Add Thesis

Understanding Mobile Players

Rechnergestützte Klassifikation von Spielern in Location Based Games

Written by K. Thayaparan

Paper category

Bachelor Thesis

Subject

Computer Science

Year

2012

Abstract

2.1 Motivation und Problemstellung Es wird eine Methode entwickelt, die auf den Bewegungen und Bewegungsmerkmalen von Spielern in Positionsspielen basiert. Daraus werden die charakteristischen Attribute abgeleitet, um Klassifikationen zu erstellen, mit denen Spieler die natürliche Spielweise von Spielern in ortsbezogenen Spielen simulieren können. Dies soll am Beispiel von "Mister X Mobile" umgesetzt werden. Hierfür sind zwei Analysestufen vorgesehen Arbeit. In der ersten Analysestufe ist die Analyse nur auf eine begrenzte Teilmenge von Daten anwendbar, genauer gesagt nur auf das Betriebsprofil. Der Fokus sollte auf den Ergebnissen dieser beiden Analysen liegen, dh zu überprüfen, wie ähnlich die Ergebnisse der Strukturanalyse und des K-Means-Clustering-Programms sind. In der zweiten Phase und der abschließenden Analysephase, dem Beobachten des Spiels, beträgt die Dauer zwischen 8 und 25 Minuten, nicht nur die Aktionskonturen, sondern auch die Aktionskonturen werden berücksichtigt. Darüber hinaus stellt die Gewinnung von Ergebnissen eine Herausforderung dar. Die Strukturanalyse ähnelt dem K.-Means-Algorithmus, wenn nicht sogar besser. 2.2 Verwandte Arbeiten In dem Buch "Social Mobile Gaming and Mr. X Mobile" von Barbara Grüteretal [1] von der Universität Bremen wird das Spielverhalten von Einzel- und Teamspielern analysiert. Da sie in ihrer Arbeit auch das Spiel "Mr. X Mobile" analysierte, erläuterte sie kurz ihre Recherche. Unterscheiden Sie zwischen männlichen und weiblichen Spielern und analysieren Sie ihr jeweiliges Verhalten. Für ihre Experimente wurden verschiedene Personen aus unterschiedlichen Berufsfeldern (zB aus IT, Industrie, Ingenieurwesen, Zahnmedizin etc.) einberufen und ein Team gebildet. Die "Spielgruppe" wird in drei Typen unterteilt: eine homogene Gruppe bestehend aus männlichen Teilnehmern, eine homogene Gruppe bestehend aus weiblichen Teilnehmern und eine heterogene Gruppe bestehend aus männlichen und weiblichen Teilnehmern. Dann fragen Sie die Tester, welche Spielkategorie (Spieltyp) sie mögen und ihr Spielverhalten: Spielen die Teilnehmer gerne kurze Spiele oder lange Spiele? Spielst du gerne alleine oder spielst du gerne im Team? Spielen sie noch Spiele? Bei der Bewertung von Spielen zeigt sich beispielsweise, dass weibliche Spieler mehr Kontakt zu anderen Spielern suchen, während männliche Spieler ebenfalls Kontakt haben, jedoch nicht so häufig wie weibliche Spieler. Das Bild unten zeigt ihre Arbeit. Lösung und Umsetzung In diesem Kapitel wurde Bartles' "Player Type"[6] für ortsbezogene Spiele neu geschrieben und eignet sich besonders für das Spiel "Mr. X Mobile". Nachdem die vier Spielertypen in "Mr. X" ermittelt wurden, wird nun anhand einer begrenzten Datenmenge (Aktionsprofil) geprüft, ob die vier Spielertypen wirklich gefunden werden können. In diesem Schritt wird der Algorithmus der Strukturanalyse und des K-Means-Clustering implementiert. Außerdem wurde ein Algorithmus implementiert, der Google Earth verwendet, um die Bewegungskurve zu visualisieren, damit die Bewegung des Spielers manuell verstanden werden kann. Bartles Theorie wurde speziell für MUD und MMORPG entwickelt. Die Aufgabe besteht nun darin, diese Theorie mithilfe einer speziellen Datenbank auf ortsbezogene Spiele anzuwenden, insbesondere auf das Spiel „MisterX Mobile“. Bartles "Spielertyp"-Theorie basiert auf vier Spielertypen: Achiever, Killer, Socialiser und Explorer [6], mit dem Ziel, all diese Spielertypen in mobilen Spielen automatisch zu identifizieren. Da die Datenbank in Mobile Games jedoch nur Aktionen und Aktionskonfigurationsdateien enthält, kann es erforderlich sein, die Definition einzelner Spielertypen situationsbedingt anzupassen. Es gibt keine Möglichkeit, Fragebögen wie die von Bartle auszuwerten, da in dieser Arbeit eine automatisierte Spielerklassifizierungsmethode entwickelt werden soll, die die Bewegungs- und Sporteigenschaften des Spielers nutzt. Aus den erhaltenen Spieldaten geht hervor, dass ein Spieler mehrere Spiele spielen kann. Spielern wird eine bestimmte ID ("Player_ID") zugewiesen, damit es bei der Analyse nicht zu Verwechslungen oder Duplizierungen von Spielern kommt. Im Analyseprozess werden von jedem Spieler die charakteristischen Attribute ermittelt, die schließlich zu einer Klassifizierung führen. Es stehen zwei Datenanalysemethoden zur Verfügung: die Strukturanalyse und die Methode basierend auf K-Means Clustering. Bei der Strukturanalyse werden die Aktionskurve und die Bewegungskurve des Spielers verwendet, um die Spielerklassifizierung festzulegen. Für das K-Mean-Programm wird das WEKA-Tool verwendet, um Spieler zu clustern. In der Voranalysephase werden beide Verfahren mit einer begrenzten Datenmenge eingesetzt, um ausreichende Ergebnisse zu erzielen. Im abschließenden Analyseprozess wurde die Datenbank erweitert, d.h. alle Spieldaten stehen nun zur Verfügung und werden für die Analyse berücksichtigt. 3.1.1 Anwendung von Bartles Player Type Theory in Mobile Games Die Bartle Theory wurde speziell für Rollenspiele wie Multiplayer Dungeons (MUD) und Massively Multiplayer Online Role-Playing Games (MMORPG) entwickelt. Read Less