面向严肃游戏的概率合成数据生成：以网络欺凌为例

合成数据生成近年来已成为一个日益增长的研究领域。然而其在严肃游戏中的潜在应用尚未被充分探索。该领域的进展可望辅助数据建模与分析，并加速开发过程。为试图填补文献中的这一空白，我们提出了一种基于交互式叙事、用于生成严肃游戏概率合成数据的模拟器架构。该架构被设计为通用且模块化，以便其他研究者可将其用于类似问题。为模拟合成玩家与问题的交互，我们使用基于项目反应理论框架的认知测试模型。我们还展示了如何利用概率图模型（特别是贝叶斯网络）将专家知识与外部数据引入模拟。最后，我们将所提架构与方法应用于一个聚焦网络欺凌的严肃游戏用例中。我们使用层次模型进行贝叶斯推断实验，以证明所生成数据的可辨识性与鲁棒性。