Tutto Everquest 2 in 60 terabyte

Il gioco online come oggetto di studio negli USA per analizzare l'interazione tra individui in Rete. Sorpresa: i videogiochi non allontanano dagli amici. Semmai il contrario
Il gioco online come oggetto di studio negli USA per analizzare l'interazione tra individui in Rete. Sorpresa: i videogiochi non allontanano dagli amici. Semmai il contrario

Da tempo, Noshir Contractor e i suoi colleghi della Northwestern University erano alla ricerca di database di gioco di grandi dimensioni, per analizzare i comportamenti dei player online. E adesso, finalmente, l’hanno trovato: grazie ad un accordo con Sony, Contractor ed i suoi sono entrati in possesso dell’intero server log di Everquest II, uno dei più noti MMORPG in circolazione.

Sony mette a disposizione degli studiosi la serie completa dei log di gioco relativi a Everquest II : come dire, spiega Ars Technica , tutte le azioni ed interazioni realizzate da 400mila giocatori nell’arco di quattro anni, integrate da una serie ampia di dati demografici relativi ai giocatori. O, per tradurre il tutto in byte, un database di oltre 60 tera: si tratta del set di dati di gioco più ampio mai concesso all’esterno da un produttore.

L’accordo è stato annunciato lo scorso 14 Febbraio, nel corso della conferenza annuale dell’ American Association for the Advancement of Science ( AAAS ), e più precisamente durante il panel su “Analisi dei mondi virtuali: il prossimo passo per la ricerca nelle scienze sociali”. Obiettivo della ricerca, che Contractor seguirà insieme a colleghi di diversi enti dentro e fuori il suo dipartimento , è individuare all’interno dei log di gioco dei “pattern strutturali” ricorrenti, ricollegabili alle diverse configurazioni di network sociale proprie del gioco.

A questo scopo, gli studiosi intendono esaminare in dettaglio i dati relativi a situazioni come le missioni, le sessioni di in-game instant-messaging , le transazioni commerciali, nonché le interazioni dirette e il grado di prossimità fisica tra i characters . Il lavoro su questi parametri dovrebbe consentire di costruire indici validi per variabili quali il “livello di esperienza individuale” o la “difficoltà di una missione”, ma anche per altre più soft come la “fiducia reciproca” o la “performance individuale” all’interno di un gruppo.

“Possiamo vedere a chi i giocatori hanno parlato, con chi hanno svolto missioni, ed in generale possiamo mappare tutte le interazioni e transazioni che hanno realizzato”, ha spiegato Contractor a ScienceDaily : “In un certo senso, possiamo analizzare un microcosmo che rispecchia il funzionamento del nostro mondo sociale più ampio”.

Inoltre, la consultazione delle survey demografiche collegate ai log ha già consentito agli studiosi di trarre indicazioni su variabili più “classiche” come il genere, l’età e le abitudini di gioco degli aficionado di Everquest 2. L’età media dei players si è rivelata essere di 31 anni, e (com’era prevedibile) l’incidenza degli uomini sul totale si è mostrata di gran lunga preponderante rispetto a quella delle donne. Inoltre, sempre stando ai dati già analizzati, le giocatrici tenderebbero ad esibire un’attitudine al gioco collaborativo inferiore rispetto a quella dei loro colleghi dell’altro sesso.

Più interessante il dato sulla correlazione tra prossimità geografica e teaming online. I log già analizzati da Contractor e colleghi mostrano infatti come l’appartenenza ad una medesima area geografica e temporale ( timezone ) influenzi relativamente poco l’attività di gioco collaborativo, ma documentano anche che la probabilità di “fare team” cresce esponenzialmente se i fellow player sono molto vicini.

“Le persone finiscono per giocare online con le persone che sono loro vicine, e che spesso già conoscono” ha chiarito Contractor. “Non si creano nuovi network, ma più semplicemente se ne rafforzano di esistenti. Anche se i giocatori parlano con tutti, la probabilità di fare team con persone che stanno a meno di 10km di distanza è cinque volte superiore rispetto a quella di cooperare con chi è distante 100 km”.

Ma al di là dei risultati di merito che offre, l’esame di un dataset come quello in esame presenta sfide affascinanti anche a livello di metodologie di analisi. In particolare, tutti i tentativi fin qui compiuti per esaminare il “pacchetto-monstre” con algoritmi di social network analysis tradizionali sono falliti, e questo sta spingendo i ricercatori ad inventarsi soluzioni diverse ed innovative per risolvere il problema.

Giovanni Arata

Link copiato negli appunti

Ti potrebbe interessare

16 02 2009
Link copiato negli appunti