[論文レビュー] MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches

Soroush Elyasi, Arya VarastehNezhad+1 more|arXiv (Cornell University)|Jan 3, 2026

Educational Games and Gamification被引用数 0

ひとこと要約

この論文は、マルチジャンルのサ Serious games と機械学習を用いて、ゲームプレイ由来の行動特徴からソフトウェア開発者の適性を予測するゲームベースの枠組みを提案し、最大97%の精度と94%の正確さを達成します。

ABSTRACT

Personality assessment in career guidance and personnel selection traditionally relies on self-report questionnaires, which are susceptible to response bias, fatigue, and intentional distortion. Game-based assessment offers a promising alternative by capturing implicit behavioral signals during gameplay. This study proposes a multi-genre serious-game framework combined with machine-learning techniques to predict suitability for software development roles. Developer-relevant personality and behavioral traits were identified through a systematic literature review and an empirical study of professional software engineers. A custom mobile game was designed to elicit behaviors related to problem solving, planning, adaptability, persistence, time management, and information seeking. Fine-grained gameplay event data were collected and analyzed using a two-phase modeling strategy where suitability was predicted exclusively from gameplay-derived behavioral features. Results show that our model achieved up to 97% precision and 94% accuracy. Behavioral analysis revealed that proper candidates exhibited distinct gameplay patterns, such as more wins in puzzle-based games, more side challenges, navigating menus more frequently, and exhibiting fewer pauses, retries, and surrender actions. These findings demonstrate that implicit behavioral traces captured during gameplay is promising in predicting software-development suitability without explicit personality testing, supporting serious games as a scalable, engaging, and less biased alternative for career assessment.

研究の動機と目的

• 文献と専門家の実証研究から開発者に関連する人格・行動特性を特定する。
• ソフトウェア開発に結びつく特性を引き出すためのマルチジャンルのサ Serious game を設計する。
• ゲームプレイ由来の特徴を用いて適性を推定する予測MLモデルを開発する。

提案手法

• ソフトウェア開発の中心としてMBTI Thinking特性を特定し、関連する行動特性で補完する。
• 認知・行動信号を引き出すモジュール式のジャンル横断Unityベースのモバイルサ Serious gameを開発する。
• 同意ベースのデータ処理を前提とするバックエンド（ASP.NET Core, SQL Server）を用いて、細粒度のゲームイベントを記録する。
• 高次元のゲームデータを前処理し、有用な特徴を選択し、ラベル付きデータとラベルなしデータを活用する2段階モデリングを適用する。
• 検証済みのソフトウェア開発スペシャリストのラベル付き例を用いてモデルを訓練・評価し、ラベルなしデータは予測フレームワークで推定する。

実験結果

リサーチクエスチョン

• RQ1 ゲームプレイ由来の行動特徴は、自己申告の人格測定を超えてソフトウェア開発適性を予測できるか？
• RQ2 適性ある候補者を最もよく区別する開発者関連特性とゲームプレイパターンは何か？
• RQ3 限られたラベルデータを用いた2段階モデリング（データセット完成→全範囲予測）は精度を向上させるか？
• RQ4 MBTI Thinkingタイプと関連行動はゲームベースの評価において予測因子としてどれほど有効か？
• RQ5 ゲームベースの評価を用いたスケーラブルで偏りの少ないキャリア指導の実用的影響は何か？

主な発見

• このモデルは、ゲームプレイ特徴からソフトウェア開発適性を予測する際、最大97%の精度と94%の正確さを達成した。
• 適性候補を特徴づける独自のゲームプレイパターンとして、パズルゲームの勝利回数が多いこと、サイドチャレンジが多いこと、頻繁なメニュー移動、 pauses・リトライ・降参行動が少ないことなどが挙げられた。
• ラベル付きデータが制限される状況でも、まず人格ベースの情報でラベルを補完し、その上でゲームプレイ特徴から適性を予測する2段階モデリング戦略により予測が可能になる。
• このアプローチは、ゲームプレイ中の暗黙の行動痕跡が、キャリア評価における人格テストの代替として、規模は大きく、魅力的で、偏りが少ない選択肢となり得ることを示している。