[논문 리뷰] Open Player Modeling: Empowering Players through Data Transparency

Jichen Zhu, Magy Seif El‐Nasr|arXiv (Cornell University)|2021. 10. 12.

Sports Analytics and Performance참고 문헌 62인용 수 5

한 줄 요약

이 논문은 플레이어가 게임 플레이 데이터에서 유도된 플레이어 모델을 가시화를 통해 투명하고 상호작용 가능한 방식으로 제공하는 새로운 연구 분야인 오픈 플레이어 모델링(OPM)을 소개한다. 평행 프로그래밍에 관한 교육용 게임에서의 사례 연구를 통해 저자들은 OPM이 플레이어가 자신의 전략을 반성하고 다른 이들과 비교하며 과정 중심의 상호작용 가시화를 통해 자기 조절 학습을 향상시킬 수 있음을 보여준다.

ABSTRACT

Data is becoming an important central point for making design decisions for most software. Game development is not an exception. As data-driven methods and systems start to populate these environments, a good question is: can we make models developed from this data transparent to users? In this paper, we synthesize existing work from the Intelligent User Interface and Learning Science research communities, where they started to investigate the potential of making such data and models available to users. We then present a new area exploring this question, which we call Open Player Modeling, as an emerging research area. We define the design space of Open Player Models and present exciting open problems that the games research community can explore. We conclude the paper with a case study and discuss the potential value of this approach.

연구 동기 및 목표

• 비전문가 플레이어를 대상으로 한 플레이어 모델링 시스템의 투명성 부족 문제를 해결하기 위해.
• 플레이어 모델을 가시화하고 해석 가능하게 만들면 플레이어가 게임 플레이를 반성하고 학습을 향상시킬 수 있음을 탐색하기 위해.
• 모델의 표현력과 플레이어의 이해 가능성 사이의 균형을 고려한 오픈 플레이어 모델(OPM)의 설계 공간을 개발하기 위해.
• OPM이 교육 및 e스포츠 환경에서 공정성, 신뢰도 및 효과성을 어떻게 향상시킬 수 있는지 조사하기 위해.

제안 방법

• 저자들은 게임 플레이 트레이스를 표현하기 위해 상태 그래프와 동기화된 시퀀스 그래프를 결합한 시각화 시스템인 Glyph를 개발했다.
• 상태 그래프는 개별 게임 플레이 경로를 시각화하는 반면, 시퀀스 그래프는 인기와 유사도 기반으로 유사한 시퀀스의 군집을 보여준다.
• 플레이어 행동은 색상으로 구분되며 상호작용 가능하여 사용자가 결정 과정의 단계를 자세히 검토할 수 있다.
• 시스템은 시퀀스 강조, 필터링, 반성용 주석 달기 등의 사용자 상호작용을 지원한다.
• 이 접근법은 사용자 모델링과 상호작용 기반 기계학습에 기반하며, 오픈 러닝어 모델링(OLM)에서 유래한 기법을 게임에 적용한다.
• 모델의 복잡성과 시각적 명확성 사이의 균형을 유지함으로써 이해 가능성에 중점을 두며, 크기와 거리로 인기와 유사도를 인코딩한다.

실험 결과

연구 질문

• RQ1 비전문가 플레이어가 게임에서 플레이어 모델을 어떻게 투명하고 해석 가능하게 만들 수 있는가?
• RQ2 어떤 유형의 가시화가 플레이어의 전략 반성과 비교를 가장 잘 지원하는가?
• RQ3 모델의 표현력과 사용자 이해 가능성 사이의 균형을 고려해 OPM 시스템을 어떻게 설계할 수 있는가?
• RQ4 주석과 필터링과 같은 상호작용 기능이 플레이어가 OPM과 상호작용하는 데 어떻게 기여하는가?
• RQ5 OPM은 AI 기반 게임 시스템에서 자기 조절 학습과 신뢰를 어떻게 향상시킬 수 있는가?

주요 결과

• Glyph 기반의 가시화는 평행 프로그래밍 게임의 한 레벨에서 세 가지의 명확한 게임 플레이 솔루션 패턴을 드러내어 플레이어가 자신의 전략을 찾고 비교할 수 있도록 했다.
• 성공한 플레이어의 시각화된 트레이스를 따라가면, 예를 들어 대기 문장 조정과 같은 세부적인 결정 시퀀스를 검토할 수 있었다.
• 사용자 연구 결과에 따르면 상호작용 기반 OPM이 깊은 참여를 유도하며, 플레이어가 더 오랜 시간을 들여 탐색하고 자가 평가를 尝시며 예시를 검토하는 경향이 있었다.
• 개별 경로와 집단적 패턴을 동시에 시각화함으로써 메타인지 반성과 학습 전략 향상이 가능하다는 점이 입증되었다.
• 복잡한 정보를 담은 모델과 단순하고 이해하기 쉬운 시각화 사이의 갈등은 여전히 핵심 과제이며, 반복적인 설계와 사용자 테스트가 필요하다.
• OPM을 추천 및 알림 시스템과 통합하면 게임 플레이 가이던스 향상 잠재력이 있으며, 조건은 모델이 설명 가능하고 검토할 수 있어야 한다.