The Role of AI Opponents in Online Multiplayer Games: Exploring Difficulty Scaling and Adaptive Strategies for Player Motivation and Engagement
Abstract
Denne avhandlingen har som mål å sammenligne ulike implementasjoner av KI-motstandere i et utviklet ordspill og undersøke hvordan KI i spill kan utformes for å øke spillernes motivasjon og engasjement. Under forskningen ble ulike variasjoner av KI-motstandere implementert og testet, og deres egenskaper vil bli sammenlignet og diskutert i denne rapporten.
Et nettbasert ordspill ble utviklet for å gjennomføre forskningen i denne rapporten. Rapporten vil presentere kvalitative og kvantitative data som er samlet gjennom brukertester, åpne spilltester og spill-simuleringer. Under brukertestene ble data samlet inn gjennom semi-strukturerte intervjuer, men ingen spesifikke demografiske grupper ble utvalgt til disse. Ved den åpne testingen ble spillere invitert til å spille gjennom nettfora og sosiale medier. Dataene ble analysert ved hjelp av innholdsanalyse, enveis ANOVA og Kruskal-Wallis tester. Videre tester ble gjennomført ved hjelp av T-tester og Mann-Whitney U-tester.
Resultatene av forskningen indikerer at for å øke spillernes motivasjon og engasjement i forhold til å spille mot en KI, kan enkle triks og algoritmer anvendes. Videre må egenskapene til hver implementasjon nøye vurderes for å sikre at KI-motstanderen oppfører seg som forventet uten å påvirke spillerens spillerenspillopplevelsen i negativ forstand. Imidlertid understreker KI-ens begrensede tilpasningsevne, i forhold til spillerens ferdighetsnivå, behovet for en mer dynamisk KI. Dette er nødvendig for å dekke hele spekteret av ferdighetsnivåer for å gi hver spiller en fin balanse mellom ferdighet og utfordring. Videre studier bør undersøke hvordan man nøyaktig kan måle en spillers motivasjon og engasjement, samt hvordan man kan estimere en spillers ferdighetsnivå og justere KI-motstanderens ferdighetsnivå deretter. This thesis aims to compare different implementations of AI opponents in a developed word game and investigate how AI in games can be designed to increase players' motivation and engagement. While researching this topic, different variations of AI opponents were implemented and tested, and their characteristics are compared and discussed.
An online word game was developed to carry out the research in this report. The report presents qualitative and quantitative data collected through usability tests, public game testing, and game simulations. Data was collected through semi-structured interviews during the usability tests, without targeting any specific demographic. During public testing, players were invited to play through online forums and social media. The data was analyzed using content analysis, one-way ANOVA, and Kruskal-Wallis tests. Further tests were performed using T-tests and Mann-Whitney U tests.
The results of the research indicate that to increase players' motivation and engagement in relation to playing against an AI, simple hacks and algorithms may be applied. Furthermore, each implementation's characteristics must be carefully considered to ensure that the AI behaves as expected without compromising the player experience in any way. However, the limited adaptability of the different AI algorithms to a player's skill level emphasizes the need for a more dynamic AI. This is required to cover the spectrum of all skill levels in order to provide each player with a delicate balance between skill and challenge. Further studies should investigate how to accurately estimate a player’s motivation and engagement, as well as their skill level, in order to adjust an AI’s skill level appropriately.