基于游戏内行为与情感表达建模玩家人格因素
人工智能
2023-08-29 v1 人机交互
机器学习
摘要
透彻理解目标受众（和/或个体）是成功的关键因素——这对于电子游戏领域尤为关键且极具价值，其不仅可从开发过程中的知情决策受益，更理想的是能在游玩时量身定制游戏内容、难度与玩家体验。鉴于人类本质的高度变异性、心理学背景模型的分歧，以及大多数基于冗长、耗时且令人退缩的问卷的费力数据收集，对个体人格及玩家间差异的细粒度评估尤为困难。本工作中，我们探索从记录的游戏内行为预测一系列玩家人格问卷指标的可能性，并通过向游戏环境显式添加情感对话决策来扩展相关工作，从而提升模型精度。我们使用随机森林回归，基于 62 名玩家在定制版角色扮演游戏 Fallout: New Vegas 中 60 分钟的游戏过程，预测了来自七份既定问卷的广泛人格指标。尽管部分人格变量已可从合理的底层游戏动作与情感表达中识别，我们未能找到预测其他变量的方法，或遇到了无法由理论背景文献佐证的可疑相关性。然而，基于本探索性研究的初步机遇，我们正努力大幅扩充至来自生态有效工业游戏环境的玩家数据集，并考察更复杂机器学习方法的性能。
引用
@article{arxiv.2308.14224,
title = {Modeling Player Personality Factors from In-Game Behavior and Affective Expression},
author = {Reza Habibi and Johannes Pfau and Magy Seif El-Nasr},
journal= {arXiv preprint arXiv:2308.14224},
year = {2023}
}