[論文レビュー] Friends FTW! Friendship and competition in Halo: Reach

Winter Mason, Aaron Clauset|arXiv (Cornell University)|Mar 10, 2012

Digital Games and Media被引用数 6

ひとこと要約

本研究では、Halo: Reachのデータを用いて、競争的チームベースのプレイにおける友人関係の役割を調査した。友人関係は、スキルを補正しても個人およびチームのパフォーマンスを顕著に向上させることが示された。また、行動パターンから社会的つながりを正確に推定可能であることも明らかになった。研究結果は、友人関係に基づくチーム編成が成果を向上させることを示しており、プライベートデータを必要としない暗黙の社会的構造を活用した予測モデルの設計を支援する。

ABSTRACT

How important are friendships in determining success by individuals and teams in complex competitive environments? By combining a novel data set on the dynamics of millions of ad hoc team-based competitions from the massively multiplayer online first person shooter (MMOFPS) Halo: Reach with ground-truth data on player demographics, play style, psychometrics and friendships derived from an anonymous online survey, we investigate the impact of friendship on performance in such competitive environments. We find that friendships play a fundamental role, leading to both improved individual and team performance---even after controlling for the overall expertise of the team---and increased pro-social behavior. Furthermore, because players structure their in-game activities around opportunities to play with friends, we show that friendships can largely be inferred directly from behavioral time series using common-sense heuristics. Algorithms that leverage the utility of friendships, without needing explicitly labeled (and thus private) data, are thus both possible and will likely improve many aspects of competition prediction and design.

研究の動機と目的

• MMOFPSゲームのような複雑なチームベースの競争環境において、友人関係がパフォーマンスに与える影響を検討すること。
• 友人ネットワークが、個人のスキル水準を超えてチームおよび個人の成功を高めるかどうかを評価すること。
• ラベル付きの社会的ネットワーク情報に依存せずに、行動データから社会的つながりを信頼性高く推定できるかどうかを特定すること。
• 友人関係に基づくチーム編成が、競争予測およびゲームデザインに与える影響を検討すること。

提案手法

• Halo: Reachにおける数百万回のアドホックチームベースの試合から行動データを収集した。
• 匿名オンラインアンケートから得られたプレイヤーの人口統計、プレイスタイル、心理的特性、および自己申告による友人関係の真の状態データを統合した。
• 時間的系列行動パターンを用いて、共起性や協調頻度などの常識的ヒューリスティクスを用いて友人関係を推定した。
• チームのスキルやその他の交絡要因を制御した上で、友人関係がパフォーマンスに与える影響を分離するための統計モデルを適用した。
• アンケートでラベル付けされたデータをベンチマークとして用いて、友人関係特定アルゴリズムの推定精度を検証した。

実験結果

リサーチクエスチョン

• RQ1 友人関係は、競争的チームベースのゲームにおける個人およびチームのパフォーマンスにどのように影響を与えるか？
• RQ2 友人関係は、個人の熟練度やチーム編成を超えて、パフォーマンスにどの程度寄与するか？
• RQ3 明示的な社会的データがなければ、行動パターンから友人関係を正確に推定できるか？
• RQ4 友人関係は、競争的環境における協力的行動およびチームの調整にどのように影響を与えるか？

主な発見

• 友人関係は、チームのスキルや経験を補正しても、Halo: Reachにおける個人およびチームのパフォーマンスを顕著に向上させる。
• チームに友人がいるプレイヤーは、仲間の回復や支援といった協力的行動のレベルが高くなる。
• 単純なヒューリスティクスを用いた時間的系列行動パターンから、ラベルなしの社会的データを用いても、友人関係を信頼性高く推定できる。
• 友人の存在は、プレイヤーが一緒にプレイすることを意識的に計画するようになり、チームの結束を強化する。
• 推定された友人関係を利用したアルゴリズムは、プライベートなソーシャルネットワーク情報へのアクセスがなくても、競争予測およびゲームデザインの向上に寄与できる。