Automated classification of game players among the participant profiles in massive open online courses

Abstract

In recent years, there has been an increasing interest in Massive Open Online Courses (MOOCs). This interest highlights the importance of understanding behavior, traits, and preferences of individuals. Developing such an understanding requires ways for improving the process of MOOC design by adapting innovative techniques such as personality profiling, which have been frequently employed in the field of game development. This study suggests a mechanism to classify MOOC participants into their correspondent Bartle's Massively Multiplayer Online Game (MMOG) player type by using Myers-Briggs Types Indicator (MBTI) as a personality reference. The goal is to explore the profiles of MOOC attendees by using both MBTI and Bartle's MMOG player types for the sake of delivering a distinctive view about the audience of MOOCs. To this end, an online questionnaire which is composed of three dimensions was administered: (i) demographics, (ii) MBTI personality assessment, and (iii) Bartle's player types. Respondent (N=75) replies showed a relationship between a group of personality types and MMOG v playing styles. Furthermore, a machine-learning model was proposed to instantly classify the player types. Ultimately, results (N=67) showed that using Back Propagation (BP) neural network is acceptable for both the training process (performance=100%) and the testing process (performance=91.6%). The results suggest that our approach provides a novel way to asses participants of MOOCs in terms of Bartle's player types. Moreover, our approach of applying BP method provides a novel way to accurately classify participants of MOOCs in terms of Bartle's player types.Son yıllarda Kitlesel Açık Çevrimiçi Kurslara (KAÇK) artan bir ilgi söz konusudur. Bu ilgi bireylerin davranışları, özellikleri ve tercihlerinin anlaşılması öneminin altını çizmektedir. Böyle bir anlayış geliştirmek, sıklıkla oyun geliştirme alanında kullanılan kişilik profilleme gibi yenilikçi teknikleri uyarlayarak KAÇK tasarım sürecini geliştirmek için çeşitli yollar gerektirmektedir. Bu çalışma, bir kişilik referansı olarak Myers-Briggs Türü Göstergeler (MBTG) kullanılarak KAÇK katılımcılarının Bartle Kitlesel Çok oyunculu Çevrimiçi Oyunları (KÇÇO) oyuncu türü içinde sınıflandırmak için bir mekanizma ortaya koymaktadır. Amaç, KAÇK izleyicileri hakkında ayrıştırıcı bir bakış sunmak için KAÇK katılımcı profillerini hem MBTG hem de Bartle KÇÇO oyuncu türlerini kullanarak araştırmaktır. Bu amaçla, üç boyutlu bir çevrimiçi anket kullanılmıştır: (i) demografik özellikler, (ii) MBTG kişilik değerlendirmesi, ve (iii) Bartle oyuncu türleri. Muhatap (N=75) cevapları bir grup kişilik türleri ile KÇÇO oyun stilleri arasında bir ilişkinin vii olduğunu göstermiştir. Dahası, bir makine öğrenimi modeli anında oyuncu türü sınıflandırması için önerilmiştir. Sonuçta, sonuçlar (N=67) Geri Yayılımlı (GY) sinir ağının hem eğitim süreci (performans=%100) hem de test süreci için (performans=%91,6) uygun olduğunu göstermiştir. Sonuçlar yaklaşımımızın Bartle oyuncu türleri açısından KAÇK katılımcılarını belirlemede özgün bir yol sağladığını ortaya koymaktadır. Ayrıca, GY yöntemi uygulama yaklaşımımız Bartle oyuncu türleri açısından KAÇK katılımcılarını doğru bir şekilde belirlemede özgün bir yol ortaya koymaktadır.