[논문 리뷰] Short Literature Review for a General Player Model Based on Behavlets

Benjamin Ultan Cowley, Darryl Charles|arXiv (Cornell University)|2016. 03. 22.

Sports Analytics and Performance참고 문헌 36인용 수 3

한 줄 요약

이 논문은 플레이어 심리, 게임 구조, 경험 프레임워크를 통합하여 일반화된 플레이어 모델을 위한 기초 프레임워크를 제안한다. 플레이어 경험을 모델링하기 위한 핵심 도구를 식별하기 위해 범위 검토를 도입하며, 그 목표는 보다 정확하고 심리학에 기반한 플레이어 모델링을 가능하게 하여 게임 내 적응형 AI를 지원하는 데 있다.

ABSTRACT

We present the first in a series of three academic essays which deal with the question of how to build a generalized player model. We begin with a proposition: a general model of players requires parameters for the subjective experience of play, including at least: player psychology, game structure, and actions of play. Based on this proposition, we pose three linked research questions, which make incomplete progress toward a generalised player model: RQ1 what is a necessary and sufficient foundation to a general player model?; RQ2 can such a foundation improve performance of a computational intelligence-based player model?; and RQ3 can such a player model improve efficacy of adaptive artificial intelligence in games? We set out the arguments behind these research questions in each of the three essays, presented as three preprints. The first essay, in this preprint, reviews the literature for the core foundations for a general player model. We then propose a plan for future work to systematically extend the review and thus provide an empirical answer to RQ1 above. This work will directly support the proposed approach to address RQ2 and RQ3 above. This review was developed to support our 'Behavlets' approach to player modelling; therefore if citing this work, please use the relevant citation: Cowley B, Charles D. Behavlets: a Method for Practical Player Modelling using Psychology-Based Player Traits and Domain Specific Features. User Modelling and User-Adapted Interaction. 2016 Feb 8; online (Special Issue on Personality in Personalized Systems):1-50.

연구 동기 및 목표

• 플레이의 주관적 경험을 포괄하는 데 필요한 충분한 기초를 확립하기 위해.
• 플레이어 심리, 게임 구조, 경험 프레임워크 분야의 기존 도구를 식별하고 평가하여 이러한 모델의 구축 요소로 삼기 위해.
• 플레이어 모델링에 가장 효과적인 요소들을 경험적으로 검증하기 위한 체계적 리뷰와 메타분석의 기초를 마련하기 위해.
• 검증된 심리학적 이론과 디자인 이론에 기반한 플레이어 모델을 통해 더 적응적이고 개인화된 게임 AI 개발을 지원하기 위해.

제안 방법

• 플레이어 심리, 게임 구조, 경험 프레임워크의 세 핵심 분야에 대한 비체계적이고 수요 기반의 범위 검토를 수행하기 위해.
• 플레이어 유형, 게임 디자인 패턴, 행동 심리 모델과 관련된 핵심 참고문헌과 검색어 식별하기.
• 범위 검토를 체계적 리뷰로 전환하기 위한 향후 연구 계획 제안: 재현 가능한 검색 전략과 필터링 절차 포함.
• 특히 공개된 플레이어 모델과 유형에 초점을 맞춰, 핵심 저작물의 인용 논문을 수집하기 위해 인덱스된 데이터베이스(예: ACM 디지털 라이브러리) 활용.
• 기존 모델의 메타분 析를 가능하게 하는 방법론적 파이프라인 설계: 분류기 정확도와 모델 효능에 대한 정량적 평가 포함.
• 발견된 결과를 Behavlets 프레임워크에 통합하여, 심리적 특성과 도메인 특화 게임 기능을 연결함으로써 더 풍부하고 이론 기반의 플레이어 모델링 기능을 창출하기.

실험 결과

연구 질문

• RQ1 기존의 플레이어 경험 기술 도구 중 어떤 것이 일반화된 플레이어 모델의 필수적이고 충분한 기초를 형성하는가?
• RQ2 그러한 기초가 실시간 환경에서 계산 지능 기반 플레이어 모델의 성능을 향상시킬 수 있는가?
• RQ3 심리학적으로 기반을 둔 플레이어 모델이 게임 내 AI의 효능과 적응 능력을 향상시킬 수 있는가?

주요 결과

• 기존의 플레이어 모델은 일반적으로 플레이의 심리적 차원을 포착하지 못하며, 기본적인 게임 내 변수와 난이도 조정에 의존한다.
• Bartle의 플레이어 유형은 자주 인용되지만 체계적인 검증이 부족하며, 플레이어 행동을 분류하는 데 있어 정확도에 대한 제한된 증거가 있다.
• Behavlets 프레임워크는 심리적 특성과 게임 디자인 패턴을 연결하여 이론 기반의 모델링 기능을 창출하는 혁신적인 접근을 제공한다.
• 의료 외 분야인 게임 AI 분야에서 체계적이고 재현 가능한 플레이어 모델링 도구 리뷰에 대한 뚜렷한 격차가 존재한다.
• 향후 체계적 리뷰와 메타분 析를 통해 다양한 기초 요소(예: Bartle의 유형론을 사용한 모델의 정확도)의 효능을 정량적으로 평가할 수 있다.
• 심리학 이론을 게임 디자인 패턴과 행동 모델링과 융합하면 더 강력하고 일반화 가능한 플레이어 모델이 도출될 수 있다.