Balancing multiplayer first-person shooter games using aiming assistance
Notice bibliographique
Résumé
When player skill levels are different in competitive First Person Shooter (FPS) games, the weaker player can end up feeling discouraged and the stronger player may get bored with the lack of challenge - ultimately yielding a non-optimal play experience for both players. Previous work has investigated how aiming assistance can be applied in a 3D environment to assist weaker players; however, there is little information on whether aiming assistance balances gameplay in a multiplayer environment or on how aim assistance affects player experience. We carried out a study to test the effectiveness of two aim assistance techniques (Bullet Magnetism and Area Cursor) that have been shown to help aiming in a 3D FPS. Our study had novice-expert pairs play deathmatch games in a multiplayer 3D FPS with and without the assistance techniques. The study showed that although Area Cursor and Bullet Magnetism resulted in better performance of the weaker player, it did not result in closer scores, and had no effect on the players' enjoyment of the game. Our results indicate that balancing performance in 3D FPS games is more complex than simply helping weaker players' aim, and we suggest possible reasons that warrant further investigation. This study is the first realistic evaluation of balancing techniques for 3D First Person Shooters, providing empirical evidence of the difficulty of using aim assistance techniques for balancing competitive gameplay.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».