计算机科学>计算机与社会
标题: 重大比赛的概率合成数据生成:网络欺凌案例研究
摘要: 近年来,合成数据生成已成为一个日益增长的研究领域。 然而,它在严肃游戏中的潜在应用尚未被彻底探索。 这一领域的进展可以预测数据建模和分析,并加快开发进程。 为了填补文献中的这一空白,我们提出了一种模拟器架构,用于基于交互式叙述生成严肃游戏的概率合成数据。 该体系结构设计为通用和模块化,以便其他研究人员在类似问题上使用。 为了模拟合成玩家与问题的交互,我们使用了基于项目响应理论框架的认知测试模型。我们还展示了如何使用概率图形模型(尤其是贝叶斯网络)将专家知识和外部数据引入模拟。 最后,我们将提出的架构和方法应用于一个以网络欺凌为重点的严重游戏的用例中。 我们使用分层模型进行贝叶斯推理实验,以证明生成数据的可识别性和稳健性。