Новый алгоритм поможет выявить игрозависимость на ранних этапах

Группа исследователей из петербургского Университета информационных технологий, механики и оптики (ИТМО) совместно с коллегами из Университета Сингапура создают алгоритм, который позволит определять различные личностные характеристики геймеров по их поведению в онлайн-играх. Технология успешно определяет пол игрока, в будущем она поможет выявлять, к примеру, психологическую зависимость от игр на ранних стадиях. Результаты были должены на 33 конференции Ассоциации содействия развитию искусственного интеллекта.

Принцип распознавания основан на математических алгоритмах, анализирующих поведение игроков — сколько времени человек проводит в игре, какие игры выбирает, когда запускает то или иное приложение, какие достижения в виртуальном пространстве стремится получить. Алгоритм был опробован на пользователях одной из крупных игровых платформ Steam. Проверка результатов осуществлялась с помощью сервиса Player.me, дающего возможность сопоставить аккаунты пользователей Steam с их страницами в социальных сетях: Twitter, Facebook и Instagram.

«Наше исследование показало, что данных достаточно, чтобы со сравнительно высокой долей вероятности предсказать пол каждого пользователя, — сказал Фильченков. — Конечно, этим результатом дело не ограничивается, мы лишь продемонстрировали, что игровое поведение можно анализировать и получать достаточно удовлетворительные прогнозные значения. К примеру, еще стоит задача выявления привыкания — насколько человек игрозависим. Как мы надеемся, с помощью алгоритма психологи смогут лучше понять, когда и как формируется привыкание, какие факторы на это влияют, что позволит выявлять игрозависимость на ранних этапах».

Также Фильченков отметил, что это лишь одно из возможных будущих применений данной технологии. В перспективе ее планируется обучить распознавать возраст пользователя, его социальное положение, образование, уровень дохода, местоположение, личностные предпочтения. Кроме того, производители онлайн-игр смогут задействовать этот механизм для повышения вовлеченности игроков, создания более удобных настроек для каждого пользователя, а также персональных рекомендаций игр.

«Например, технологию можно применять для улучшений рекомендаций книг или фильмов, — пояснил ученый. — Существуют исследования, которые показывают, что предпочтения по играм, книгам, фильмам и музыке в целом связаны».

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.