論文の概要: Unveiling Gamer Archetypes through Multi modal feature Correlations and Unsupervised Learning

• arxiv url: http://arxiv.org/abs/2510.10263v1
• Date: Sat, 11 Oct 2025 15:46:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.865567
• Title: Unveiling Gamer Archetypes through Multi modal feature Correlations and Unsupervised Learning
• Title（参考訳）: マルチモーダル特徴相関と教師なし学習によるゲーマーアーカイブの展開
• Authors: Moona Kanwal, Muhammad Sami Siddiqui, Syed Anael Ali,
• Abstract要約: プロファイリングゲーマーは、適応型ゲームデザイン、行動理解、デジタル幸福に対する重要な洞察を提供する。 本研究では、心理測定、行動分析、機械学習を組み合わせて、基礎となるゲーマーのペルソナを明らかにする統合されたデータ駆動型フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Profiling gamers provides critical insights for adaptive game design, behavioral understanding, and digital well-being. This study proposes an integrated, data-driven framework that combines psychological measures, behavioral analytics, and machine learning to reveal underlying gamer personas. A structured survey of 250 participants, including 113 active gamers, captured multidimensional behavioral, motivational, and social data. The analysis pipeline integrated feature engineering, association-network, knowledge-graph analysis, and unsupervised clustering to extract meaningful patterns. Correlation statistics uses Cramers V, Tschuprows T, Theils U, and Spearmans quantified feature associations, and network centrality guided feature selection. Dimensionality-reduction techniques such as PCA, SVD, t-SNE are coupled with clustering algorithms like K-Means, Agglomerative, Spectral, DBSCAN, evaluated using Silhouette, Calinski Harabasz, and Davies Bouldin indices. The PCA with K-Means with k = 4 model achieved optimal cluster quality with Silhouette = 0.4, identifying four archetypes as Immersive Social Story-Seekers, Disciplined Optimizers, Strategic Systems Navigators, and Competitive Team-Builders. This research contributes a reproducible pipeline that links correlation-driven network insights with unsupervised learning. The integration of behavioral correlation networks with clustering not only enhances classification accuracy but also offers a holistic lens to connect gameplay motivations with psychological and wellness outcomes.
• Abstract（参考訳）: プロファイリングゲーマーは、適応型ゲームデザイン、行動理解、デジタル幸福に対する重要な洞察を提供する。 本研究では、心理測定、行動分析、機械学習を組み合わせて、基礎となるゲーマーのペルソナを明らかにする統合されたデータ駆動型フレームワークを提案する。 113人のアクティブゲーマーを含む250人の参加者による構造化された調査は、多次元の行動、モチベーション、社会的データを収集した。 分析パイプラインは、機能エンジニアリング、アソシエーションネットワーク、ナレッジグラフ分析、教師なしクラスタリングを統合し、意味のあるパターンを抽出した。 相関統計は、Cramers V, Tschuprows T, Theils U, Spearmansの量化された特徴関連とネットワーク中心性による特徴選択を用いる。 PCA、SVD、t-SNEなどの次元還元技術は、K-Means、Agglomerative、Spectral、DBSCANといったクラスタリングアルゴリズムと結合し、Silhouette、Calinski Harabasz、Davies Bouldinのインデックスを用いて評価する。 k = 4モデルを持つPCAは、Silhouette = 0.4で最適なクラスタ品質を達成し、Immersive Social Story-Seekers、Disciplined Optimizers、Strategic Systems Navigators、Competitive Team-Buildersとして4つのアーキタイプを特定した。 この研究は、相関駆動型ネットワークインサイトと教師なし学習を結びつける再現可能なパイプラインに寄与する。 クラスタリングによる行動相関ネットワークの統合は、分類精度を高めるだけでなく、ゲームプレイのモチベーションと心理的およびウェルネスの結果を結びつけるための全体像レンズも提供する。

関連論文リスト

• Modeling Psychological Profiles in Volleyball via Mixed-Type Bayesian Networks [1.0049966907980128]
  潜在Max-Min Hill-Climbing (MMHC) を用いた混合型変数間の有向関係の学習 サンプルサイズ,疎度,寸法のシミュレーションでは,MMHCは最近のコプラベース学習者よりも低い構造ハミング距離と高いエッジリコールを実現する。 バレーボールに応用すると、学習ネットワークはゴール設定と自己自信に関するメンタルスキルを組織し、感情的な覚醒的リンクと不安を関連づける。
  論文  参考訳（メタデータ） (2025-09-26T09:31:18Z)
• Shortcut Learning Susceptibility in Vision Classifiers [11.599035626374409]
  ショートカット学習は、機械学習モデルが意味のある特徴をキャプチャする代わりに、データの急激な相関を利用する場所である。 本研究では,クラスラベルと位置と強度の相関関係にあるデータセットに意図的にショートカットを導入する。 異なる学習率で学習をショートカットする可能性を評価する。
  論文  参考訳（メタデータ） (2025-02-13T10:25:52Z)
• Neural Clustering based Visual Representation Learning [61.72646814537163]
  クラスタリングは、機械学習とデータ分析における最も古典的なアプローチの1つである。 本稿では,特徴抽出をデータから代表者を選択するプロセスとみなすクラスタリング(FEC)による特徴抽出を提案する。 FECは、個々のクラスタにピクセルをグループ化して抽象的な代表を配置し、現在の代表とピクセルの深い特徴を更新する。
  論文  参考訳（メタデータ） (2024-03-26T06:04:50Z)
• On the Cross-Dataset Generalization of Machine Learning for Network Intrusion Detection [50.38534263407915]
  ネットワーク侵入検知システム(NIDS)はサイバーセキュリティの基本的なツールである。 多様なネットワークにまたがる一般化能力は、その有効性と現実のアプリケーションにとって必須の要素である。 本研究では,機械学習に基づくNIDSの一般化に関する包括的分析を行う。
  論文  参考訳（メタデータ） (2024-02-15T14:39:58Z)
• XAI for Self-supervised Clustering of Wireless Spectrum Activity [0.5809784853115825]
  本稿では,深層クラスタリング,自己教師型学習アーキテクチャの方法論を提案する。 表現学習部では,入力データの関心領域の解釈にガイドバックプロパゲーションを用いる。 クラスタリングの部分は、クラスタリングの結果を説明するために、Shallow Treesに依存しています。 最後に、データ固有の視覚化部は、各クラスタと入力データとの接続を関連機能をトラフすることを可能にする。
  論文  参考訳（メタデータ） (2023-05-17T08:56:43Z)
• GraphLearner: Graph Node Clustering with Fully Learnable Augmentation [76.63963385662426]
  Contrastive Deep Graph Clustering (CDGC)は、異なるクラスタにノードをグループ化するために、コントラスト学習のパワーを活用する。 我々は、GraphLearnerと呼ばれる、完全学習可能な拡張を備えたグラフノードクラスタリングを提案する。 学習可能な拡張器を導入し、CDGCのための高品質でタスク固有の拡張サンプルを生成する。
  論文  参考訳（メタデータ） (2022-12-07T10:19:39Z)
• Using Representation Expressiveness and Learnability to Evaluate Self-Supervised Learning Methods [61.49061000562676]
  本稿では,学習可能性を評価するためにCluster Learnability (CL)を導入する。 CLは、K-meansで表現をクラスタリングすることによって得られたラベルを予測するために訓練されたKNNのパフォーマンスで測定される。 CLは、他の競合する評価手法よりも分布内モデルの性能と相関することがわかった。
  論文  参考訳（メタデータ） (2022-06-02T19:05:13Z)
• Deep Relational Metric Learning [84.95793654872399]
  本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。 我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。 広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-08-23T09:31:18Z)
• Deep sr-DDL: Deep Structurally Regularized Dynamic Dictionary Learning to Integrate Multimodal and Dynamic Functional Connectomics data for Multidimensional Clinical Characterizations [5.200461964737113]
  静止機能MRI(r-fMRI)接続と拡散テンソルイメージング(DTI)トラクトグラフィーから補完情報を共同でモデル化する新しい統合フレームワークを提案する。 本フレームワークは,コネクトロミクスデータの生成モデルと,行動スコアを予測するディープネットワークを結合する。 我々のハイブリッドモデルは、臨床結果予測における最先端のアプローチよりも優れており、脳組織の解釈可能なマルチモーダルニューラルシグネチャを学習する。
  論文  参考訳（メタデータ） (2020-08-27T23:43:56Z)
• Meta Clustering for Collaborative Learning [13.003650251457193]
  協調学習では、学習者はそれぞれの学習性能を高めるために協調する。 学習者の視点から見れば、重要な課題は、資格のない協力者をフィルタリングすることである。 この課題に対処するため,メタクラスタリングというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-29T21:11:59Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。