Espor oyuncularının oyun içi davranışlarının makine öğrenmesi yöntemleri ile incelenmesi
Review of in-game behavior of esports players with machine learning methods
- Tez No: 955966
- Danışmanlar: DR. ÖĞR. ÜYESİ GAMZE YILDIZ ERDURAN
- Tez Türü: Yüksek Lisans
- Konular: Spor, Sports
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi ve Analitiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Bu tez çalışmasında, makine öğrenmesi metotları kullanarak farklı liglerdeki League of Legends oyuncularının belirli bir sezondaki verileri analiz edilmiş, bu oyuncuların profesyonel olma/olmama durumu makine öğrenmesi sınıflandırma algoritmaları ile tahmin edilmiş ve kullanılan algoritmaların performans ölçümleri kıyaslanmıştır. Çalışma Espor profesyonellerine oyun için davranışlarına göre hangi seviyede oyuncu olabileceği konusunda katkı sağlamayı amaçlamaktadır. Çalışmanın temelini, farklı liglerde yer alan oyuncuların oyun performansı, stratejik tercihleri, oyun içi kararları ve genel yeteneklerine ilişkin geniş bir veri seti oluşturmuştur. Makine öğrenmesi algoritmaları, bu kapsamlı veri setini işleyerek, oyuncuların gelecekteki potansiyellerini belirlemek için kullanılmıştır. Elde edilen sonuçlar, bu yaklaşımın profesyonel seviyede başarı gösterebilme olasılıklarını belirleme konusunda önemli bir başarı sağladığını göstermektedir. Bu çalışma, sadece League of Legends gibi rekabetçi oyunlarla sınırlı kalmayıp, genel olarak Espor alanında yetenek keşfi ve potansiyel profesyonel oyuncuların belirlenmesi konusunda da değerli bir katkı sağlamayı amaçlamaktadır. Sonuç olarak, makine öğrenme metotlarının Espor alanında kullanımının potansiyeli vurgulanmış ve bu alandaki gelecek araştırmalar için sağlam bir temel oluşturulmuştur. Bu çalışma, Espor endüstrisinde yetenek yönetimi ve gelecek vadeden oyuncuların keşfi için yeni bir yaklaşım sunmayı amaçlamıştır. Bu çalışmanın öne çıkan yönü, makine öğrenme algoritmalarının esnekliği ve geniş veri setlerini etkili bir şekilde işleyebilme kabiliyetidir. Ligler arası ve sezonlar arası farklılıkları dikkate alarak, oyuncuların performansını ve potansiyelini belirleme sürecinde bu algoritmaların sağladığı adaptasyon yeteneği önemlidir. Ayrıca, çalışma kapsamında elde edilen bulgular, Espor yetenek yönetimi konusunda mevcut bilgiye önemli bir katkı sağlamakla birlikte, bu alanda daha fazla araştırma ve geliştirme gerektiğini de vurgulamaktadır. Öte yandan, makine öğrenme metotlarının Espor endüstrisindeki uygulamalarının artmasıyla birlikte, etik ve gizlilik gibi konular da önem kazanmaktadır. Oyuncuların verilerinin doğru ve adil bir şekilde kullanılması, bu alandaki araştırmaların ve uygulamaların sürdürülebilirliği için hayati önem taşımaktadır. Son olarak, bu tez çalışması Espor endüstrisindeki profesyonel yeteneklerin keşfi ve geliştirilmesi sürecine yeni bir bakış açısı sunarak, gelecekteki Espor oyuncularının yeteneklerini belirleme ve geliştirme süreçlerine değerli bir katkı sağlamayı hedeflemektedir. Bu çalışmanın bulgularının, Espor endüstrisinin daha da büyümesi ve gelişmesi için temel oluşturarak, gelecekteki araştırmalara ve uygulamalara katkı sağlaması amaçlanmıştır.
Özet (Çeviri)
In this thesis, machine learning methods were used to analyse the data of League of Legends players in different leagues during a specific season. The players' professional status was predicted using machine learning classification algorithms, and the performance metrics of the algorithms used were compared. The study aims to contribute to Esports professionals by helping them determine the level of players based on their behaviour in the game. The study is based on a comprehensive dataset regarding the game performance, strategic choices, in-game decisions, and overall skills of players in different leagues. Machine learning algorithms were used to process this extensive dataset to determine the future potential of players. The results obtained demonstrate that this approach has achieved significant success in determining the likelihood of success at the professional level. This study aims to make a valuable contribution not only to competitive games such as League of Legends but also to talent discovery and the identification of potential professional players in the field of Esports in general. As a result, the potential of machine learning methods in the field of Esports has been highlighted, and a solid foundation has been laid for future research in this area. This study aims to offer a new approach to talent management and the discovery of promising players in the Esports industry. A notable aspect of this study is the flexibility of machine learning algorithms and their ability to effectively process large data sets. Considering the differences between leagues and seasons, the adaptability provided by these algorithms is important in determining players' performance and potential. In addition, the findings obtained in this study contribute significantly to the existing knowledge on Esports talent management, while also emphasising the need for further research and development in this field. On the other hand, with the increasing application of machine learning methods in the Esports industry, issues such as ethics and privacy are also gaining importance. The correct and fair use of players' data is vital for the sustainability of research and applications in this field. Finally, this thesis aims to provide a new perspective on the process of discovering and developing professional talent in the Esports industry, thereby making a valuable contribution to the process of identifying and developing the talents of future Esports players. It is hoped that the findings of this study will serve as a foundation for the further growth and development of the Esports industry, contributing to future research and applications.
Benzer Tezler
- Dijital oyunlarda sponsorluk iletişimi ve marka etkileşimi: PUBG ve Little Caesars üzerinden bir analiz
Sponsorship communication and brand interaction in digital games: An analysis through PUBG and Little Caesars
İLKER DERYA
Yüksek Lisans
Türkçe
2024
Halkla İlişkilerİstanbul Aydın ÜniversitesiHalkla İlişkiler ve Tanıtım Ana Bilim Dalı
DOÇ. DR. GONCA YILDIRIM ÖGE
- Espor oyuncularının yürütücü işlev düzeylerinin incelenmesi
Examining the executive function levels of esports players
SERHAT YALÇINER
Doktora
Türkçe
2025
SporBalıkesir ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. NAHİT ÖZDAYI
- E-sporun ekonomik ve sosyal boyutları: Karma yöntemle e-sporcuların tüketim eğilimlerinin incelenmesi (Ölçek geliştirme çalışması)
Economic and social dimensions of e-sports: Investigating the consumption tendencies of e-sports players using mixed methods (The scale development study)
OĞUZHAN GÜL
Doktora
Türkçe
2024
EkonomiSivas Cumhuriyet ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZÜHAL YURTSIZOĞLU
- Çevrimiçi şiddet ve dijital oyun pratikleri bağlamında Counter Strike Global Offensive örneğinin analizi
In the context of online violence and digital game practices analysis of Counter Strike Global Offensive sample
TANSU ÖZÇAM
Yüksek Lisans
Türkçe
2019
GazetecilikKocaeli ÜniversitesiGazetecilik Ana Bilim Dalı
PROF. DR. EMEL ŞERİFE AKCA
- Mücadeleci bir espor oyunu öncesi yapılan fiziksel aktivitenin espor performansını belirleyen parametreler üzerine etkisi
The effect of the physical activity program implemented before a competitive esports game on the parameters determining esports performance
ADNAN ŞENGÜL
Yüksek Lisans
Türkçe
2023
SporMarmara ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. YELİZ PINAR