Utilisateur:Mylene.Ly/D2SN 2020/Mémoire

Une page de Wikiversité.
Sauter à la navigation Sauter à la recherche

Résumé[modifier | modifier le wikicode]

Jeux de données[modifier | modifier le wikicode]

Questionnaire + scrapping d'API

https://developer.riotgames.com/apis#summoner-v4

https://rapidapi.com/perodriguezl/api/league-of-legends-lol?endpoint=5c05d49be4b067d7d956056c

https://www.npmjs.com/package/lol-riot-api#/summoner

Question sociologique[modifier | modifier le wikicode]

En se détachant de la pression sociale - c’est-à-dire que si elles ont été introduites par un proche, qu’elle ait joué sans cette personne depuis un certain temps - les joueuses font-elles toujours les mêmes choix de rôle et ne parviennent pas à monter en grade seule ?

Méthode d'analyse[modifier | modifier le wikicode]

En récupérant le pseudonyme de la personne par questionnaire, il sera possible de scrapper son profil depuis différentes API officielles dédiées aux matchs et profils des joueurs et croiser les deux bases de données ensembles pour tester les hypothèses.

Comparer les joueurs avec les joueuses en éliminant les facteurs biaisés (les parties jouées à plusieurs) pour tous les profils


Qu’est-ce que League of Legends ?[modifier | modifier le wikicode]

League of Legends (LoL) est une arène de combat multijoueur en ligne (multiplayer online battle arena ou MOBA en anglais) créé en 2009 par Riot Games. La première année, le jeu compte déjà plus de 32 millions de personnes inscrites dont 4 million d'actifs mensuellement. Quelques années après, LoL devient le jeu le plus populaire au monde et cumule plus de 200 millions de spectateurs pour la diffusion en direct de la finale du championnat mondial en 2018. Ce dernier offre par ailleurs 6 millions de dollars aux vainqueurs du tournois.

Pour sa 10ème année d'existence consécutive, malgré les sérieux doutes sur le déclin funeste du jeu, Riot Games décide de diversifier son offre. Celle-ci annonce la sortie de plusieurs jeux dérivés à la fin de l'année 2019 : jeu de tir à la première personne, jeu de cartes, jeu de gestion, jeu mobile, jeu sur console et même, une série animée du jeu.

Malgré un modèle économique basé sur le Free To Play - nul besoin de payer pour pouvoir monter en grade, tout cela est rendu possible grâce au poids économique titanesque de l'e-sport : marchandises, partenariats, diffusions en direct, tournois mondiaux, structures et clubs d'e-sport dédiés... Ainsi, chaque championnat d'e-sport dépassent nettement les récompenses financières des compétitions de sports tels que le cyclisme (Tour de France) ou le cricket. De plus, des sites de paris d'e-sport et de pronostics existent et contribuent à faire fructifier le marché, d'où l'intérêt grandissant de ces jeux virtuels. Néanmoins, qui sont les acteurs principaux de ce marché ?

Démographie[modifier | modifier le wikicode]

Selon les chiffres d’Entertainment Software Association (ESA) dans son rapport intitulé 2019 Essential Facts About the Computer and Video Game Industry, l’âge moyen des joueurs est de 33 ans : 34 ans pour les femmes et 32 pour les hommes et 46% des joueurs sont des femmes tous âges et jeux confondus. Si l’on précise ces résultats depuis l’article “Four out of five League of Legends players want to become pro gamers or streamers” de Dean Takahashi sur VentureBeat, celui-ci compare la part de joueuses dans différents genre de jeux et recense notamment 55% de joueurs féminins pour League of Legends sans en préciser leur âge moyen.

Ces données paraissent étonnantes lorsque l’on prend connaissance de la motivation de Matthieu Dallon, créateur de l’ESport World Convention, pour créer un championnat mondial féminin de League of Legends.

« Même si les tournois sont mixtes dans l’e-sport, dans les finales, il n’y a généralement que des garçons », regrette Matthieu Dallon, créateur de l’ESWC et de cette première coupe du monde de League of Legends 100 % féminine. « On a voulu forcer le destin pour offrir plus de visibilité aux filles », argue-t-il. D’autant que « 10 % des 67 millions de joueurs de League of Legends sont des filles » et que « mathématiquement, il y a donc plus de chances que ce soient des hommes qui arrivent au bout ».

Quantic Foundry, une plateforme analysant les données recueillies depuis ses différents tests de personnalités, indique que la part de joueuses dans les jeux vidéos varient énormément d’un genre à un autre. Ainsi, presque 70% des joueurs de jeux de séries de 3 et de gestion sont des femmes tandis qu’elles ne représentent que 10% du public dans le genre des MOBA.

Pour les joueurs de League of Legends, le nombre de gameuse est un mystère entier. Plusieurs posts publiés sur le forum officiel du jeu en témoignent : “combien de filles jouent à LoL ?” Dans les archives, un sondage datant de 2011 se rapproche des dires de M. Dallon. Rassemblant un peu moins de 600 votes de joueurs inscrits et connectés, il indique 10,43% de joueuses dont la majorité est âgée entre 18 et 24 ans. Dans un second sondage datant de 2015 sur Reddit, plus de 24 000 forumeurs ont répondu. Bien que les résultats puissent être biaisés dû à l’absence de pré-requis, ces derniers se montrent plutôt similaires au premier : 12% de joueuses tous âges confondus dont 7% ayant moins de 21 ans (majorité aux États-Unis). Les données sont claires. Il y a un ratio négatif de femmes pour hommes mais, à quoi est-ce dû ?

Les études déjà menées sur League of Legends[modifier | modifier le wikicode]

Réseaux de noeud, régression logistique, probabilités, corrélations... De nombreuses études ont déjà paru sur le sujet de la prédiction des matchs et du profiling des joueurs. Depuis les comportements sociaux et antisociaux à la disparité des genres, plusieurs hypothèses ont été vérifiées ou réfutées.

Il y a trois types de joueurs dans League of Legends : les joueurs professionnels, les streamers (ceux qui diffusent leurs matchs en temps réel) et les autres. Dans un univers vidéoludique dominé par les hommes - dans le cas de League of Legends, les femmes s’identifient inconsciemment dans le rôle de soutien car, elles y sont le plus souvent introduites par un proche masculin et se montrent donc docile et aimante. Une fois intégrée dans la communauté, elles y sont agressées ou moquées en ayant pour sobriquet “e-girl” lorsqu’elles obtiennent un rang haut gradé ou deviennent populaires. Certaines excellent tout aussi bien que leurs compères mais préfèrent adopter des pseudonymes neutres ou ne pas se socialiser plus que nécessaire. Ainsi, peu de joueuses atteignent le stade de professionnel. En effet, elles sont notées comme moins compétitives, moins intéressées par la victoire et lorsqu’elles y parviennent, elles sont raillées et humiliées car, elles sont considérées comme peu compétentes.

Questionnement[modifier | modifier le wikicode]

Si les différentes raisons pour lesquelles les joueurs jouent à League of Legends ne sont pas corrélées que ce soit par genre, âge ou temps de jeu, pourquoi y en aurait-il concernant les rôles choisis et le niveau de chacun selon leur genre et leur âge ?

En se détachant de la pression sociale - c’est-à-dire que si elles ont été introduites par un proche, qu’elle ait joué sans cette personne depuis un certain temps - retrouve-t-on ces mêmes conclusions ?

  • Les joueuses de LoL jouent essentiellement des personnages à faible impact (rôle de soutien)
  • Les joueuses de LoL atteignent un haut rang uniquement grâce à leurs coéquipiers (e-girl)

Méthodologie[modifier | modifier le wikicode]

Par le biais d’une enquête quantitative, je souhaite récupérer les profils de chaque joueur et agréger les données suivantes :

  • Pseudonyme (Champ libre)
  • Âge ([13 à 17] ; [18 à 24] ; [24 à 35] ; [36+])
  • Sexe (Homme ou Femme)
  • Rang (de Rien à Challenger)
  • Niveau (de 0 à 30)
  • Depuis combien de temps jouez-vous ? ([-3 mois] ; [Entre 3 et 6 mois] ; [Entre 6 mois et 1 an] ; [Entre 1 an et 5 ans] ; [5 ans et +])
  • Avec qui jouez-vous ? ([Personne] ; [Proche] ; [Amis] ; [Autre])
  • Quel rôle jouez-vous principalement ? ([Jungler] [Soutien] [Tireur] [Mage] [Tank] [Guerrier])
  • Quel second rôle jouez-vous ?

En récupérant le pseudonyme de la personne, il sera possible de scrapper son profil depuis différentes API officielles dédiées aux matchs et profils des joueurs et croiser les deux bases de données ensembles pour tester les hypothèses citées ci-dessus. (Sont-elles corrélées ?, par exemple)

Récupération de données[modifier | modifier le wikicode]

Je récupère des noms de joueuses professionnels afin de créer une premier dataset sur lequel faire mes premières observations.

https://lol.gamepedia.com/Women%27s_Esports_League_Season_1/Group_Stage

https://play.eslgaming.com/

J'ai environ une centaine de pseudos avec lesquels je vais récupérer le profil grâce à Cassiopeia, une traduction en python de l'API de RiotGames.

Le but est d'avoir un dataset avec les colonnes suivantes :

  • ID (Pseudo)
  • Genre
  • Niveau
  • Ratio de parties gagnées / perdues
  • Champion 1
  • Champion 2
  • Champion 3
  • Champion 4
  • Champion 5
  • Rôle déclaré
  • Rôle observé
  • Date d'inscription

L'expérience de chaque joueur ne peut être récupéré mais, peut-être suggéré en fonction de la date d'inscription ou du déclaratif de la personne (via formulaire).

Bibliographie[modifier | modifier le wikicode]

  • Entertainment Software Association. « 2019 Essential Facts About the Computer and Video Game Industry », 2 mai 2019. https://www.theesa.com/esa-research/2019-essential-facts-about-the-computer-and-video-game-industry/.
  • Agha, Brandon. « League of Legends: Players and Esports », 2015. https://macsphere.mcmaster.ca/handle/11375/18270.
  • Berry, Vincent. « Du loisir à la culture, que reste-t-il de ludique dans le jeu vidéo ? » Nectart N° 8, no 1 (22 janvier 2019): 30‑37.
  • Besombes, Nicolas. « Les jeux vidéo compétitifs au prisme des jeux sportifs : du sport au sport électronique ». Sciences du jeu, no 5 | 2016 (25 février 2016). https://doi.org/10.4000/sdj.612.
  • Bornemark, Oscar. « Success Factors for E-Sport Games ». UME˚A UNIVERSITY, 2013. https://webapps.cs.umu.se/uminf/reports/2013/001/part1.pdf.
  • Caudill, Rodger. « Altruism Online: An Ethnographic Exploration into League of Legends ». Summer Research, 1 janvier 2015. https://soundideas.pugetsound.edu/summer_research/237.
  • Chabrolle, Pierrick. « Développement de l’esport en France depuis la fin des années 1990 », s. d., 159.
  • Cote, Amanda C. « “I Can Defend Myself”: Women’s Strategies for Coping With Harassment While Gaming Online ». Games and Culture 12, no 2 (1 mars 2017): 136‑55. https://doi.org/10.1177/1555412015587603.
  • Fairise, Anne. « Être payé pour jouer, un sacerdoce ». Alternatives Economiques N° 390, no 5 (19 juin 2019): 34‑37.
  • « How We Trained a Machine to Predict the Winning Team in League of Legends ». Consulté le 18 novembre 2019. https://medium.com/trendkite-dev/machine-learning-league-of-legends-victory-predictions-8bc6cbc7754e.
  • Kou, Yubo, et Bonnie Nardi. « Governance in League of Legends: A Hybrid System ». Consulté le 16 décembre 2019. https://pdfs.semanticscholar.org/35a3/414db2e79988a014aa1fb80b8196020ea02b.pdf.
  • « Regulating Anti-Social Behavior on the Internet: The Example of League of Legends », février 2013. https://doi.org/10.9776/13289.
  • « League of Legends Logistic Regression Analysis ». Consulté le 18 novembre 2019. https://kaggle.com/jaytegge/league-of-legends-logistic-regression-analysis.
  • « League of Legends: Predicting Wins In Champion Select With Machine Learning - By ». Consulté le 18 novembre 2019. https://hackernoon.com/league-of-legends-predicting-wins-in-champion-select-with-machine-learning-6496523a7ea7.
  • Lee, Sang Woo, Jae Woong An, et Ji Young Lee. « The Relationship between E-Sports Viewing Motives and Satisfaction: The Case of League of Legends », 15 février 2014. https://icehm.org/upload/4328ED0214019.pdf.
  • « Let’s Predict League of Legends Match Score! | Kaggle ». Consulté le 18 novembre 2019. https://www.kaggle.com/gulsahdemiryurek/let-s-predict-league-of-legends-match-score.
  • Lin, Lucas. « League of Legends Match Outcome Prediction ». Consulté le 18 novembre 2019. http://cs229.stanford.edu/proj2016/report/Lin-LeagueOfLegendsMatchOutcomePrediction-report.pdf.
  • Nascimento Junior, Fernando Felix do, Allan Sales da Costa Melo, Igor Barbosa da Costa, et Leandro Balby Marinho. « Profiling Successful Team Behaviors in League of Legends ». In Proceedings of the 23rd Brazillian Symposium on Multimedia and the Web - WebMedia ’17, 261‑68. Gramado, RS, Brazil: ACM Press, 2017. https://doi.org/10.1145/3126858.3126886.
  • Phan, Olivier, et Damien Coulomb. « Des échecs à LoL, ou l’histoire contemporaine des joueurs de jeux vidéo ». Psychotropes Vol. 21, no 2 (18 décembre 2015): 109‑21.
  • Ratan, Rabindra A., Nicholas Taylor, Jameson Hogan, Tracy Kennedy, et Dmitri Williams. « Stand by Your Man: An Examination of Gender Disparity in League of Legends » 10 (19 janvier 2015): 438‑62. https://doi.org/10.1177/1555412014567228.
  • Rioult, François, Jean-Philippe Métivier, Boris Helleu, Nicolas Scelles, et Christophe Durand. « Fouille de traces de jeu vidéo en compétition. Une approche stratégique et sportive ». Ingénierie des systèmes d’information 17, no 2 (28 avril 2012): 99‑120. https://doi.org/10.3166/isi.17.2.99-120.
  • Sun, Yaoyao. « Motivation To Play Esports: Case of League of Legends ». Theses and Dissertations, 1 mai 2017. https://scholarcommons.sc.edu/etd/4107.
  • « Testing the ability of the surprisingly popular method to predict NFL games ». Consulté le 19 novembre 2019. http://journal.sjdm.org/18/18331/jdm18331.html.
  • Yee, Nick. « Beyond 50/50: Breaking Down The Percentage of Female Gamers By Genre ». Quantic Foundry (blog), 19 janvier 2017. https://quanticfoundry.com/2017/01/19/female-gamers-by-genre/