Des chercheurs de l'Université ITMO rapportent qu'ils ont prédit des caractéristiques de personnalité telles que le sexe en utilisant les données d'une plate-forme de jeu en ligne. Il s'agit de l'une des premières études d'apprentissage automatique appliqué à une grande quantité de données de jeu. L'approche pourrait améliorer les systèmes de recommandation de jeux personnels. Il peut également être utilisé pour identifier la dépendance au jeu. Les résultats ont été présentés lors de la conférence AAAI sur l'intelligence artificielle.

Les jeux vidéo sont solidement ancrés dans la culture populaire, et le nombre de produits en ligne et hors ligne pour les plateformes de jeux augmente de jour en jour. À son tour, les utilisateurs génèrent des quantités croissantes de données qui peuvent être utilisées pour développer des modèles de comportement de jeu ou pour déterminer des caractéristiques personnelles. C'est utile, par exemple, pour la détection précoce de la dépendance au jeu, ainsi que pour la recherche marketing dans le domaine des jeux.

Jusqu'à maintenant, la majorité des recherches sur les jeux ont été effectuées manuellement sur de petits ensembles de données. Cependant, afin de tirer des conclusions statistiquement significatives, il est nécessaire d'analyser de grands tableaux de données. Les scientifiques de l'Université ITMO et de l'Université nationale de Singapour sont désormais parmi les premiers à utiliser l'apprentissage automatique pour cela. En utilisant les données qu'ils ont collectées sur le comportement des utilisateurs de la plate-forme de jeu Steam et un modèle spécialement développé et formé, les scientifiques ont réussi à prédire le sexe du joueur par le comportement du jeu.

La base de données pour l'analyse a été collectée auprès du service Joueur.moi , qui fournit des informations sur Steam et les comptes de réseaux sociaux. Comparer les données de jeu des utilisateurs avec leur Twitter, Publications Facebook et Instagram, les chercheurs ont découvert des liens entre le comportement de jeu et les caractéristiques personnelles. Par conséquent, le modèle a été construit sur des caractéristiques telles que le temps passé sur le jeu, réalisations, genres de jeux préférés, paiements en jeu, etc.

"L'idée de ma recherche est d'utiliser des données de jeu pour étudier le comportement humain dans la vie réelle. Les réseaux sociaux semblent être une bonne source pour cette information. Cependant, les gens réfléchissent à leur comportement sur les réseaux sociaux :ils choisissent ce qu'ils veulent publier et éliminent leurs pensées. À la fois, en jouant à des jeux, nous nous comportons comme nous le ferions dans la vraie vie sans trop réfléchir. Et maintenant, J'ai réussi à confirmer que les données du jeu sont liées aux caractéristiques réelles des personnes, " note Ivan Samborskii, un étudiant diplômé à l'Université ITMO.

Selon les scientifiques, l'analyse des données de jeu peut aider à découvrir les intérêts, emplacement, et la démographie des utilisateurs, ainsi que d'évaluer combien de temps une personne est prête à consacrer aux jeux. Les chercheurs travailleront à améliorer le modèle résultant, faire des prédictions sur les utilisateurs plus précises. Aussi, ils envisagent d'adopter le modèle de prédiction de la dépendance au jeu.

"Sur Internet, l'identité de l'utilisateur est inconnue, et souvent, on ne peut que deviner qui se cache sous l'avatar du commentateur caustique ou sous le pseudo du membre du clan. Il n'est possible de lever le voile qu'en analysant les signes indirects, le comportement en ligne de l'utilisateur. Déterminer qui est de l'autre côté du moniteur est important, à la fois aux géants comme Google, qui obtiennent le bénéfice principal, afficher correctement la publicité, et aux petites boutiques en ligne. Une question importante et intéressante qui se pose est de savoir quelles données sont suffisantes pour cela. Dans nos recherches antérieures, nous avons utilisé des textes, images, et même la géolocalisation. Cependant, le comportement des joueurs est décrit par un langage très particulier des heures passées dans les jeux et des réalisations obtenues."

"Nos recherches ont montré que même cette information est suffisante pour prédire le sexe des joueurs. Certes, nous ne nous arrêterons pas sur cette seule fonctionnalité, mais maintenant, nous avons simplement montré que le comportement du jeu peut être analysé et que de bonnes valeurs prédictives peuvent être obtenues. En plus de la personnalisation publicitaire omniprésente, de bons modèles prédictifs peuvent être utilisés en recherche appliquée :sociologiques, psychologique, sportif et médical, " ajoute Andrey Filchenkov, responsable du Machine Learning Group du laboratoire Computer Technologies de l'Université ITMO.