Дипломная работа: Взаимосвязь между типом игрока и построением эффективной социальной коммуникации (на примере игр CS:GO и DOTA2)

В ходе анализа было построено несколько различных вариантов факторных моделей. Тем не менее, было принято решение выбрать модель, которая объясняет семь факторов, так как только в подобном случае собственное значение оказывается выше единицы. Более того, необходимо отметить, что данная модель способна объяснить достаточный суммарный коэффициент дисперсии и, что немаловажно, отлично поддается интерпретации.

Таблица 10 - Общая объясненная дисперсия

В конечном итоге была получена семифакторныя модель, в которой собственное значение каждого фактора выше единицы. Данная модель объясняет 67% суммарной дисперсии. Данный процент находится в рамках допустимых значений для этого критерия в случае использования метода главных компонент.

В связи с тем, что некоторые суждения пересекались между собой в корреляционной матрице, возникла необходимость использовать модель с косоугольным вращением. Она хорошо поддалась интерпретации, так что конечный выбор был остановлен на ней.

Таблица 11 - Повернутая матрица компонент

Посредством интерпретации факторных нагрузок было выявлено и описано семь различных факторов.

Название, описание и интерпретация факторов

Фактор 1: Данный фактор демонстрирует желание человека знакомиться и общаться с остальными игроками в процессе игры. Для него было выбрано название «Отношение к общению».

Переменные, относящиеся к данному фактору:

Мне нравится знакомиться с другими игроками

Мне нравится помогать другим игрокам

Мне нравится общаться с другими игроками

Для меня важно, чтобы моя команда была дружелюбной

Мне нравится работать в команде

Фактор 2: Этот фактор демонстрирует желание игрока приобретать и накапливать специальные вещи в инвентаре, которые отличаются от стандартных только рисунком. Для этого фактора было выбрано название «Отношение к инвентарю».

Переменные, относящиеся к данному фактору:

Я часто приобретаю редкие вещи, которых нет у большинства игроков

Для меня важно копить различные вещи в инвентаре

Мне бы хотелось(или у меня уже есть), чтобы в моем инвентаре было много различных вещей

Для меня важно отличаться наличием скинов от других игроков

Фактор 3: Следующий фактор характеризует отношение респондента к самостоятельному проявлению агрессии в процессе игры. Для него было выбрано название «Отношение к агрессии».

Переменные, относящиеся к данному фактору:

Я часто пытаюсь вывести из себя других игроков

Мне важно доминировать в игре, убивать как можно больше противников

Я часто делаю вещи, раздражающие других игроков

Фактор 4: Данный фактор описывает отношение игрока к возможности построения дружеских отношений. Он описывает его желание не просто общаться в течение одной игры с другими геймерами, но и выстраивать с ними более близкие отношения. Ему было присвоено название «Отношение к дружбе».

Переменные, относящиеся к данному фактору:

У меня есть друзья, с которыми я познакомился в процессе игры

Я часто рассказываю онлайн-друзьям что-то о себе

Я часто обращаюсь к онлайн-друзьям с личными проблемами

Фактор 5: Данный фактор описывает желание респондентов продвигаться в рейтинге игроков с целью стать наиболее известным геймером среди всех остальных. Для него было выбрано название «Отношение к популярности».

Для меня важно стать известным в игре

Для меня важно иметь свою команду

Мне нравится соревноваться с другими игроками

Фактор 6: Данный фактор демонстрирует желание игроков играть в онлайн-игры с целью забыть о существовании реального мира, отвлечься от него и погрузиться в виртуальную среду. Его стоит назвать «Отношение к эскапизму».

Переменные, относящиеся к данному фактору:

Я часто играю для того, чтобы не думать о реальной жизни

Я играю, чтобы убежать от реального мира

Фактор 7: Этот фактор демонстрирует желание геймеров играть в игры с целью повышения игрового уровня. Ему было выбрано название «Отношение к повышению уровня».

Переменные, относящиеся к данному фактору:

Я много времени трачу на игры с целью максимально быстро повысить свое звание/MMR.

Я часто приобретаю редкие вещи, которых нет у большинства игроков.

Далее был проведен кластерный анализ методом К-средних с целью выявить определенные типы игроков. В него вошли переменные, которые были выявлены в ходе факторного анализа:

Отношение к общению

Отношение к инвентарю».

Отношение к агрессии

Отношение к дружбе

Отношение к популярности

Отношение к эскапизму

Отношение к повышению уровня

В процессе выбора модели были необходимо было сравнить несколько различных моделей, в которые состояли из трех, четырех, пяти и шести кластеров. Далее будет рассмотрены основания для выбора именно пяти-кластерной модели.

В первую очередь необходимо обратить внимание на F-критерий Фишера в дисперсионном анализе (ANOVA). Известно, что наиболее качественная модель обладает наибольшей суммой по данному критерию. В пяти-кластерной модели сумма составляет 487,73, что является наибольшей суммой F-критерия из всех моделей. Следовательно, на этом этапе мы делаем выбор в пользу пяти-кластерной модели.

Таблица 12 - Дисперсионный анализ (ANOVA)

Используя данную модель, было получено равномерное распределение респондентов в пяти кластерах, где в первый кластер вошли 76 человек, во второй - 58, к третьему кластеру относятся 52 респондента, а к 4 и 5 кластерам 92 и 80 человек соответственно. Всего к анализу допущено 358 респондентов.

Таблица 13 - Распределение респондентов по кластерам

В таблице ниже представлено расстояние между кластерными центрами. Все значения выше критического, следовательно, все кластеры довольно хорошо идентифицированы.

Таблица 14 - Расстояние между конечными центрами кластеров

Следующий шаг - проверка кластеров на компактность. В таблице ниже продемонстрировано, что кластеры компактны и лежат в дипазоне от 1;9 до 3.5.

Таблица 15 - Проверка на компактность

Суммируя все вышесказанное, было принято решение остановиться на пяти-кластерной модели, так как она лучше всего описывает полученные кластеры, так как в сравнении с остальными моделями она обладает наилучшими параметрами по следующим критериям:

Наибольшая сумма по критерию Фишера;

Наилучшая наполненность кластеров;

Компактность кластеров;

Легкая интерпретация.

Для того, чтобы начать интерпретацию кластеров, необходимо проверить их на устойчивость. Для этого необходимо отсортировать кластеры по случайной переменной и проверить, переходят ли они друг в друга. Если да, можно сделать вывод, что модель является устойчивой.

Таблица 16 - Проверка на устойчивость

Из таблицы 21 видно, как каждая переменная выражается в каждом из кластеров, и мы видим, что кластеры хорошо выражаются через друг друга, поэтому можно считать, что модель устойчива. Следовательно, мы можем перейти к интерпретации полученных кластеров.

Таблица 17 - Таблица финальных центров кластеров