Identifying player profiles in video games

Abstract

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.