述べる。 本ツールを用いた教師の体験を理解するために,ゲーム後調査とインタビューデータを分析した。
  論文  参考訳（メタデータ） (2022-10-17T20:44:07Z)
• CCPT: Automatic Gameplay Testing and Validation with Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
  Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。 CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
  論文  参考訳（メタデータ） (2022-02-21T09:08:33Z)
• SuSketch: Surrogate Models of Gameplay as a Design Assistant [1.9222706856050082]
  本稿では,一対一のシューティングレベルの設計ツールであるsusketchを紹介する。 SuSketchは、特定のキャラクタークラスの2人の競合プレイヤーのゲームプレイ予測をデザイナーに提供します。 インターフェイスにより、デザイナーは人工的にインテリジェントなクリエイターと並んで作業できます。 16人のゲーム開発者によるユーザー調査では、このツールは使いやすく、SuSketchをよりアクセスしやすく説明しやすくする必要性を強調しました。
  論文  参考訳（メタデータ） (2021-03-22T11:05:27Z)
• An Empirical Study on the Generalization Power of Neural Representations Learned via Visual Guessing Games [79.23847247132345]
  本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。 提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
  論文  参考訳（メタデータ） (2021-01-31T10:30:48Z)
• Deep Reinforcement Learning with Stacked Hierarchical Attention for Text-based Games [64.11746320061965]
  自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。 エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。 提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-10-22T12:40:22Z)
• Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
  本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。 本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
  論文  参考訳（メタデータ） (2020-04-08T14:11:05Z)
• Exploration Based Language Learning for Text-Based Games [72.30525050367216]
  本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。 テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。 これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
  論文  参考訳（メタデータ） (2020-01-24T03:03:51Z)

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。