Онлайн-игры как инструмент межнационального общения

Онлайн-игры — это не только индустрия с многомиллиардным доходом (Anderton, 2017), которая развлекает большое население планеты, но и популярная форма социального взаимодействия миллионов людей. Поскольку онлайн-игры проявляют различные типы общительности, такие как совместная деятельность (Zhuang et al., 2007; Merritt et al., 2013), формирование связей и команд (Alhazmi et al., 2017), формирование доверия (Depping et al., 2016) и долгосрочных ассоциаций (McEwan et al., 2012; Jia et al., 2015), он становится богатым источником временных данных о социальном взаимодействии, которые могут быть использованы для многих вычислительных социальных наук. Данные из игровых онлайн-сред использовались для измерения поведения, с которым трудно наблюдать, например, обмана (Blackburn et al., 2014; Zuo et al., 2016), токсичности (Kwak et al., 2015), добычи золота (Ahmad et al. ., 2009) и измерение онлайн-социального капитала (Molyneux et al., 2015).

Другое поведение человека, которое цифровые записи из игровой среды могут описать, — это мобильность. Понимание мобильности игроков между игровыми серверами важно во многих аспектах, таких как предоставление сервера, перенаправление трафика в случае сбоя сервера и продвижение игры. Кроме того, миграционные модели игроков могут быть использованы для моделирования распространения информации или принятия поведения. Например, игрок может ввести новый набор уловок или может повлиять на культуру сервера с помощью позитивного или токсичного социального поведения.

В реальном мире было показано, что мобильность человека является социально внедренным явлением (Bilecen et al., 2018), на которое влияют как социально-экономические факторы, так и субъективность человеческого поведения (Barbosa Filho et al., 2011). Было отмечено, что два важных фактора способствуют принятию решения о миграции человека (Blumenstock and Tan, 2016). Во-первых, степень, в которой мигрант связан с общинами дома и в пункте назначения, и, во-вторых, сила и поддержка связей пункта назначения в обеспечении доступа к ресурсам, доступным в среде назначения (например, информация о работе). У игровой онлайн-среды разные характеристики, и неясно, применимы ли те же аргументы к мобильности игроков (например, игры на 1 онлайн).

Исследуя онлайн-игры необходимо дать количественную оценку важности взаимодействия в игре для решения игрока перейти с одного сервера на другой в рамках одной и той же игры. Игроки переходят на разные серверы с течением времени по разным причинам, включая техническую производительность (задержка, скорость вычислений), предпочтения сервера / игры, знакомство с коллегами или личные одобрения. Предыдущие исследования показали, что игроки, как правило, неоднократно присоединяются к играм с набором знакомых игроков, с которыми они поделились прошлым опытом (Jia et al., 2015; Alhazmi et al., 2017). В новые исследования специально фокусируются на социальных взаимодействиях как факторе, характеризующем модели мобильности игроков. Ведётся разработка моделей, основанных на машинном обучении, чтобы, во-первых, прогнозировать популярность игроков с течением времени в зависимости от количества соседей, следующих за их моделями мобильности, и, во-вторых, насколько быстро игрок перемещается между серверами относительно других.

Проведено исследование, используя данные двух популярных онлайн-игр, Team Fortress 2 (TF2) и Counter Strike: Global Offensive (CSGO), в которых участвуют миллионы игроков на тысячах серверов в течение 4 месяцев.

Для классификации популярных игроков из непопулярных игроков характерен высокий уровень отзыва, но низкая точность. Точно так же производительность прогнозирования в CSGO превзошла показатели в TF2. Основополагающими причинами лучшей производительности являются размер наборов классификационных данных и богатых значений признаков без существенного совпадения между положительными и отрицательно помеченными точками данных. Список функций ранжирован в соответствии с их важностью, рассчитанной с помощью классификатора Random Forest в CSGO. Следует отметить, что аналогичные результаты для TF2 опущены из-за нехватки места. Было установлено, что выходная степень узла является наиболее важной характеристикой в ​​прогнозировании популярности игрока. Что еще более удивительно, было обнаружено, что выход из узла по отношению к его соседям, отсутствующим по соседству с сетью дружбы, был наиболее важным признаком в обеих играх. Очевидно, что дружба оказывает минимальное влияние на прогнозирование количества игроков, переходящих на новый сервер, следующих за другими.

Использованные источники

  1. Ahmad, M. A., Keegan, B., Srivastava, J., Williams, D., and Contractor, N. (2009). “Mining for gold farmers: automatic detection of deviant players in MMOGs,” in 2009 International Conference on Computational Science and Engineering, Vol. 4 (Vancouver, BC), 340–345.
  2. Alhazmi, E., Horawalavithana, S., Skvoretz, J., Blackburn, J., and Iamnitchi, A. (2017). “An empirical study on team formation in online games,” in Proceedings of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2017, ASONAM ’17 (Sydney, NSW: ACM).
  3. Anderton, K. (2017). The Business of Video Games: A Multi Billion Dollar Industry. Jersey City, NJ: Forbes.
  4. Barbosa Filho, H. S., de Lima Neto, F. B., and Fusco, W. (2011). “Migration and social networks-an explanatory multi-evolutionary agent-based model,” in 2011 IEEE Symposium on Intelligent Agent (IA) (Paris: IEEE), 1–7.
  5. Bilecen, B., Gamper, M., and Lubbers, M. J. (2018). The missing link: social network analysis in migration  and  transnationalism.  Soc.  Netw.  53,  1–3. doi:  10.1016/j.socnet.2017.07.001
  6. Blackburn, J., Kourtellis, N., Skvoretz, J., Ripeanu, M., and Iamnitchi, A. (2014). Cheating in online games: a social network perspective. ACM Trans. Internet Technol. 13:9. doi: 10.1145/2602570
  7. Blumenstock, J., and Tan, X. (2016). Social Networks and Migration: Theory and Evidence From Rwanda.
  8. Depping,  A.  E.,  Mandryk,  R.  L.,  Johanson,  C.,  Bowey,  J.  T.,  and  Thomson, S. C.  (2016).  “Trust  me:  social  games  are  better  than  social  icebreakers at building trust,” in Proceedings of the 2016 Annual Symposium on Computer-Human Interaction in Play, CHI PLAY ’16 (New York,  NY: ACM), 116–129.
  9. Easley, D., and Kleinberg, J. (2010). Cascading behavior in networks. Networks, Crowds, and Markets: Reasoning About a Highly Connected World. Cambridge University Press.
  10. Jia, A. L., Shen, S., Bovenkamp, R. V. D., Iosup, A., Kuipers, F., and Epema, D. H. J. (2015). Socializing by gaming: revealing social relationships in multiplayer online games. ACM Trans. Knowl. Discov. Data 10, 11:1–11:29. doi:  10.1145/2736698

Temporal Mobility Networks in Online Gaming
Essa Alhazmi, Nazim Choudhury, Sameera Horawalavithana, Adriana Iamnitchi

Оставьте комментарий