Statistical modelling of in-game player behaviour

Resumen

El objeto de esta tesis es la modelación estadística del comportamiento de los jugadores de videojuegos (dentro del juego). De manera más general, se inscribe en el marco de la construcción de un cuerpo científico de conocimientos sobre la actividad humana. En los videojuegos se dan muchos rasgos interesantes del comportamiento humano dentro de una configuración controlada. Hoy en día se juegan en línea y se registra cada acción de cada jugador, lo que genera conjuntos de datos increíblemente ricos y detallados. El estudio de la actividad de los jugadores es, por lo tanto, una buena forma de poner a prueba algunas hipótesis sobre el comportamiento humano en general. Parte de este trabajo analiza como el carácter social de muchos juegos afecta las decisiones que los jugadores toman constantemente mientras juegan. Tomando prestada metodología y herramientas de la física estadística, se propone un enfoque teórico formal como marco para comprender cualitativamente los procesos que intervienen. Es posible así proporcionar información sobre cómo las interacciones, tanto entre jugadores como entre distintas decisiones, afecta al resultado colectivo de estos procesos de toma de decisiones. Una parte más significativa de este trabajo se centra en el análisis y modelación a partir de datos. Se analiza la validez de distintos algoritmos estadísticos y de aprendizaje automático para predecir variables de interés en el juego. El nivel de actividad e implicación del jugador, así como las transacciones económicas que realiza dentro del juego, son el centro de este estudio. Éste se lleva a cabo a través de la modelación de la conversión (que ocurre cuando usuarios deciden gastar dinero -real o virtual- dentro del juego), el abandono del juego y el cese en el gasto. Estas cantidades se analizan en todo detalle a diferentes escalas (o niveles de agregación) en el juego. Los resultados a diferentes escalas son relevantes para diferentes propósitos y se complementan y enriquecen entre sí. Las predicciones de comportamiento de los jugadores individuales para los fenómenos de interés se generan utilizando bosques de decisión, colectividades de modelos de supervivencia y aprendizaje profundo. Para predecir comportamientos a nivel de grupo se emplean distintos modelos de series temporales. También se analiza el uso de estas predicciones en la creación de perfiles de jugadores, al igual que un sistema de recomendación de objetos. Los resultados aquí descritos tienen una aplicación práctica directa, ya que para los estudios de videojuegos es de gran utilidad comprender el comportamiento y las motivaciones de sus jugadores. Esto les permite diseñar juegos más atractivos y optimizar la planificación de los juegos ya comercializados. Señala además el camino hacia una mayor personalización del contenido ofrecido, ya que distintos elementos del mismo juego se pueden adaptar para satisfacer los gustos individuales de los jugadores. Desde una perspectiva más fundamental y ambiciosa, este trabajo pretende ser una pequeña contribución al estudio científico y matemático del comportamiento y las sociedades humanas.