Profiling Players in Serious Games Using Machine Learning Techniques. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF KFUPM_Thesis_202201060_DaliaAlbuqaytah_last_version.pdf - Accepted Version Restricted to Repository staff only until 28 September 2026. Download (4MB)

Arabic Abstract

تُستخدم تقييمات الشخصية التقليدية على نطاق واسع في اختيار الموظفين، والتعليم، وعلم النفس، إلا أنها تعاني من عدة قيود جوهرية . تُعدّ استبيانات التقرير الذاتي أكثر عرضة للتحيز والتزييف، إذ قد يُقدّم الأفراد إجابات غير دقيقة - على سبيل المثال، قد يُبالغ المتقدمون للوظائف في السمات المرغوبة للتأثير على النتائج. إضافةً إلى ذلك، عند إجراء التقييمات في المختبرات أو في سيناريوهات افتراضية، غالبًا ما يُعدّل المشاركون سلوكهم لإدراكهم أنهم يخضعون للتقييم، مما يُقلّل من دقة النتائج ومصداقيتها. سهّلت التطورات في التكنولوجيا الرقمية استخدام الألعاب الجادة، مما جعل تقييم الشخصية أكثر تفاعلية وسهولة في الوصول إليه وسهولة في الاستخدام من الطرق التقليدية. تهدف هذه الأطروحة إلى سد الفجوات الموجودة في مجال تقييم الشخصية من خلال استخدام لعبة جادة لتقييم شخصيات اللاعبين. يمكن استخدام اللعبة لجمع البيانات الناتجة عن تفاعلات اللاعبين مع عناصر التصميم الخاصة بنا. بعد تفاعل اللاعبين مع اللعبة، يتم تسجيل سلوكياتهم ومعالجتها. يتم استخدام عملية التنقيب لتحديد الميزات التي يمكن استخدامها للتنبؤ بالشخصية. وبعد ذلك، سوف تتكيف اللعبة مع شخصية اللاعب، مما يؤدي إلى تحسين الأداء الفرد والمساهمة في تطوير أبحاث تجربة المستخدم. تُظهر النتائج أن الألعاب الجادة قادرة على التنبؤ بشخصيات اللاعبين بدقة عالية، حيث أظهرت نماذج KNN وANN أداءً قويًا للغاية. تؤكد هذه النتائج إمكانية استنتاج سمات الشخصية من بيانات سلوك اللعبة. علاوة على ذلك، تدعم الدراسة فعالية الألعاب الجادة المُخصصة في تحسين تفاعل اللاعبين وأدائهم، سواءً بشكل عام أو لخصائص شخصية محددة. يُسلط هذا البحث الضوء على إمكانية دمج التعلم الآلي والألعاب الجادة لتقييم الشخصية بشكل مبتكر وتكيفي.

English Abstract

Traditional personality assessments are widely used in personnel selection, education, and psychology, but they suffer from several significant limitations . Self-report questionnaires are particularly prone to bias, faking, and limited authenticity, as individuals may provide inaccurate responses-for example, job applicants might exaggerate desirable traits to influence outcomes. Additionally, when assessments are conducted in laboratory or hypothetical scenarios, participants often modify their behavior because they are aware of being evaluated, which further reduces the accuracy and authenticity of the results. Advances in digital technology have facilitated the use of serious games, making personality assessment more interactive, accessible, and user-friendly than traditional methods .This thesis aims to address existing gaps in personality assessment by utilizing a serious game to evaluate players' personalities. The game collects data generated by players' interactions with various design elements. After gameplay, these behavioral data are recorded and processed using process mining techniques to identify features that can be used to predict personality traits. Subsequently, the game adapts to the player's personality profile, with the goal of improving individual performance and contributing to advancements in user experience research. The results demonstrate that serious games can effectively predict player personalities with high accuracy, with KNN and ANN models showing particularly robust performance. These findings confirm that it is feasible to infer personality traits from in-game behavior data. Furthermore, the study supports the effectiveness of personalized serious games in improving player engagement and performance, both overall and for specific personality characteristics. This research highlights the potential of integrating machine learning and serious games for innovative, and adaptive personality assessment.

Item Type:	Thesis (Masters)
Subjects:	Computer Research Research > Information Technology
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Hammad, Omar
Committee Co-Advisor:	Osais, Yahya E.
Committee Members:	Hammad, Omar and Osais, Yahya E. and Mahmood, Sajjad
Depositing User:	DALIA ALBUQAYTAH (g202201060)
Date Deposited:	19 Oct 2025 11:27
Last Modified:	19 Oct 2025 11:27
URI:	http://eprints.kfupm.edu.sa/id/eprint/143709