Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa

Detalhes bibliográficos
Autor(a) principal: Mesquita Neto, Joaquim Alvino de
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/189383
Resumo: Multiplayer Online Battle Arena (MOBA) são jogos competitivos, nos quais a vitória depende do trabalho em equipe entre os jogadores. O comportamento tóxico atrapalha a comunicação entre jogadores e diminui a coesão de uma equipe, provendo um ambiente de jogo pior aos envolvidos. Trabalhos na área focam na detecção automática e na caracterização do comportamento tóxico, através de features textuais envolvendo a comunicação entre jogadores. Nós investigamos os padrões de conversa utilizados por jogadores de League of Legends, um jogo MOBA popular, e investigamos os efeitos destes padrões sobre o desempenho e a contaminação tóxica destes jogadores, quais as transições mais prováveis entre estes padrões, bem como caracterizamos tais padrões de acordo com os principais sentimentos evocados por estes. Neste trabalho, buscamos dissecar o comportamento de jogadores em partidas de MOBAs, identificando e validando os tópicos de conversa utilizados por jogadores nestas partidas, tópicos estes que correspondem a diferentes comportamentos adotados por jogadores. Através dos tópicos, nós: a) caracterizamos o comportamento de grupos de jogadores; b) analisamos como os tópicos afetam o desempenho e a contaminação de grupos de jogadores, através de métricas criadas para tal fim; c) descobrimos tendências de como a conversação flui durante uma partida; e d) analisamos como diferentes padrões de conversa associam-se com emoções, através da construção de um léxico de sentimentos voltado a conversas em MOBAs. Descobrimos que os aliados de um jogador tóxico são, em geral, mais afetados pelo comportamento tóxico do que seus adversários e, que oponentes são mais afetados quando o comportamento tóxico é diretamente direcionado a eles (por exemplo, insultos racistas). Jogadores sem contato significativo com jogadores tóxicos tendem a ser mais positivos, concentrando-se em táticas de jogo e socialização. Também descobrimos que comportamento negativo apresentado por jogadores não-ofensores aparenta ser transitório, podendo voltar a normalidade com relativa facilidade, enquanto jogadores tóxicos recusam-se a colaborar com seu time após algum conflito com este, e que a falta de confiança entre membros de uma equipe, bem como sentimentos de medo, podem servir como estopim para o comportamento tóxico. Nossos resultados podem servir de porta de entrada para trabalhos mais complexos sobre o estado emocional de jogadores, além poderem ser explorados para um melhor entendimento do comportamento tóxico, bem como para sua detecção através de meios automatizados, até mesmo buscando prevenir tal comportamento durante uma partida.
id URGS_5f24d42946f8045267bf357c961519df
oai_identifier_str oai:www.lume.ufrgs.br:10183/189383
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Mesquita Neto, Joaquim Alvino deBecker, Karin2019-03-15T02:29:25Z2019http://hdl.handle.net/10183/189383001087435Multiplayer Online Battle Arena (MOBA) são jogos competitivos, nos quais a vitória depende do trabalho em equipe entre os jogadores. O comportamento tóxico atrapalha a comunicação entre jogadores e diminui a coesão de uma equipe, provendo um ambiente de jogo pior aos envolvidos. Trabalhos na área focam na detecção automática e na caracterização do comportamento tóxico, através de features textuais envolvendo a comunicação entre jogadores. Nós investigamos os padrões de conversa utilizados por jogadores de League of Legends, um jogo MOBA popular, e investigamos os efeitos destes padrões sobre o desempenho e a contaminação tóxica destes jogadores, quais as transições mais prováveis entre estes padrões, bem como caracterizamos tais padrões de acordo com os principais sentimentos evocados por estes. Neste trabalho, buscamos dissecar o comportamento de jogadores em partidas de MOBAs, identificando e validando os tópicos de conversa utilizados por jogadores nestas partidas, tópicos estes que correspondem a diferentes comportamentos adotados por jogadores. Através dos tópicos, nós: a) caracterizamos o comportamento de grupos de jogadores; b) analisamos como os tópicos afetam o desempenho e a contaminação de grupos de jogadores, através de métricas criadas para tal fim; c) descobrimos tendências de como a conversação flui durante uma partida; e d) analisamos como diferentes padrões de conversa associam-se com emoções, através da construção de um léxico de sentimentos voltado a conversas em MOBAs. Descobrimos que os aliados de um jogador tóxico são, em geral, mais afetados pelo comportamento tóxico do que seus adversários e, que oponentes são mais afetados quando o comportamento tóxico é diretamente direcionado a eles (por exemplo, insultos racistas). Jogadores sem contato significativo com jogadores tóxicos tendem a ser mais positivos, concentrando-se em táticas de jogo e socialização. Também descobrimos que comportamento negativo apresentado por jogadores não-ofensores aparenta ser transitório, podendo voltar a normalidade com relativa facilidade, enquanto jogadores tóxicos recusam-se a colaborar com seu time após algum conflito com este, e que a falta de confiança entre membros de uma equipe, bem como sentimentos de medo, podem servir como estopim para o comportamento tóxico. Nossos resultados podem servir de porta de entrada para trabalhos mais complexos sobre o estado emocional de jogadores, além poderem ser explorados para um melhor entendimento do comportamento tóxico, bem como para sua detecção através de meios automatizados, até mesmo buscando prevenir tal comportamento durante uma partida.Multiplayer Online Battle Arena (MOBA) are competitive games, in which victory depends on efficient teamwork between players. Toxic behavior disrupts communication between players and decreases the cohesion of a team, providing a game ambiance that is worse for those involved. Works in the area focus on the automatic detection of toxic behavior, through textual features involving communication between players. We investigated the patterns of conversation used by players from League of Legends, a popular MOBA game, and investigated the effects of these patterns on the performance and toxic contamination of these players, which are the most likely transitions between these patterns, as well as characterizing these patterns according to the main sentiments evoked by them. In this work, we try to dissect the behavior of players in MOBAs matches, identifying and validating the topics of conversation used in those matches through in-game chat, topics that correspond to different kinds of behavior adopted by players. Through these topics, we: a) characterize the behavior of groups of players; b) analyze how these topics affect the performance and contamination of groups of players, through metrics created for this purpose; c) discover trends in how conversations flow during a match; and d) analyze how different patterns of conversation are associated with different emotions by building a specific lexicon of emotions for the conversations between players in MOBAs. We have found that allies of a toxic player are generally more affected by toxic behavior than their opponents, and that opponents are most affected when toxic behavior is targeted at them (e.g. racist insults). Players without significant contact with toxic players tend to be more positive, focusing on game tactics and socialization. We also found that negative behavior in non-offender players appears to be transient, as it can return to normalcy with relative ease, while toxic players refuse to cooperate with their team after some conflict, and that lack of trust between teammates, as well as fear emotions, can serve as a trigger for toxic behavior. Our results can serve as a gateway to more complex work on the emotional state of players, and can be exploited to better understand toxic behavior as well as to detect it through automated means, even to prevent such behavior during a game .application/pdfporBanco de dadosJogos on-lineToxic BehaviorLeague of LegendsOnline GamesSentiment MiningText MiningUma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2019mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001087435.pdf.txt001087435.pdf.txtExtracted Texttext/plain270547http://www.lume.ufrgs.br/bitstream/10183/189383/2/001087435.pdf.txt7f2d811bfc07a23c80b05217957027c0MD52ORIGINAL001087435.pdfTexto completoapplication/pdf9534346http://www.lume.ufrgs.br/bitstream/10183/189383/1/001087435.pdf039861d4d6eeaf1997fadb3c4bd95157MD5110183/1893832019-03-16 02:30:52.989045oai:www.lume.ufrgs.br:10183/189383Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-03-16T05:30:52Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
title Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
spellingShingle Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
Mesquita Neto, Joaquim Alvino de
Banco de dados
Jogos on-line
Toxic Behavior
League of Legends
Online Games
Sentiment Mining
Text Mining
title_short Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
title_full Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
title_fullStr Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
title_full_unstemmed Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
title_sort Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa
author Mesquita Neto, Joaquim Alvino de
author_facet Mesquita Neto, Joaquim Alvino de
author_role author
dc.contributor.author.fl_str_mv Mesquita Neto, Joaquim Alvino de
dc.contributor.advisor1.fl_str_mv Becker, Karin
contributor_str_mv Becker, Karin
dc.subject.por.fl_str_mv Banco de dados
Jogos on-line
topic Banco de dados
Jogos on-line
Toxic Behavior
League of Legends
Online Games
Sentiment Mining
Text Mining
dc.subject.eng.fl_str_mv Toxic Behavior
League of Legends
Online Games
Sentiment Mining
Text Mining
description Multiplayer Online Battle Arena (MOBA) são jogos competitivos, nos quais a vitória depende do trabalho em equipe entre os jogadores. O comportamento tóxico atrapalha a comunicação entre jogadores e diminui a coesão de uma equipe, provendo um ambiente de jogo pior aos envolvidos. Trabalhos na área focam na detecção automática e na caracterização do comportamento tóxico, através de features textuais envolvendo a comunicação entre jogadores. Nós investigamos os padrões de conversa utilizados por jogadores de League of Legends, um jogo MOBA popular, e investigamos os efeitos destes padrões sobre o desempenho e a contaminação tóxica destes jogadores, quais as transições mais prováveis entre estes padrões, bem como caracterizamos tais padrões de acordo com os principais sentimentos evocados por estes. Neste trabalho, buscamos dissecar o comportamento de jogadores em partidas de MOBAs, identificando e validando os tópicos de conversa utilizados por jogadores nestas partidas, tópicos estes que correspondem a diferentes comportamentos adotados por jogadores. Através dos tópicos, nós: a) caracterizamos o comportamento de grupos de jogadores; b) analisamos como os tópicos afetam o desempenho e a contaminação de grupos de jogadores, através de métricas criadas para tal fim; c) descobrimos tendências de como a conversação flui durante uma partida; e d) analisamos como diferentes padrões de conversa associam-se com emoções, através da construção de um léxico de sentimentos voltado a conversas em MOBAs. Descobrimos que os aliados de um jogador tóxico são, em geral, mais afetados pelo comportamento tóxico do que seus adversários e, que oponentes são mais afetados quando o comportamento tóxico é diretamente direcionado a eles (por exemplo, insultos racistas). Jogadores sem contato significativo com jogadores tóxicos tendem a ser mais positivos, concentrando-se em táticas de jogo e socialização. Também descobrimos que comportamento negativo apresentado por jogadores não-ofensores aparenta ser transitório, podendo voltar a normalidade com relativa facilidade, enquanto jogadores tóxicos recusam-se a colaborar com seu time após algum conflito com este, e que a falta de confiança entre membros de uma equipe, bem como sentimentos de medo, podem servir como estopim para o comportamento tóxico. Nossos resultados podem servir de porta de entrada para trabalhos mais complexos sobre o estado emocional de jogadores, além poderem ser explorados para um melhor entendimento do comportamento tóxico, bem como para sua detecção através de meios automatizados, até mesmo buscando prevenir tal comportamento durante uma partida.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-03-15T02:29:25Z
dc.date.issued.fl_str_mv 2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/189383
dc.identifier.nrb.pt_BR.fl_str_mv 001087435
url http://hdl.handle.net/10183/189383
identifier_str_mv 001087435
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/189383/2/001087435.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/189383/1/001087435.pdf
bitstream.checksum.fl_str_mv 7f2d811bfc07a23c80b05217957027c0
039861d4d6eeaf1997fadb3c4bd95157
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309140108607488