プロおよびアマチュア選手からの心理生理学データの収集と検証：マルチモーダルeスポーツデータセット

eスポーツの適切なトレーニングと分析には、正確に収集され注釈されたデータが必要です。多くのeスポーツ研究はゲーム内データの分析にのみ焦点を当てており、eスポーツ選手の心理生理学的なデータに関する先行研究が不足しています。本論文では、リーグ・オブ・レジェンドというビデオゲームで22試合（40時間以上の録画）を実施したプロチームとアマチュアチームから収集したデータセットを紹介します。収録されたデータには、選手の生理活動（例：動き、脈拍、サッケード）を各種センサーから取得したもの、試合後の自己報告調査、およびゲーム内データが含まれています。このデータセットの重要な特徴は、5人の選手からの同時データ収集であり、チームレベルでのセンサーデータ分析を容易にします。データセットの収集後、その検証を行いました。特に、プロ選手のストレスと集中力レベルがより相関性が低く、つまりより独立したプレイスタイルであることを示しています。また、チーム内のコミュニケーションがない場合でも、プロ選手ほどアマチュア選手に影響を与えないことも示しました。データセットの他の可能性のある用途を調査するために、3分間のセンサーデータを使用して古典的な機械学習アルゴリズムでスキル予測とプレイヤー再識別モデルを訓練しました。最良のモデルは、スキル予測問題では検証セット上で0.856の精度スコアを達成し、プレイヤー再識別問題では0.521（偶然レベルでは0.10）の精度スコアを達成しました。このデータセットはhttps://github.com/smerdov/eSports Sensors Datasetで利用可能です。