Resumen

Los datos del registro de juegos tienen un gran potencial para proporcionar información accionable sobre el comportamiento de los jugadores en el juego. Sin embargo, estos datos conductuales de bajo nivel son notoriamente difíciles de analizar debido a los desafíos asociados con extraer significado de datos dispersos almacenados en un tamaño de grano tan pequeño. Este artículo describe una solución de tres pasos que utiliza análisis de clusters para determinar qué estrategias utilizan los jugadores para resolver niveles en el juego, minería de secuencias para identificar cambios en la estrategia a lo largo de múltiples intentos en el mismo nivel, y diagramas de transición de estados para visualizar las secuencias de estrategias identificadas por la minería de secuencias. En el videojuego educativo utilizado en este estudio de caso, el análisis de clusters identificó con éxito 15 estrategias diferentes en el juego. La minería de secuencias encontró un promedio de 40 secuencias diferentes de uso de estrategias por nivel, las cuales los diagramas de transición de estados visualizaron con éxito de manera interpretable

• Materias:Realidad aumentada Modelo para juego Política de acción continua Psicología del color Diagramas de estado
• Subjects:Augmented reality Game modeling Continuous action policy Color psychology State diagrams
• Palabras claves:Datos de registro del juego; Información accionable; Comportamiento en el juego; Análisis de grupos; Minería de secuencias; Diagramas de transición de estados
• Keywords:Game log data; Actionable information; In-game behavior; Cluster analysis; Sequence mining; State transition diagrams