論文の概要: Modeling Player Personality Factors from In-Game Behavior and Affective
Expression
- arxiv url: http://arxiv.org/abs/2308.14224v1
- Date: Sun, 27 Aug 2023 22:59:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 16:04:49.950873
- Title: Modeling Player Personality Factors from In-Game Behavior and Affective
Expression
- Title（参考訳）: ゲーム内行動と感情表現からプレイヤーの性格要因をモデル化する
- Authors: Reza Habibi, Johannes Pfau, Magy Seif El-Nasr
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.01727448431269
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing a thorough understanding of the target audience (and/or single
individuals) is a key factor for success - which is exceptionally important and
powerful for the domain of video games that can not only benefit from informed
decision making during development, but ideally even tailor game content,
difficulty and player experience while playing. The granular assessment of
individual personality and differences across players is a particularly
difficult endeavor, given the highly variant human nature, disagreement in
psychological background models and because of the effortful data collection
that most often builds upon long, time-consuming and deterrent questionnaires.
In this work, we explore possibilities to predict a series of player
personality questionnaire metrics from recorded in-game behavior and extend
related work by explicitly adding affective dialog decisions to the game
environment which could elevate the model's accuracy. Using random forest
regression, we predicted a wide variety of personality metrics from seven
established questionnaires across 62 players over 60 minute gameplay of a
customized version of the role-playing game Fallout: New Vegas. While some
personality variables could already be identified from reasonable underlying
in-game actions and affective expressions, we did not find ways to predict
others or encountered questionable correlations that could not be justified by
theoretical background literature. Yet, building on the initial opportunities
of this explorative study, we are striving to massively enlarge our data set to
players from an ecologically valid industrial game environment and investigate
the performance of more sophisticated machine learning approaches.
- Abstract（参考訳）: ターゲットのオーディエンス(あるいは個人)を徹底的に理解することは、成功の鍵となる要因である – これは、開発中のインフォームド意思決定の恩恵を受けるだけでなく、プレイ中のゲーム内容や難易度、プレイヤーエクスペリエンスを理想的に調整することのできる、ビデオゲームの領域において、極めて重要かつ強力なものだ。
個人のパーソナリティと選手間の差異の粒度評価は、非常に異質な人間性、心理的背景モデルの不一致、そして最も多く、長時間の消費と抑止のアンケートに基づいて構築される努力の多いデータ収集を考えると、特に困難な取り組みである。
本研究は,ゲーム内行動の記録から一連のプレイヤパーソナリティアンケート指標を予測し,その精度を高めることができるゲーム環境に感情的ダイアログ決定を明示的に付加することで関連作業を拡張する可能性を検討する。
ランダム・フォレスト・レグレッションを用いて,ロールプレイングゲーム「fallout: new vegas」のカスタマイズ版である60分間のゲームプレイから,62選手を対象に設定した7つのアンケートから,多種多様なパーソナリティ指標を推定した。
いくつかの人格変数は、ゲーム内アクションや感情表現から既に特定できるが、理論的背景文献では正当化できない、他者を予測する方法や疑問のある相関に遭遇する方法は見つからなかった。
しかし、この爆発的な研究の初期の機会を生かして、生態学的に有効な産業ゲーム環境からプレイヤーにデータセットを大規模に拡大し、より洗練された機械学習アプローチの性能を調査しようとしている。
関連論文リスト
- Understanding Players as if They Are Talking to the Game in a Customized Language: A Pilot Study [3.4333699338998693]
本研究は,ゲームイベントシーケンスのモデル化における言語モデル(LM)の適用について検討する。
生イベントデータをテキストシーケンスに変換し、このデータ上でLongformerモデルを事前学習する。
これらの結果から,ゲームデザインやパーソナライズにおける自己監督型LMの可能性を示す。
論文 参考訳（メタデータ） (2024-10-24T09:59:10Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z) - InCharacter: Evaluating Personality Fidelity in Role-Playing Agents through Psychological Interviews [57.04431594769461]
本稿では, RPAの性格的忠実度を心理的尺度で評価するための新しい視点を紹介する。
実験には様々な種類の RPA と LLM が含まれ、14の広く使用されている心理学的尺度で32の異なる文字をカバーしている。
InCharacterでは、現在最先端のRPAが人物の人格と高度に一致した個性を示し、80.7%の精度を達成している。
論文 参考訳（メタデータ） (2023-10-27T08:42:18Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - 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) - JECC: Commonsense Reasoning Tasks Derived from Interactive Fictions [75.42526766746515]
本稿では,人間のインタラクティブ・フィクション(IF)ゲームプレイ・ウォークスルーに基づく新しいコモンセンス推論データセットを提案する。
本データセットは,事実知識ではなく,機能的コモンセンス知識ルールの評価に重点を置いている。
実験の結果、導入したデータセットは、以前の機械読影モデルと新しい大規模言語モデルに難題であることが示されている。
論文 参考訳（メタデータ） (2022-10-18T19:20:53Z) - Personalized Game Difficulty Prediction Using Factorization Machines [0.9558392439655011]
コンテンツレコメンデーションからの手法を借りて,ゲームレベルのパーソナライズした難易度推定に寄与する。
我々は、プレイヤーが将来のゲームレベルを通過させるのに必要な試行回数と、他のプレイヤーがプレイする以前のレベルの試行回数に基づいて、難易度を予測することができる。
この結果から,FMはゲームデザイナーがプレイヤー体験を最適化し,プレイヤーとゲームについてより深く学ぶことができる,有望なツールであることが示唆された。
論文 参考訳（メタデータ） (2022-09-06T08:03:46Z) - 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) - Detecting Individual Decision-Making Style: Exploring Behavioral
Stylometry in Chess [4.793072503820555]
チェスの文脈における行動スタイメトリーに対するトランスフォーマーに基づくアプローチを提案する。
本手法は,数発の分類フレームワークで動作し,数千人の候補選手の中から選手を正確に識別することができる。
我々は、チェスにおける人間のスタイルと潜在的な倫理的意味について、結果の埋め込みが明らかにするものをより広く検討する。
論文 参考訳（メタデータ） (2022-08-02T11:18:16Z) - 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) - Individualized Context-Aware Tensor Factorization for Online Games
Predictions [6.602875221541352]
ユーザパフォーマンスとゲーム結果を予測するために,Neural Individualized Context-aware Embeddings(NICE)モデルを提案する。
提案手法は,ユーザとコンテキストの潜在表現を学習することで,異なるコンテキストにおける個人行動の違いを識別する。
我々は,MOBAゲームLeague of Legendsのデータセットを用いて,勝利の予測,個々のユーザパフォーマンス,ユーザエンゲージメントを大幅に改善することを示した。
論文 参考訳（メタデータ） (2021-02-22T20:46:02Z)
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。