[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=2 http://doi.org/10.17771/PUCRio.acad.61335 |
Resumo: | [pt] Game Analytics é uma área que envolve o processamento de dados de videogames com a finalidade de proporcionar uma melhor experiência de jogo para o usuário. Também ajuda a verificar os padrões de comportamento dos jogadores, facilitando a identificação do público-alvo. A coleta de dados dos jogadores ajuda os desenvolvedores de jogos a identificar problemas mais cedo e saber por que os jogadores deixaram o jogo ou continuaram jogando. O comportamento desses jogadores geralmente segue um padrão, fazendo com que se encaixem em diferentes perfis de jogadores. Especialistas em análise de jogos criam e usam modelos de tipos de jogadores, geralmente variantes do modelo de Bartle, para ajudar a identificar perfis de jogadores. Esses especialistas usam algoritmos de agrupamento para separar os jogadores em grupos diferentes e identificáveis, rotulando cada grupo com o tipo de perfil definido pelo modelo proposto. O objetivo principal deste projeto é criar um plugin Unity genérico para ajudar a identificar perfis de jogadores em jogos. Este plugin usa uma API Python, que lida com os dados do jogo armazenados em um banco de dados MongoDB, para agrupar e rotular cada partida ou nível do jogo escolhido enquanto o jogo está em execução. Neste plugin, os desenvolvedores de jogos podem configurar o número de tipos de jogadores que desejam identificar, os rótulos dos jogadores e até os algoritmos que desejam usar. Essa abordagem de agrupamento online não é usual no desenvolvimento de jogos. Até onde sabemos, não há nenhum componente de software na literatura de análise de jogos com a mesma direção e recursos. |
id |
PUC_RIO-1_4ac1afe53a2e273b46418a115676c75e |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:61335 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES [pt] UM PLUGIN GENÉRICO PARA CLASSIFICAÇÃO DE JOGADOR EM JOGOS [pt] APRENDIZADO DE MAQUINA[pt] TELEMETRIA[pt] MODELOS DE COMPORTAMENTO DE JOGADORES[pt] CLASSIFICACAO DE JOGADORES[pt] GAME ANALYTICS[en] MACHINE LEARNING[en] TELEMETRY[en] PLAYER BEHAVIOR MODELS[en] PLAYER CLASSIFICATION[en] GAME ANALYTICS[pt] Game Analytics é uma área que envolve o processamento de dados de videogames com a finalidade de proporcionar uma melhor experiência de jogo para o usuário. Também ajuda a verificar os padrões de comportamento dos jogadores, facilitando a identificação do público-alvo. A coleta de dados dos jogadores ajuda os desenvolvedores de jogos a identificar problemas mais cedo e saber por que os jogadores deixaram o jogo ou continuaram jogando. O comportamento desses jogadores geralmente segue um padrão, fazendo com que se encaixem em diferentes perfis de jogadores. Especialistas em análise de jogos criam e usam modelos de tipos de jogadores, geralmente variantes do modelo de Bartle, para ajudar a identificar perfis de jogadores. Esses especialistas usam algoritmos de agrupamento para separar os jogadores em grupos diferentes e identificáveis, rotulando cada grupo com o tipo de perfil definido pelo modelo proposto. O objetivo principal deste projeto é criar um plugin Unity genérico para ajudar a identificar perfis de jogadores em jogos. Este plugin usa uma API Python, que lida com os dados do jogo armazenados em um banco de dados MongoDB, para agrupar e rotular cada partida ou nível do jogo escolhido enquanto o jogo está em execução. Neste plugin, os desenvolvedores de jogos podem configurar o número de tipos de jogadores que desejam identificar, os rótulos dos jogadores e até os algoritmos que desejam usar. Essa abordagem de agrupamento online não é usual no desenvolvimento de jogos. Até onde sabemos, não há nenhum componente de software na literatura de análise de jogos com a mesma direção e recursos. [en] Game Analytics is an area that involves the processing of video game data, in order to make a better game experience for the user. It also helps to check the patterns in players behaviour, making it easier to identify the target audience. Gathering player data helps game developers identify problems earlier and know why players left the game or kept playing. These players behavior usually follows a pattern, making them fit in different player profiles. Game analytics experts create and use models of player types, usually variants of Bartle s model, to help identify player profiles. These experts use clustering algorithms to separate players into different and identifiable groups, labeling each group with the profile type defined by the proposed model. The main goal of this project is to create a generic Unity plugin to help identify Player Profiles in games. This plugin uses a Python API, which deals with the game data stored in a MongoDB database, to cluster and label each match or level of the chosen game while the game is running. In this plugin, game developers can configure the number of player types they want to identify, the player labels, and even the algorithms they wish to use. This online clustering approach is not usual in game development. As far as we are aware, there is no software component in the game analytics literature with the same direction and features.MAXWELLBRUNO FEIJOLUIS FERNANDO TEIXEIRA BICALHO2022-11-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=2http://doi.org/10.17771/PUCRio.acad.61335engreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-22T00:00:00Zoai:MAXWELL.puc-rio.br:61335Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-11-22T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES [pt] UM PLUGIN GENÉRICO PARA CLASSIFICAÇÃO DE JOGADOR EM JOGOS |
title |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
spellingShingle |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES LUIS FERNANDO TEIXEIRA BICALHO [pt] APRENDIZADO DE MAQUINA [pt] TELEMETRIA [pt] MODELOS DE COMPORTAMENTO DE JOGADORES [pt] CLASSIFICACAO DE JOGADORES [pt] GAME ANALYTICS [en] MACHINE LEARNING [en] TELEMETRY [en] PLAYER BEHAVIOR MODELS [en] PLAYER CLASSIFICATION [en] GAME ANALYTICS |
title_short |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
title_full |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
title_fullStr |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
title_full_unstemmed |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
title_sort |
[en] A GENERIC PLUGIN FOR PLAYER CLASSIFICATION IN GAMES |
author |
LUIS FERNANDO TEIXEIRA BICALHO |
author_facet |
LUIS FERNANDO TEIXEIRA BICALHO |
author_role |
author |
dc.contributor.none.fl_str_mv |
BRUNO FEIJO |
dc.contributor.author.fl_str_mv |
LUIS FERNANDO TEIXEIRA BICALHO |
dc.subject.por.fl_str_mv |
[pt] APRENDIZADO DE MAQUINA [pt] TELEMETRIA [pt] MODELOS DE COMPORTAMENTO DE JOGADORES [pt] CLASSIFICACAO DE JOGADORES [pt] GAME ANALYTICS [en] MACHINE LEARNING [en] TELEMETRY [en] PLAYER BEHAVIOR MODELS [en] PLAYER CLASSIFICATION [en] GAME ANALYTICS |
topic |
[pt] APRENDIZADO DE MAQUINA [pt] TELEMETRIA [pt] MODELOS DE COMPORTAMENTO DE JOGADORES [pt] CLASSIFICACAO DE JOGADORES [pt] GAME ANALYTICS [en] MACHINE LEARNING [en] TELEMETRY [en] PLAYER BEHAVIOR MODELS [en] PLAYER CLASSIFICATION [en] GAME ANALYTICS |
description |
[pt] Game Analytics é uma área que envolve o processamento de dados de videogames com a finalidade de proporcionar uma melhor experiência de jogo para o usuário. Também ajuda a verificar os padrões de comportamento dos jogadores, facilitando a identificação do público-alvo. A coleta de dados dos jogadores ajuda os desenvolvedores de jogos a identificar problemas mais cedo e saber por que os jogadores deixaram o jogo ou continuaram jogando. O comportamento desses jogadores geralmente segue um padrão, fazendo com que se encaixem em diferentes perfis de jogadores. Especialistas em análise de jogos criam e usam modelos de tipos de jogadores, geralmente variantes do modelo de Bartle, para ajudar a identificar perfis de jogadores. Esses especialistas usam algoritmos de agrupamento para separar os jogadores em grupos diferentes e identificáveis, rotulando cada grupo com o tipo de perfil definido pelo modelo proposto. O objetivo principal deste projeto é criar um plugin Unity genérico para ajudar a identificar perfis de jogadores em jogos. Este plugin usa uma API Python, que lida com os dados do jogo armazenados em um banco de dados MongoDB, para agrupar e rotular cada partida ou nível do jogo escolhido enquanto o jogo está em execução. Neste plugin, os desenvolvedores de jogos podem configurar o número de tipos de jogadores que desejam identificar, os rótulos dos jogadores e até os algoritmos que desejam usar. Essa abordagem de agrupamento online não é usual no desenvolvimento de jogos. Até onde sabemos, não há nenhum componente de software na literatura de análise de jogos com a mesma direção e recursos. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-11-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=2 http://doi.org/10.17771/PUCRio.acad.61335 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61335&idi=2 http://doi.org/10.17771/PUCRio.acad.61335 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1821790194416746496 |