Multimodale Erkennung von Toxizität in Video Games (MuMoDeTox)
Beschreibung
Digitales Gaming ist heute eine alltägliche Aktivität und wird als Kulturgut anerkannt – Spiele werden im MoMA ausgestellt und Esports waren Teil der Olympischen Spiele 2021. Unter diesen Spielen hat League of Legends (LoL) über 150 Millionen Spieler, mit mehr als 2 Millionen gleichzeitig aktiven Nutzern. LoL ist bekannt für seine toxische Community, in der Spieler häufig Belästigungen und andere negative Verhaltensweisen erleben. Bisherige Versuche, toxisches Verhalten zu mindern – etwa durch automatische Erkennung schädlicher Chat-Nachrichten – hatten nur begrenzten Erfolg, da Spieler sowohl visuelle als auch textuelle Kanäle zum Beleidigen nutzen.
Unser Projekt zielt darauf ab, toxische Kommunikation in LoL durch die Analyse multimodaler Interaktionen (verbal und nonverbal) im Zusammenhang mit In-Game-Ereignissen zu erkennen. Mithilfe von Machine Learning wollen wir Chatnachrichten und visuelle Symbole („Pings“) extrahieren und bewerten, die häufig missbraucht werden, um Feindseligkeit auszudrücken. Pings besitzen community-spezifische Bedeutungen und können in bestimmten Kontexten toxisch wirken. Durch die Erfassung ihres Orts und Zeitpunkts in Relation zu Spieleraktionen wollen wir toxisches Verhalten bereits früh im Spielverlauf erkennen.
Eckdaten
Projektleitung
Projektteam
Jasmin Heierli, Dr. Hiloko Kato (Universität Zürich), Benjamin Kühnis, Prof. Dr. Johanna Pirker (Technische Universität Graz )
Projektpartner
Universität Zürich; Technische Universität Graz
Projektstatus
laufend, gestartet 04/2025
Institut/Zentrum
Institut für Wirtschaftsinformatik (IWI)
Drittmittelgeber
ZHAW digital / Digital Futures Fund
Projektvolumen
20'000 CHF