Português English
Contato

Dissertação de Joaquim Alvino de Mesquita Neto


Detalhes do Evento


Aluno: Joaquim Alvino de Mesquita Neto
Orientadora: Profª. Drª. Karin Becker

Título: Uma análise sobre o comportamento tóxico em jogos on-line baseada em tópicos de conversa.

Linha de Pesquisa: Modelagem Conceitual e Bancos de Dados

Data: 20/04/2018
Hora: 14h
Local: Prédio 43412 – AUD-1 (Auditório 1), Instituto de Informática.

Banca Examinadora:
Prof. Dr. Rodrigo Coelho Barros (PUCRS)
Prof. Dr. João Luiz Dihl Comba (UFRGS)
Prof. Dr. Renata de Matos Galante (UFRGS)

Presidente da Banca: Profª. Drª. Karin Becker

Abstract: Multiplayer Online Battle Arena (MOBA) são jogos competitivos, nos quais a vitória depende do trabalho em equipe entre os jogadores. O comportamento tóxico atrapalha a comunicação entre jogadores e diminui a coesão de uma equipe, provendo um ambiente de jogo pior aos envolvidos. Trabalhos na área focam na detecção automática e na caracterização do comportamento tóxico, através de features textuais envolvendo a comunicação entre jogadores. Nós investigamos os padrões de conversa utilizados por jogadores de League of Legends, um jogo MOBA popular, e investigamos os efeitos destes padrões sobre o desempenho e a contaminação tóxica destes jogadores, quais as transições mais prováveis entre estes padrões, bem como caracterizamos tais padrões de acordo com os principais sentimentos evocados por estes. Neste trabalho, buscamos dissecar o comportamento de jogadores em partidas de MOBAs, identificando e validando os tópicos de conversa utilizados por jogadores nestas partidas, tópicos estes que correspondem a diferentes comportamentos adotados por jogadores. Através dos tópicos, nós: a) caracterizamos o comportamento de grupos de jogadores; b) analisamos como os tópicos afetam o desempenho e a contaminação de grupos de jogadores, através de métricas criadas para tal fim; c) descobrimos tendências de como a conversação flui durante uma partida; e d) analisamos como diferentes padrões de conversa associam-se com emoções, através da construção de um léxico de sentimentos voltado a conversas em MOBAs. Descobrimos que os aliados de um jogador tóxico são, em geral, mais afetados pelo comportamento tóxico do que seus adversários e, que oponentes são mais afetados quando o comportamento tóxico é diretamente direcionado a eles (por exemplo, insultos racistas). Jogadores sem contato significativo com jogadores tóxicos tendem a ser mais positivos, concentrando-se em táticas de jogo e socialização. Também descobrimos que comportamento negativo apresentado por jogadores não-ofensores aparenta ser transitório, podendo voltar a normalidade com relativa facilidade, enquanto jogadores tóxicos recusam-se a colaborar com seu time após algum conflito com este, e que a falta de confiança entre membros de uma equipe, bem como sentimentos de medo, podem servir como estopim para o comportamento tóxico. Nossos resultados podem servir de porta de entrada para trabalhos mais complexos sobre o estado emocional de jogadores, além poderem ser explorados para um melhor entendimento do comportamento tóxico, bem como para sua detecção através de meios automatizados, até mesmo buscando prevenir tal comportamento durante uma partida.

Keywords: Comportamento Tóxico, Mineração de Sentimentos, Mineração de Texto, Jogos Online, League of Legends.