Ni**bleep**a Rao, estudiante de posgrado, Universidad de Connecticut
Neehar Namjoshi, estudiante de posgrado, Universidad de Connecticut
Shivam Kumar, estudiante de posgrado, Universidad de Connecticut
Pooja Shah, estudiante de posgrado, Universidad de Connecticut
Este proyecto explora el caso comercial de los equipos de esports que se benefician de jugadores altamente calificados en Starcraft 2, un videojuego de estrategia en tiempo real. El objetivo era identificar con precisión a los jugadores de élite que sobresalen en el juego. Se crearon modelos para clasificar esta pequeña cohorte de jugadores de alto rendimiento, que representan solo el 2,7 % del conjunto de datos. El modelo permitió a estas organizaciones explorar y reclutar jugadores de Starcraft 2 altamente calificados, aumentando así la probabilidad de ganar campeonatos.
El equipo creó y comparó diferentes modelos en JMP para definir relaciones complejas entre la variable de destino (jugadores de Starcraft 2 de alta habilidad) y varias variables predictoras, como acciones por marca de tiempo, ataques de minimapa, etc. Mientras que los modelos integrados eran utilizado para hacer predicciones, el modelo usó complementos como Stratified Split Balance y Alternate Cut-off Confusion Matrix para ajustar aún más el modelo.
Los conocimientos obtenidos de este modelo deberían ayudar a las organizaciones de deportes electrónicos a tomar decisiones más estratégicas y mejores opciones de inversión para que puedan optimizar el rendimiento y la rentabilidad en su ecosistema. Estas organizaciones pueden luego brindar oportunidades específicas de capacitación y desarrollo, junto con planes de retención, para jugadores de alto potencial.
