[论文解读] Short Literature Review for a General Player Model Based on Behavlets

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

Sports Analytics and Performance参考文献 36被引用 3

一句话总结

本文提出了一种基础性框架，通过整合玩家心理学、游戏结构和体验框架，构建广义玩家模型。该研究开展了一项范围综述，以识别建模玩家体验的核心工具，旨在实现更精确、基于心理学的玩家模型，从而支持游戏中自适应人工智能的发展。

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.

研究动机与目标

• 建立广义玩家模型的必要且充分基础，以捕捉玩家体验的主观感受。
• 识别并评估来自玩家心理学、游戏结构和体验框架的现有工具，作为此类模型潜在的构建模块。
• 为系统综述和元分析奠定基础，以实证验证玩家建模中最有效的组件。
• 通过基于经验证的心理学与设计理论，支持更自适应、个性化的游戏人工智能的发展。

提出的方法

• 对三个核心领域（玩家心理学、游戏结构、体验框架）的文献开展非系统性、按需进行的范围综述。
• 识别与玩家类型、游戏设计模式及行为心理模型相关的关键参考文献和检索关键词。
• 提出未来研究计划，将范围综述转化为具有可重复检索策略和过滤程序的系统性综述。
• 利用ACM数字图书馆等索引数据库收集关键文献的引用文章，尤其关注已发表的玩家模型与类型学。
• 设计一种方法论流程，以支持对现有模型的元分析，包括分类器准确率和模型有效性的定量评估。
• 将研究发现整合至Behavlets框架中，该框架通过将心理特质与领域特定的游戏特征相联系，构建更丰富、基于理论的玩家建模特征。

实验结果

研究问题

• RQ1 哪些现有的玩家体验描述工具构成了广义玩家模型的必要且充分基础？
• RQ2 此类基础是否能提升基于计算智能的玩家模型在实时环境中的性能？
• RQ3 基于心理学的玩家模型是否能增强游戏中人工智能的效能与适应性？

主要发现

• 现有玩家模型通常无法捕捉游戏的心理维度，而是依赖于基本的游戏内变量和挑战调节。
• 如Bartle类型学等玩家类型学常被引用，但缺乏系统性验证，其在分类玩家行为方面的准确性证据有限。
• Behavlets框架通过将心理特质与游戏设计模式相联系，提供了一种新颖的方法，以创建基于理论的建模特征。
• 在游戏人工智能等非医疗领域，系统性、可重复的玩家建模工具综述仍存在显著空白。
• 未来开展系统性综述与元分析，可定量评估不同基础要素的有效性，例如使用Bartle类型学的模型准确性。
• 将心理学理论与游戏设计模式及行为建模相结合，可带来更稳健且更具普适性的玩家模型。