Original size 1140x1600

Анализ оценок видеоигр на сайте IGN

PROTECT STATUS: not protected
The project is taking part in the competition

Введение

Видеоигры — одна из самых популярных форм медиа в наше время. Множество людей играют в них, некоторые даже создают карьеру, другие воспринимают это как свое хобби, или создают их.

Для каждой группы довольно важно знать, какие игры популярны сейчас, а какие считались лучшими в прошлом или настоящем. Из-за этого появляется востребованность в оценке видеоигр, ведь мнение большинства — значимый источник информации. Оно может быть как отражением текущих/прошлых трендов, так и иметь авторитет при выборе новой игры для прохождения, что может сильно сказаться на продажах и популярности.

В этом контексте, данные об оценках игр становятся ценным ресурсом для понимания не только качества отдельных продуктов, но и общих трендов в индустрии, предпочтений аудитории и успешных стратегий разработчиков.

Выбор данных

Я проанализировал датасет IGN (Internet Games Network) — архив оценок видеоигр от одного из самых авторитетных игровых медиа. Датасет охватывает период с 1996 по 2013 год и содержит информацию о более чем 1400 играх.

Источник данных:

Датасет был взят из Kaggle — онлайн-платформы по анализу данных и машинному обучению, которая предоставляет разнообразные образовательные датасеты.

Ценность данных

Ценность данных обусловлена тем, что датасет отражает мнение пользователей и редакторов одной из самых влиятельных платформ игровых медиа — IGN, которая и по сей день влияет на коммерческий успех игр.

Актуальность для различных аудиторий

Для игроков: Понимание исторического контекста и эволюции видеоигр

Для разработчиков: Анализ факторов, связанных с высокими оценками

Для инвесторов: Выявление успешных стратегий

Для исследователей: Изучение трендов в игроиндустрии

Графики

Стилизация основана на простоте визуализации и ясности, единой цветовой палитре и цветовых ассоциациях с платформами (Nintendo — красный, PC — синий и т. д.)

Original size 923x615

Код для стилизации

Для анализа я выбрал 4 типа графиков, каждый из которых решает конкретные задачи:

График 1: Гистограмма распределения оценок

Гистограмма показывает, как в целом распределены оценки игр. Также она помогает понять, какие оценки считаются высокими или низкими, и сравнить среднюю оценку с наиболее частой.

Original size 1474x853

Из этого графика видна тенденция к более положительным оценкам, нежели к негативным. Средняя оценка для видеоигр ~7, оценки выше или ниже встречаются реже всего.

Original size 1066x847

Код для графика 1

График 2: Горизонтальная столбчатая диаграмма по платформам

Диаграмма поможет сравнить, какие платформы получают в среднем лучшие оценки. Также она показывает выборку, то есть сколько всего игр с платформы было оценено.

Original size 1477x848

Из этого графика видно, что больше всего игр на то время были доступны на консолях Xbox, Nintendo и телефонах, из-за чего средняя оценка игр на этих платформах становится более правдоподобной.

Original size 1315x1437

Код для графика 2

График 3: Комбинированный временной график

Этот график показывает, как менялось среднее качество игр год за годом. Он также помогает увидеть связь между качеством и количеством выпускаемых игр, выявляя долгосрочные тенденции в индустрии.

Original size 1439x1026

Из этого графика видна тенденция на более высокие оценки в годах с меньшим количеством обзоров на игры. 2008 год с самым большим количеством обзоров (1915) показывает более усредненную оценку, нежели другие года.

Original size 1111x1248

Код для графика 3

График 4: Сравнение Editors' Choice и обычных игр

График помогает оценить, насколько игры «Выбора редакции» отличаются от остальных на сайте по качеству. Он показывает разницу в оценках и доказывает, что это различие статистически значимо.

Original size 1734x733

По графику можно явно сделать вывод, что игры «Выбора редакции» будут пользоваться большим спросом, ведь их оценки намного выше оценок обычных игр.

Original size 1020x1034

Код для графика 4

Использование нейросетей

Нейросети использовались в основном для помощи в написании кода для графиков. Также нейросеть помогла найти библиотеки, нужные для графиков и устранить некоторые ошибки кода, возникшие при его написании

Использованная нейросеть: DeepSeek

Пример промпта: Разработай цветовую палитру для дэшборда анализа видеоигр, которая: 1. Включает цвета основных игровых платформ, представленных в прикрепленном файле (PlayStation синий, Xbox зеленый, Nintendo красный) 2. Имеет контрастные цвета для категорий оценок (Amazing, Great, Good и т. д.) 3. Содержит нейтральные фоновые цвета для хорошей читаемости (белый/серый) Напиши оптимальный код на Python с использованием библиотек matplotlib/seaborn, который создаст такую визуализацию.

We use cookies to improve the operation of the website and to enhance its usability. More detailed information on the use of cookies can be fo...
Show more