Video oyun yaş etiketlerinin çok modlu biyosinyaller ve yapay zeka ile tahmini

Günümüzde video oyunları en çok tercih edilen eğlence aracı olmayı başarmış ve video oyunu oyuncularının sayısı neredeyse dünya nüfusunun yarısına ulaşmıştır. Video oyunlar ulaştığı büyük oyuncu kitlesi ile toplumu olumlu ya da olumsuz etkileme potansiyeline sahiptir. Video oyunlar, farklı yaş gruplarındaki oyuncularda farklı etkiler bırakabilmektedir. Bu nedenle belirli kurum ya da şirketler video oyunların oyuncu yaşlarına uygunluk durumunu oyun içerikleri ile değerlendirerek yaş etiketlemesi yapmaktadır. Türkiye'de ise video oyun yaş etiketlemelerinin gerçekleştirildiği herhangi bir kurum, şirket ya da sistem bulunmamaktadır. Video oyun yaş etiketlemeleri genellikle öznellik ve yanlılık olasılığı yüksek olan anket, görüşme ve gözlem gibi yöntemler kullanılarak gerçekleştirilmektedir. Günümüzde bu yöntemlere alternatif ya da ek nesnel yöntemler kullanıldığı görülmektedir. Genellikle nesnel yöntem olarak biyosinyal ölçüm yöntemlerinden faydalanılmaktadır. Çalışmada, çok modlu biyosinyaller ve yapay zeka yöntemleri kullanılarak video oyun yaş etiketlemesinin gerçekleştirilebileceği yeni bir yaş etiketleme sistemi tasarlanması amaçlanmıştır. Bu amaç doğrultusunda, katılımcılara PEGI yaş etiketleri ile etiketlenmiş aksiyon türündeki en popüler video oyunların tanıtım videoları izletilmiştir. Katılımcılardan tanıtım videolarını izleme sürecinde; Elektroensefalogram (EEG) ile beyin sinyalleri, Oksimetre ile kalp atış hızı ve kandaki oksijen miktarı, Galvanik Cilt Sensörü (GSR) ile cilt tepkisi ve Hareket Ölçümü Birimi (IMU) ile vücut hareketlerine ait sinyaller eş zamanlı ve zaman damgalı olarak toplanmıştır. Elde edilen ham veriler ise video oyun yaş etiketleri ile etiketlenmiştir. Etiketlenen veriler ara değer üretilerek (interpolasyon) üst örnekleme (upsampling) yapılarak yeniden örneklenmiş ve sonrasında kayan pencere tekniği (sliding window) kullanılarak birleştirilmiştir. Birleştirilen veriler sırasıyla önişlenmiş, eğitim/test olarak bölünmüş ve farklı öznitelik seçim algoritmaları kullanılarak öznitelikleri seçilmiştir. Sonrasında ise yaş etiketlerinin tahmini için NB, kNN, AdaBoost, RF, MLP ve SVM algoritmaları ile yapay zeka modelleri kurulmuştur. Modellerin çalıştırılması ve test edilmesi sonrasında en iyi tahmin performansı %96,6 ile RF modeliyle elde edilmiştir. Araştırma sonucunda video oyunların yaş etiketlerinin çok modlu biyosinyaller ve yapay zeka ile gerçek zamanlı olarak etiketlendiği dünyada ilk olan bir sistem geliştirilmiştir. Geliştirilen bu sistem ile manuel yaş etiketlemesi karşılaştırıldığında biyosinyaller ve yapay zeka ile yaş etiketlemesinin başarımının daha yüksek olduğu görülmüştür. Ayrıca bu çalışmada, video oyun yaş etiketlerine ait en iyi ayırt edici özniteliklerin sırasıyla IMU kaynağından elde edilen başın Z eksenindeki hareketi veren MOT.AccZ sinyali, beynin sağ oksipital lob kaynağından elde edilen POW.O2.Theta sinyali ve beynin frontal lob kaynağından elde edilen POW.F7.Gamma sinyali olduğu tespit edilmiştir.