Видеоигры давно и прочно вошли в современную жизнь: с каждым днем растёт количество онлайн и оффлайн продуктов для различных платформ. Их пользователи с каждым днем генерируют всё больше данных, которые можно использовать для разработки моделей игрового поведения или определения персональных особенностей игроков. Это полезно, к примеру, для раннего выявления игровой зависимости, а также для маркетинговых исследований в игровой сфере.
До сих пор все исследования игровых данных проводились вручную на небольших выборках. Однако, чтобы делать статистически значимые выводы, необходимо анализировать большие массивы игровых данных. Учёные из Университета ИТМО вместе с коллегами из Университета Сингапура одними из первых применили для этого машинное обучение и при помощи собранного набора данных о поведении пользователей игровой платформы Steam, а также специально разработанной и обученной модели, смогли на основе поведения игрока предсказывать его пол.
Базу данных для анализа исследователи собирали на основе сервиса Player. me, который позволяет сопоставить аккаунты пользователей Steam с их профилями в социальных сетях: Twitter, Facebook и Instagram. На основе этого сравнения исследователи искали связи между данными об игровом поведении и демографическими показателями, а в итоге в основу модели легли такие признаки как потраченное на игру время, полученные игровые достижения, предпочитаемые жанры игр, наличие внутриигровых платежей и другие.
По мнению учёных, анализ игровых данных позволяет оценить интересы, локацию и демографию пользователей, а также учесть, сколько времени человек готов тратить на игры. Исследователи будут работать над улучшением полученной модели, чтобы повысить точность предсказаний о пользователях. Также её планируют адаптировать для определения игровой зависимости.
