Collaborative Filtering för att välja spelnivåer
Fler och fler spel öppnas upp för användargenererat innehåll, vilket ofta resulterar i större mängder material än vad en ensam spelare kan utnyttja. Den unika spelare vill ta del av det som passar just dennes smak.Studien genomfördes med designforskning som metodval och med hjälp av denna metod skapades en artefakt. Med hjälp av den utvecklade artefakten, ett plattformspel som är både enkelt att förstå och spela, kunde en datamängd samlas in ifrån olika spelare. Data byggdes upp av att användarna efter varje slutförd nivå, explicit fick lämna sitt betyg på nivån i en skala mellan 1 och 5.Genom att introducera collaborative filtering och där låta användarens tidigare betyg jämföras med övriga användare kan en predicering av kommande betyg ges. Vid jämförelser av olika collaborative filtering-algoritmer kunde den mest lämpliga upptäckas och senare även användas.Resultaten visar att mer precisa uppskattningar av kommande betyg kan göras av collaborative filteringen än genom att använda nivåns medelbetyg och resultaten leder därför till slutsatsen att collaborative filtering kan ge skräddarsydda spelupplevelser för en unik användare och således förhöja dennes spelupplevelse.