Ni**bleep**a Rao, studente laureato, Università del Connecticut
Neehar Namjoshi, studente laureato, Università del Connecticut
Shivam Kumar, studente laureato, Università del Connecticut
Pooja Shah, studente laureato, Università del Connecticut
Questo progetto esplora il business case dei team di eSport che traggono profitto da giocatori altamente qualificati in Starcraft 2, un videogioco di strategia in tempo reale. L'obiettivo era identificare con precisione i giocatori d'élite che eccellono nel gioco. Sono stati costruiti modelli per classificare questa piccola coorte di giocatori ad alte prestazioni, che costituiscono solo il 2,7% del set di dati. Il modello ha consentito a queste organizzazioni di esplorare e reclutare giocatori di Starcraft 2 altamente qualificati, aumentando così la probabilità di vincere campionati.
Il team ha creato e confrontato diversi modelli in JMP per definire relazioni complesse tra la variabile target (giocatori di Starcraft 2 altamente qualificati) e diverse variabili predittive, come azioni per timestamp, attacchi su minimappa, ecc. Mentre i modelli integrati erano utilizzato per fare previsioni, il modello ha utilizzato componenti aggiuntivi come Stratified Split Balance e Alternate Cut-off Confusion Matrix per ottimizzare ulteriormente il modello.
Le informazioni acquisite da questo modello dovrebbero aiutare le organizzazioni di eSport a prendere decisioni più strategiche e migliori scelte di investimento in modo che possano ottimizzare le prestazioni e la redditività nel loro ecosistema. Queste organizzazioni possono quindi fornire opportunità di formazione e sviluppo mirate, insieme a piani di fidelizzazione, per giocatori ad alto potenziale.
