This study tests a hypothesis that the performance of gamers is influenced by the structural position within their collaboration networks. From 'OP.GG', we constructed ego-centric networks of 130 gamers for 50 days. We divided the networks into seven-day moving windows for time-series analysis. We computed clustering coefficient to measure the degree of how closely gamers are connected, 'embeddedness', and established a panel regression model. Results demonstrated that the gamers embedded in closed networks were more likely to improve their tier.
이 연구는 <리그오브레전드>에서 게이머의 개인 성과가 팀활동 네트워크 내에서의 구조적 위치로부터 영향을 받는다는 것을 검증한다. ‘OP.GG’에서 사용자 130명의 50일 간의 게임 기록을 통해 자아 중심 네트워크를 구축하고, 시계열 분석을 위해 7일 단위의 시간창(moving time window)으로 네트워크를 분할하였다. 네트워크 내 다른 게이머들과 밀접하게 연결되어 있는 정도(배태성)를 군집계수(Clustering Coefficient)로 측정하여 게이머의 계급 성장 여부를 예측하는 패널 회귀 모델을 수립하였다. 분석 결과에 따르면, 개인의 실력이나 현재 계급을 통제한 상태에서, 네트워크 내 다른 게이머들과 밀접한 관계를 유지할수록, 향후 계급 성장률이 통계적으로 유의미하게 증가하는 것으로 나타났다.
