基于游戏行为的黑暗人格预测技术研究
Dark Personality Prediction from Player in-game Behavior: Machine Learning Methods
-
作者:
吕思华
1,2
陈雯雯
3
张乙川
3
朱廷劭
1,2
-
作者单位:
- 通讯作者:
朱廷劭
Email:tszhu@psych.ac.cn
-
提交时间:2021-07-08
摘要: [目的]本研究利用DOTA2游戏行为数据,实现对DOTA2玩家黑暗人格三维度的无侵入识别。[方法]本文利用Clarity 2解析包对DOTA2的游戏日志文件进行解析,提取玩家的游戏行为特征,并利用黑暗十二条量表对玩家的行为特征进行标注,采用机器学习的方法实现对黑暗人格三维度的识别。
[结果]结果发现,在马基雅维利主义、自恋和精神病态三维度上,采用高斯过程回归算法建立的模型在效度和信度上表现最佳,模型预测值与真实值之间的相关系数在0.31-0.45之间,重测信度在0.33-0.53之间。
[局限]本研究未将被试的言语行为特征纳入到建模过程中,使得游戏行为特征不够全面。
[结论]研究结果发现游戏行为数据能够帮助预测个体的黑暗人格,并且通过高斯过程回归建立的模型具有最高信效度。
版本历史
[V1] |
2021-07-08 15:25:42 |
ChinaXiv:202107.00010V1
|
下载全文 |