論文の概要: MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches
- arxiv url: http://arxiv.org/abs/2601.01206v1
- Date: Sat, 03 Jan 2026 15:09:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:22.08139
- Title: MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches
- Title（参考訳）: MentalGame: マルチジャンルゲームと機械学習アプローチを使用して、ソフトウェア開発者に対するパーソナリティ-ジョブの適合性を予測する
- Authors: Soroush Elyasi, Arya VarastehNezhad, Fattaneh Taghiyareh,
- Abstract要約: 本研究では,マルチジャンルの真剣なゲームフレームワークと機械学習技術を組み合わせることで,ソフトウェア開発の役割に対する適合性を予測することを提案する。
カスタムモバイルゲームは、問題解決、計画、適応性、永続性、時間管理、情報検索に関連する行動を引き出すように設計された。
行動分析により、適切な候補はパズルベースのゲームでより多くの勝利、より多くのサイドチャレンジ、メニューのナビゲート、より少ない一時停止、再試行、降伏アクションなどの異なるゲームプレイパターンを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personality assessment in career guidance and personnel selection traditionally relies on self-report questionnaires, which are susceptible to response bias, fatigue, and intentional distortion. Game-based assessment offers a promising alternative by capturing implicit behavioral signals during gameplay. This study proposes a multi-genre serious-game framework combined with machine-learning techniques to predict suitability for software development roles. Developer-relevant personality and behavioral traits were identified through a systematic literature review and an empirical study of professional software engineers. A custom mobile game was designed to elicit behaviors related to problem solving, planning, adaptability, persistence, time management, and information seeking. Fine-grained gameplay event data were collected and analyzed using a two-phase modeling strategy where suitability was predicted exclusively from gameplay-derived behavioral features. Results show that our model achieved up to 97% precision and 94% accuracy. Behavioral analysis revealed that proper candidates exhibited distinct gameplay patterns, such as more wins in puzzle-based games, more side challenges, navigating menus more frequently, and exhibiting fewer pauses, retries, and surrender actions. These findings demonstrate that implicit behavioral traces captured during gameplay is promising in predicting software-development suitability without explicit personality testing, supporting serious games as a scalable, engaging, and less biased alternative for career assessment.
- Abstract（参考訳）: キャリア指導と人事選択におけるパーソナリティアセスメントは、伝統的に自己報告のアンケートに依存しており、それは、反応バイアス、疲労、意図的な歪みに影響を受けやすい。
ゲームベースのアセスメントは、ゲームプレイ中に暗黙の行動信号をキャプチャすることで、有望な代替手段を提供する。
本研究では,マルチジャンルの真剣なゲームフレームワークと機械学習技術を組み合わせることで,ソフトウェア開発の役割に対する適合性を予測することを提案する。
開発者関係の人格と行動特性は、体系的な文献レビューと、プロのソフトウェアエンジニアによる実証的研究によって同定された。
カスタムモバイルゲームは、問題解決、計画、適応性、永続性、時間管理、情報検索に関連する行動を引き出すように設計された。
ゲームプレイに基づく行動特徴のみから適合性を予測した2相モデリング手法を用いて,詳細なゲームプレイイベントデータを収集,解析した。
その結果, 精度は97%, 精度は94%であった。
行動分析により、適切な候補はパズルベースのゲームでより多くの勝利、より多くのサイドチャレンジ、メニューのナビゲート、より少ない一時停止、再試行、降伏アクションなどの異なるゲームプレイパターンを示した。
これらの結果は、ゲームプレイ中にキャプチャされた暗黙の行動トレースが、明示的なパーソナリティテストなしでソフトウェア開発適性を予測し、真剣なゲームが、キャリアアセスメントのスケーラビリティ、エンゲージメント、バイアスの少ない代替品としてサポートできることを示唆している。
関連論文リスト
- Learning Controllable and Diverse Player Behaviors in Multi-Agent Environments [0.0]
本稿では,人間のゲームプレイデータに頼らずに,制御可能かつ多様なプレイヤ動作を可能にする強化学習フレームワークを提案する。
我々はN次元連続空間におけるプレイヤーの行動を定義し、実際の人間のスタイルを表すサブセットを含む領域からターゲットの行動ベクトルを均一にサンプリングする。
単一のPPOベースのマルチエージェントポリシーは、再トレーニングすることなく、新しいまたは見えないプレイスタイルを再現することができる。
論文 参考訳（メタデータ） (2025-12-11T17:26:24Z) - Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。
Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。
実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
論文 参考訳（メタデータ） (2025-10-27T17:43:51Z) - People use fast, flat goal-directed simulation to reason about novel problems [68.55490343866545]
私たちは、人々が初めてゲームをする方法に体系的かつ適応的に合理的であることを示します。
直感型ゲーマー」と呼ばれる計算認知モデルを用いて,これらの能力を説明する。
私たちの研究は、人々が新しい問題に遭遇するとき、どのように素早く評価し、行動し、提案するかに関する新しい洞察を提供する。
論文 参考訳（メタデータ） (2025-10-13T15:12:08Z) - Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。
目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。
一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。
我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
論文 参考訳（メタデータ） (2025-08-03T23:48:46Z) - Expectation vs. Reality: Towards Verification of Psychological Games [18.30789345402813]
心理学ゲーム(PG)は、信念に依存した動機を持つエージェントをモデル化し分析する方法として開発された。
本稿では,ゲームの公式検証ツールであるPRISM-gamesでPGを解き,実装する手法を提案する。
論文 参考訳（メタデータ） (2024-11-08T14:41:52Z) - Difficulty Modelling in Mobile Puzzle Games: An Empirical Study on
Different Methods to Combine Player Analytics and Simulated Data [0.0]
一般的なプラクティスは、プレイヤーとコンテンツとのインタラクションによって収集されたデータからメトリクスを作成することです。
これにより、コンテンツがリリースされた後にのみ見積が可能であり、将来のプレイヤーの特徴を考慮しない。
本稿では,そのような条件下での難易度推定の潜在的な解を多数提示する。
論文 参考訳（メタデータ） (2024-01-30T20:51:42Z) - 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) - 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) - Recognizing Affiliation: Using Behavioural Traces to Predict the Quality
of Social Interactions in Online Games [26.131859388185646]
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。
論文 参考訳（メタデータ） (2020-03-06T20:56:05Z)
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。