Соревновательная среда видеоигр может обретать новые формы участия. Помимо традиционных турниров по киберспорту, платформы начинают использовать данные о производительности, чтобы позволить рядовым игрокам участвовать в соревнованиях без необходимости вступления в профессиональные команды.
Одной из таких концепций является Game Skill Monetization (GSM), модель, которая преобразует статистику, полученную во время матчей, в баллы, определяющие победителей состязаний.
Представитель Gamers Brawl, платформы, использующей эту систему, объяснил принцип работы технологии и проблемы обеспечения честности результатов в интервью изданию Olhar Digital во время проведения Brasil Game Show (BGS).
В отличие от классических противостояний, участникам не обязательно играть друг против друга. Каждый пользователь проходит свои матчи в обычном режиме, в то время как платформа отслеживает такие показатели, как убийства, ассисты, накопленное золото и захваченные цели.
На примере League of Legends система учитывает различные роли персонажей. Например, игрок поддержки оценивается не по тем же критериям, что и стрелок, поскольку каждая позиция вносит свой вклад в команду по-разному. В конечном итоге, статистика конвертируется в очки, которые используются для определения победителя состязания.
Этот подход дает возможность игрокам участвовать в конкурсах, не отказываясь от привычных режимов игры. Однако использование индивидуальной статистики также сопряжено с трудностями, особенно касающимися манипуляции результатами.
Среди проблем выделяются использование второстепенных аккаунтов, совместное использование профилей и читерские программы. Для выявления возможных нарушений системы антифрода могут анализировать историю производительности и искать необычные изменения в поведении игроков. В представленном случае технология применяет машинное обучение и рассматривает более 100 атрибутов для обнаружения подозрительных ситуаций. Резкое и значительное изменение статистики, например, может привести к приостановке состязания для анализа.
Тем не менее, такой мониторинг не устраняет полностью вероятность мошенничества и зависит от адекватных критериев, чтобы избежать необоснованных наказаний. Модель также поднимает вопрос о доступе к видеоигровым соревнованиям. В то время как профессиональная сцена обычно требует тренировок, участия в командах и постоянной самоотдачи, состязания, основанные на производительности, позволяют рядовым игрокам испытать соревновательную динамику, используя свои собственные матчи.
Концепция все еще сталкивается с проблемами, связанными с балансировкой очков, предотвращением мошенничества и сравнением различных стилей игры. Тем не менее, применение статистики для создания индивидуальных соревнований демонстрирует, как данные, генерируемые видеоиграми, могут использоваться для разработки новых соревновательных форматов, помимо традиционных чемпионатов.