Tja, so richtig sinnvoll erscheint mir das Ding immer noch nicht...
Spieler Genotypen
-
-
Bei mir kam ziemlich exakt dasselbe raus wie bei dir... Hmmm...
Ja, die Charakteristiken liegen sehr nahe beeinander.
Wahrscheinlich kannst Du Talisman auch nicht leiden
-
Wenn Ihr der Figur mehr Bedeutung beimißt als den Werten, habt Ihr die Methode anders verstanden als ich.
-
Wenn Ihr der Figur mehr Bedeutung beimißt als den Werten, habt Ihr die Methode anders verstanden als ich.
Einigen wir uns auf "etwas ziemlich ähnliches"?
-
Darum geht es mir gar nicht. Was bedeutet denn die Figur?
Ein in zwei benachbarten Kategorien mäßig bis kaum Begeisterter erzeugt eine Parallele zu von beiden Kategorien stark Begeisterten. Das sieht ähnlich aus, stellt aber ganz unterschiedliche Spielertypen dar - oder sehe ICH das falsch?
Sind das keine Prozentwerte? -
So wie ich es verstanden habe sind es Prozentwerte. Ich bewerte also Eurogames besser als 88% der restlichen BGG-User.
Nun hat das Ganze jede Menge Unschärfen. Das beginnt damit, dass die Einsortierung der Spiele in die 4 Kategorien noch suboptimal durchdacht ist. Dazu kommen die Unschärfen bei den Bewertungen. Vielleicht habe ich ein thematisches Spiel schlecht bewertet weil ich das Thema schlecht umgesetzt finde. Dann geht meine Prozentzahl herunter, obwohl ich dem Thema in diesem Falle eine sehr hohe Bedeutung zumesse.
Von daher würde ich hier jetzt vor allem eine Charakteristik ablesen. Und die sagt bei mir: überdurchschnittlich in den Kategorien Wargamer, Social Gamer und Eurogamer, unterdurchschnittlich in der Kategorie Thematic Gamer. Stochastisch gesehen ist das wohl ein Großteil der Information, die in den Daten steckt. Und da hat Peter Rustemeyer unter den bislang hier gesehenen als einziger ähnliche Ausprägungen wie ich, auch wenn wir nicht immer gleich weit in die Ecken kommen.
-
Zitat
The algorithm still isn't perfect though, as it's difficult to find the right balance of importance between the quantity and quality of ratings. In fact, we may want to weigh their relative importance differently depending on the user. For example, two users may both enjoy wargames, but user 1 may play and rate lots of wargames, but hold them to a higher standard, thus giving them middling ratings, while user 2 may only rate a few wargames, but rate them very highly. Whether or not we can distinguish different types of reviewing behavior among users is an interesting statistical question in and of itself.
Das ganze ist imho ein Spielzeug, nicht mehr.
Wenn man das wirklich erfassen wollen würde, müsste jeder Spieler dieselben 1000 Spiele (je 250 typische Vertreter ihrer Kategorie) spielen und nach ähnlichen Standards bewerten (ich nutze zB eher 4-10 als 1-10). Gleiche Vergleichsgröße, gleiche Standards...
Passiert so natürlich nicht, also kann man bestenfalls Tendenzen ablesen, und das ist die "Geometrische Ähnlichkeit".
-
Ok, verstehe.
-
Btw, einer muss es ja nachprüfen:
data:image/png;base64,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
Ca. 800mal 1/10 bei 1000 Bewertungen, das sieht dann so aus. -
Aha. Ich stelle mir jemand, der zu 80% die mieseste mögliche Note vergibt, gerade sehr sozial vor. Genau der richtige Mitspieler für Partyspiele!
-
Einigen wir uns auf "etwas ziemlich ähnliches"?
Na, wie ähnlich sich @Herbert und @PeterRustemeyer sind, kann man ja hiermit gut sehen:
Eine Korrelation von 0.28 ist nun nicht so dolle... wobei ich mir nicht sicher bin, ob das Tool noch sauber funktioniert nach der Umstellung der Daten-Abfrage bei BGG...
-
Na, wie ähnlich sich @Herbert und @PeterRustemeyer sind, kann man ja hiermit gut sehen:
BGG rating correlationEine Korrelation von 0.28 ist nun nicht so dolle... wobei ich mir nicht sicher bin, ob das Tool noch sauber funktioniert nach der Umstellung der Daten-Abfrage bei BGG...
und immer noch gilt... Aus meinen knapp 50 bewerteten spielen wirst du keine Statistik stricken können. Egal, ob Korrelation oder sonstwas...
-
Na, wie ähnlich sich @Herbert und @PeterRustemeyer sind, kann man ja hiermit gut sehen:
BGG rating correlationEine Korrelation von 0.28 ist nun nicht so dolle... wobei ich mir nicht sicher bin, ob das Tool noch sauber funktioniert nach der Umstellung der Daten-Abfrage bei BGG...
Und ich dachte schon einen Bruder im Geiste gefunden zu haben.Aber Note 8 für King of New York geht ja gar nicht
-
Aber Note 8 für King of New York geht ja gar nichtMehr als 4 für junta? Du sei mal still.
Ach ja: Talisman ist mein liebstes lieblingsspiel! :p -
Ah... dann gibt es doch noch jemanden, der #Talisman mag!!
Dachte schon, ich wäre alleine...
-
Zu zweit kann immer noch recht einsam sein ....
-
User not found. Bin wohl kein Spieler
-
Bei mir passt's wie die Faust aufs Auge (wobei ich jetzt nicht der Wargamer bin...) - bin zufrieden!
-
-
Ähm....das sollte auch ein Wortspiel sein - "Faust aufs Auge" -> "Wargamer" ... Du verstehst @Sternenfahrer ?! 8)
Hm...ich sollte an meinem "Social" in "Gamer" arbeiten....
-
Oh. Was hat die Faust aufs Auge mit einem Wargamer zu tun?
-
Vielleicht nicht unbedingt mit einem "Wargamer" im spielerischen Sinne - aber vom Begriff her selbst schon, denn bei einem "Kriegsspiel" (wörtlich genommen) handelt es sich nicht gerade um die friedlichste Form der Auseinandersetzung und ist tendenziell eher mit "handfester Auseinandersetzung" zu vergleichen...
Wie gesagt: Ein Wortspiel ohne ernsthaften Bezug.... @Sternenfahrer !!
-
Oh. Was hat die Faust aufs Auge mit einem Wargamer zu tun?
VORSICHT:
Wer Witze seziert oder verfälscht oder sezierte oder verfälschte sich verschafft und in Verkehr bringt, wird mit Zuchthaus nicht unter zwei Jahren bestraft. -
Ich glaube, jetzt hab ich es verstanden. Danke!
-