전문 선수와 아마추어 선수의 심리생리학적 데이터 수집 및 검증: 다중 모달 e스포츠 데이터셋

적절한 훈련과 분석을 위해 e스포츠는 정확하게 수집되고 주석이 달린 데이터가 필요합니다. 대부분의 e스포츠 연구는 게임 내 데이터 분석에만 집중하고 있으며, e스포츠 선수들의 심리생리학적 데이터를 다루는 선행 연구가 부족합니다. 본 논문에서는 리그 오브 레전드 비디오 게임에서 프로팀과 아마추어팀이 22경기 동안 40시간 이상의 기록으로 수집된 데이터셋을 제시합니다. 수집된 데이터에는 선수들의 생리 활동(예: 움직임, 맥박, 사카데), 다양한 센서를 통해 얻은 자료, 경기 후 자가 보고 설문조사, 그리고 게임 내 데이터가 포함됩니다. 이 데이터셋의 중요한 특징 중 하나는 한 팀당 5명의 선수로부터 동시에 데이터를 수집한다는 점으로, 이는 팀 단위로 센서 데이터를 분석하는 것을 용이하게 합니다. 데이터셋 수집 후 그 유효성을 검증하였습니다. 특히, 프로 선수들의 스트레스와 집중력 수준이 덜 상관관계를 가지며, 즉 더 독립적인 플레이 스타일을 보이는 것을 입증하였습니다. 또한, 팀 간 커뮤니케이션이 부재할 때 아마추어 선수들보다 프로 선수들에게 큰 영향을 미치지 않는다는 것을 보여주었습니다. 이 데이터셋의 다른 가능한 활용 방안을 조사하기 위해, 우리는 센서 데이터 3분 세션을 사용하여 기술 예측 및 플레이어 재식별 문제에 대한 전통적인 머신러닝 알고리즘을 학습시켰습니다. 최상의 모델은 기술 예측 문제에서 검증 세트에 대해 0.856의 정확도 점수를, 플레이어 재식별 문제에서는 0.521(우연한 수준은 0.10)의 정확도 점수를 달성하였습니다. 이 데이터셋은 https://github.com/smerdov/eSports Sensors Dataset에서 이용 가능합니다.