Identifying player profiles in video games
Hynninen, Timo (2016)
Diplomityö
Hynninen, Timo
2016
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2016080222538
https://urn.fi/URN:NBN:fi-fe2016080222538
Tiivistelmä
Tämä diplomityö tarkastelee pelaajatyyppien ja pelaajamotivaatioiden tunnistamista
videopeleissä. Aiempi tutkimus tuntee monia pelaajatyyppien malleja, mutta niitä ei ole
liiemmin sovellettu käytäntöön peleissä. Tässä työssä suoritetaan systemaattinen
kirjallisuuskartoitus erilaisista pelaajatyyppien malleista, jonka pohjalta esitetään useita
pelaajien luokittelutapoja. Lisäksi toteutetaan tapaustutkimus, jossa kirjallisuuden pohjalta
valitaan pelaajien luokittelumalli ja testataan mallia käytännössä tunnistamalla
pelaajatyyppejä data-analytiikan avulla reaaliaikaisessa strategiapelissä. This thesis investigates ways to identify player types or motivations in video games.
Previous research identifies many approaches to player typologies but few of these
approaches have been applied to games outside of limited research settings. A literature
review on player typologies is conducted and several player type models are presented.
Additionally a case study where one of the player typologies discovered in the literature is
tested with an online real-time strategy game. As a result a classification of volunteer
players and their play-motivations is built using a machine learning method called
hierarchical clustering.
videopeleissä. Aiempi tutkimus tuntee monia pelaajatyyppien malleja, mutta niitä ei ole
liiemmin sovellettu käytäntöön peleissä. Tässä työssä suoritetaan systemaattinen
kirjallisuuskartoitus erilaisista pelaajatyyppien malleista, jonka pohjalta esitetään useita
pelaajien luokittelutapoja. Lisäksi toteutetaan tapaustutkimus, jossa kirjallisuuden pohjalta
valitaan pelaajien luokittelumalli ja testataan mallia käytännössä tunnistamalla
pelaajatyyppejä data-analytiikan avulla reaaliaikaisessa strategiapelissä.
Previous research identifies many approaches to player typologies but few of these
approaches have been applied to games outside of limited research settings. A literature
review on player typologies is conducted and several player type models are presented.
Additionally a case study where one of the player typologies discovered in the literature is
tested with an online real-time strategy game. As a result a classification of volunteer
players and their play-motivations is built using a machine learning method called
hierarchical clustering.