Extracting and Composing a Dataset of Competitive Counter-Strike Global Offensive Matches
Resumo
Há uma necessidade crescente de análises perspicazes e significativas nos eSports: seja para entreter os espectadores enquanto eles assistem suas equipes favoritas competir, para identificar e capturar trapaceiros automaticamente ou até mesmo para obter uma vantagem competitiva sobre um oponente, há uma infinidade de aplicações potenciais para análises dentro da cena. Conclui-se, então, que há uma necessidade por conjuntos de dados bem estruturados e organizados que permitam a exploração de forma eficiente e sirvam a base para visualizações e camadas analíticas. Nosso trabalho fornece os meios para construir esse conjunto de dados para o jogo Counter-Strike Global Offensive (CS: GO).
Referências
El-Harami, J. (2015). Entertainment and recreation in the classical world-tourism products. In Journal of Management and Sustainability; Vol. 5, No. 1; 2015.
SuperData (2021). 2020 year in review digital games and interactive media. Technical report, SuperData, a Nielsen company.
Varvello, M., Picconi, F., Diot, C., and Biersack, E. (2008). Is there life in second life? In Proceedings of the 2008 ACM CoNEXT Conference, pages 1–12.
Varvello, M. and Voelker, G. M. (2010). Second life: a social network of humans and bots. In Proceedings of the 20th international workshop on network and operating systems support for digital audio and video, pages 9–14.
Xenopoulos, P., Doraiswamy, H., and Silva, C. (2020). Valuing player actions in counterstrike: Global offensive. In In Proceedings of the 2020 IEEE International Conference on Big Data.