Tartalom
Egy idővel írtam egy cikket, amely azt vizsgálja, hogy a játékos tapasztalatai hogyan befolyásolják a készségeiket DOTA 2. Néhány legkedvesebb olvasó rámutatott néhány hibára a módszereimben, amelyek közül néhányat már figyelembe vettem, és az egyiket, ami elkapott. Ebben a cikkben szeretnék bemutatni néhány új adatot és foglalkozom ezzel a kritikával.
Az MMR vizsgálata
Korábbi elemzésem kulcsfontosságú csapdája nem a figyelembe vett rendszer hatását vizsgálta. Látod, bár a Dota A wiki ezt mondja:
"... idővel a win-loss arányok lesznek természetesen 50/50 körüli település mindenki számára, kivéve a legjobb játékosokat ... "
Nyilvánvaló, hogy összességében a nyerési arány nem egy pontos proxy a játékos képessége számára. Ezt az érvelést követve a legjobb szakértelem a valóságban az egyezéses értékelés (MMR). Több játékot kell lefordítani egy magasabb MMR-re, ugye?
Noha nincs túl sok adat az MMR-ről, hajlandó voltam az erőfeszítést tenni a tudomány kedvéért. Ezt szem előtt tartva összegyűjtöttem az MMR-ről és 46 játékos által játszott mérkőzésekről az európai vezetőtáblán és a Dotabuff-on. Itt van a végtermék - egy kis minta, de elég sok variációval.
A következő lépés az adatok ábrázolása. A függőleges tengelyen a vízszintes tengelyen és az MMR-besoroláson játszott meccsek számát helyeztem.
És mit látunk? Sajnos semmi. Nagy reményeim voltak erre, de nyilvánvaló, hogy nincs statisztikailag szignifikáns kapcsolat. Míg egyfajta leesés, legalább összhangban van az előző cikkgel. Emlékezzetek rá, ez a legjobb játékosok adatai 2000 és 10 000 mérkőzés között (1-5k óra), és várható, hogy a tanulási görbe idővel kiegyenlítődik.
A valódi tanulási görbe valószínűleg ilyesmi.
Ennek eredményeként a 2000 <10 000 meccsen játszott régió regressziója ténylegesen nem mutat szignifikáns összefüggést. Ennek az lehet az oka, hogy ezen a képességszinten csak annyi változás lehet az MMR-ben, mint a játék során. A legjobb a legjobbnak nem kell javulnia. De sajnos az alacsony MMR-lejátszó adatai nem érhetők el könnyen.
Ha hozzá kíván járulni ahhoz, hogy ezt megtudja, add hozzá az adatait ehhez a laphoz (névtelen lehet), és a számokat akkor fogom futtatni, ha eléri az 50 játékosot, akik kevesebb, mint 4000 meccsnyi élményt kapnak (kérlek, kérlek).
A korai elemzések rövid áttekintése
Pár barátom töltött be DOTA 2 statisztikák, és itt vannak az MMR-játékosok közti elemzés korai eredményei.
Néhány közép-MMR játékos esetén még a korai tanulási görbe is egyre nyilvánvalóbbá válik. A logaritmikus minta kitalálás - nem szeretném még csak levonni a következtetéseket. Nyilvánvaló azonban, hogy a <3 000 meccsen lejátszott játékosoknál nagyobb a valószínűsége, hogy alacsonyabb MMR.
Következtetés
Az utolsó két cikkem célja az volt, hogy kitaláljuk, hogy az extra tapasztalatok növekednek-e DOTA 2 játékos képessége. Néhány proxyt vettem figyelembe a legjobb játékosoktól (Win rate, KDA arány, MMR), és mindegyikük ugyanezre a következtetésre vezetett - nincs jelentős kapcsolat a játékidő és a játékos képessége között. Ha az átlagos játékosokat is figyelembe vesszük, egy meredek tanulási görbe mintázatot láthatunk.
A legjobb játékosok adatai azt tanítják, hogy az első 4000 mérkőzés után egyszerűen csak több időt tölt be Dota nem az, hogy jobb játékos legyen. Függetlenül attól, hogy tehetség, csapatmunka, módszertani tanulmány vagy szervezett gyakorlat van-e, elengedhetetlen, hogy szem előtt tartsuk, hogy idővel sok más, sokkal fontosabb tényező is van, amelyek javítják a játékot.
Tekintettel arra, hogy az emberek a számukkal lépnek be, a jövőbeni cikkek mélyen megvizsgálják a közép-MMR tanulási görbét. Érdekel továbbá annak vizsgálata is, hogy milyen különbségek vannak a Solo MMR és az MMR Team forgalmazásában. Az a helyzet, hogy a játékosok megtanulják, hogyan kell egyedül játszani, mint a csapatmunka elsajátítása? Meg tudjuk különböztetni a játékosokat a típusokban az egyéni vagy csapat preferenciák szerint? Sok jó kérdés van, hogy nézd meg.
Remélem, hogy ezzel foglalkozik a Bizottság által előterjesztett kritikákkal DOTA 2 közösség. Ha ötleted van megosztani - hagyj nekünk egy megjegyzést!
Értékelés Yobo