[pt] Game Analytics é uma área que envolve o processamento de dados de
videogames com a finalidade de proporcionar uma melhor experiência de jogo
para o usuário. Também ajuda a verificar os padrões de comportamento dos
jogadores, facilitando a identificação do público-alvo. A coleta de dados dos
jogadores ajuda os desenvolvedores de jogos a identificar problemas mais cedo
e saber por que os jogadores deixaram o jogo ou continuaram jogando. O
comportamento desses jogadores geralmente segue um padrão, fazendo com
que se encaixem em diferentes perfis de jogadores. Especialistas em análise
de jogos criam e usam modelos de tipos de jogadores, geralmente variantes
do modelo de Bartle, para ajudar a identificar perfis de jogadores. Esses
especialistas usam algoritmos de agrupamento para separar os jogadores em
grupos diferentes e identificáveis, rotulando cada grupo com o tipo de perfil
definido pelo modelo proposto. O objetivo principal deste projeto é criar um
plugin Unity genérico para ajudar a identificar perfis de jogadores em jogos.
Este plugin usa uma API Python, que lida com os dados do jogo armazenados
em um banco de dados MongoDB, para agrupar e rotular cada partida ou
nível do jogo escolhido enquanto o jogo está em execução. Neste plugin, os
desenvolvedores de jogos podem configurar o número de tipos de jogadores que
desejam identificar, os rótulos dos jogadores e até os algoritmos que desejam
usar. Essa abordagem de agrupamento online não é usual no desenvolvimento
de jogos. Até onde sabemos, não há nenhum componente de software na
literatura de análise de jogos com a mesma direção e recursos. / [en] Game Analytics is an area that involves the processing of video game
data, in order to make a better game experience for the user. It also helps to
check the patterns in players behaviour, making it easier to identify the target
audience. Gathering player data helps game developers identify problems
earlier and know why players left the game or kept playing. These players
behavior usually follows a pattern, making them fit in different player profiles.
Game analytics experts create and use models of player types, usually variants
of Bartle s model, to help identify player profiles. These experts use clustering
algorithms to separate players into different and identifiable groups, labeling
each group with the profile type defined by the proposed model. The main
goal of this project is to create a generic Unity plugin to help identify Player
Profiles in games. This plugin uses a Python API, which deals with the
game data stored in a MongoDB database, to cluster and label each match
or level of the chosen game while the game is running. In this plugin, game
developers can configure the number of player types they want to identify, the
player labels, and even the algorithms they wish to use. This online clustering
approach is not usual in game development. As far as we are aware, there is no
software component in the game analytics literature with the same direction
and features.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:61335 |
Date | 22 November 2022 |
Creators | LUIS FERNANDO TEIXEIRA BICALHO |
Contributors | BRUNO FEIJO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | English |
Type | TEXTO |
Page generated in 0.0018 seconds