Atari Games Challenge Pilot Dataset

Atari Games Challenge Pilot Dataset是由哥本哈根信息技术大学团队创建的多模态玩家体验数据集，旨在全面评估游戏中的玩家体验。该数据集包含19名参与者玩三款Atari 2600游戏的数据，涵盖57个游戏会话，每个会话包含三个试验，数据量丰富，包括游戏遥测、自我报告、脑电图、眼动追踪等多源信息。数据采集通过定制软件框架实现，严格同步生理与行为信号，并遵循BIDS规范进行组织。该数据集主要应用于人机交互、游戏用户研究领域，特别用于探究客观与主观游戏难度之间的关系，为动态难度调整算法和游戏平衡策略的开发提供实证基础。The Atari Games Challenge Pilot Dataset is a multimodal player experience dataset developed by a team from the IT University of Copenhagen, designed to comprehensively evaluate in-game player experience. This dataset contains data from 19 participants playing three Atari 2600 games, covering 57 gaming sessions, with each session including three trials. It features rich multi-source data including game telemetry, self-report measurements, electroencephalogram (EEG) signals, eye-tracking data and other relevant information. Data collection was implemented through a custom software framework that strictly synchronizes physiological and behavioral signals, and the dataset is organized in compliance with the BIDS specification. This dataset is primarily applied in the fields of Human-Computer Interaction (HCI) and game user research, and is specifically utilized to investigate the relationship between objective and subjective game difficulty, providing an empirical foundation for the development of dynamic difficulty adjustment algorithms and game balancing strategies.

原始信息汇总

数据集概述

• 标题: Atari Games Challenge Pilot Dataset
• 版本: v1
• 出版日期: 2025年11月24日
• DOI: https://doi.org/10.5281/zenodo.17699259
• 资源类型: 数据集
• 发布机构: IT University of Copenhagen
• 语言: 英语
• 许可证: Creative Commons Attribution 4.0 International (CC BY 4.0)
• 文件格式和大小: atari_challenge_data.zip，1.5 GB

数据集描述

这是一个多模态数据集，专为探索游戏研究中的难度而设计，通过脑电图（EEG）、眼动追踪、实时游戏记录和事后情感调查，从多个视角捕捉动态人类交互，用于研究玩家体验。数据集包含 3 款游戏（各 3 种难度）、19 名参与者 和 76 次试验。

数据集结构

数据集遵循 脑成像数据结构（BIDS） 格式，组织结构如下：

• 根文件夹: 包含 sub-* 个体受试者文件夹（如 sub-P001）、dataset_description.json、participants.tsv 和 README.md。
• 受试者文件夹 (sub-<subject_id>):
  • 行为数据 (beh/): 眼动追踪、游戏会话刺激和事后调查数据，格式为 JSON 和 TSV。
  • EEG 数据 (eeg/): 脑电图记录，格式为 .edf，及对应的 .json 元数据。

数据模态与通道

数据模态	通道数	采样率	试验次数	示例文件
眼动追踪数据	16	256 Hz	76	sub-<subject>_task-tutorial_run-0_recording-gaze_physio.tsv
瞳孔数据	21	256 Hz	76	sub-<subject>_task-tutorial_run-0_recording-pupil_physio.tsv.gz
EEG 数据	63	256 Hz	5632	sub-<subject>_task-tutorial_run-0_eeg.edf
游戏玩法数据	128 (RAM 位)	30 Hz	76	sub-<subject>_task-tutorial_run-0_recording-atari_physio.tsv.gz
自我报告调查	10 (PXI 问卷构念)	不适用	57	sub-<subject>_task-pxi_run-0_beh.tsv

实验设置

参与者进行了 4 场游戏（1 场教程，3 场正式游戏），每场结束后立即填写一份关于整体体验的自我报告调查。数据集支持从 客观游戏难度 和 主观游戏难度 两个视角研究游戏难度，并可结合以获得玩家体验的完整视图。

使用说明

• 编码：ASCII/UTF-8
• 格式：JSON、TSV、EDF，遵循 BIDS 标准
• 引用：研究人员在出版物中应适当引用此数据集。

应用领域

• 玩家建模
• 用户体验
• 人机交互
• 多模态信号处理
• 神经科学与认知建模

联系方式

[e-mail]

软件

• 代码库: https://github.com/itubrainlab/atari-games-challenge-pilot
• 开发状态: 已暂停

引用信息

Jarma Montoya, O., Manca, E., Volden, T. V. S., & Burelli, P. (2025). Atari Games Challenge Pilot Dataset [Data set]. IT University of Copenhagen. https://doi.org/10.5281/zenodo.17699260

搜集汇总

数据集介绍

构建方式

Atari Games Challenge Pilot Dataset 的构建依托于一个精心设计的实验协议，旨在多模态采集玩家体验数据。研究招募了19名无相关游戏经验的参与者，在受控环境中进行实验。实验使用了三款Atari 2600游戏（Boxing、Word Zapper、Turmoil），每款游戏预设三种难度等级，参与者需完成九个试次，每次试次为两分钟的游戏过程。在游戏过程中，通过Psycho-Atari框架同步记录游戏遥测数据、64通道脑电图（EEG）和眼动追踪信号，并在每个试次后使用miniPXI量表收集自我报告数据。实验结束后，还进行了线索回顾式出声思考（C-RTA）访谈，以获取定性数据。所有数据均遵循脑成像数据结构（BIDS）规范进行组织和存储，确保多模态数据的对齐与互操作性。

特点

该数据集的核心特色在于其多模态整合性，将游戏遥测、生理信号（EEG与眼动）、自我报告问卷及定性访谈数据有机融合，为探索玩家体验提供了全景式的数据视角。数据集涵盖19名参与者的57个游戏会话，每个会话包含三个试次，共计171个试次的多维数据。其另一显著特点是同步设计了客观游戏难度（OGD）与主观游戏难度（SGD）的双重视角，通过性能指标与自我报告的结合，深入剖析难度对玩家体验的影响机制。此外，数据集中C-RTA数据与量化指标的互补性，使得研究者能够捕捉玩家在游戏过程中困惑、专注等细微情感变化，为动态难度调整和游戏平衡策略研究提供了丰富的实证基础。

使用方法

该数据集适用于多维度玩家体验分析，研究者可直接利用公开的EDF、TSV和JSON格式文件进行跨模态探索。使用时可聚焦于三个分析层面：首先，通过游戏遥测数据提取各试次的性能指标（如得分、成功率），并结合miniPXI量表结果评估主客观难度的一致性；其次，利用EEG与眼动数据进行时间锁定分析，探索特定游戏事件引发的神经生理响应模式；最后，可结合C-RTA定性标注，验证或补充量化分析的发现。数据集附带的公开实验复现代码（GitHub仓库）为进一步扩展研究提供了技术支撑。推荐采用贝叶斯回归等因果推断方法进行中介分析，以揭示难度、表现与体验之间的潜在因果路径。

背景与挑战

背景概述

Atari Games Challenge Pilot Dataset由丹麦IT大学的软件质量研究组与数字游戏中心BrAIn Lab于2025年联合创建，核心研究人员包括Oleg Jarma Montoya、Erica Manca等人。该数据集旨在填补玩家体验（PX）研究中多模态数据缺失的空白，通过整合游戏遥测、自我报告问卷、脑电图（EEG）、眼动追踪及回顾性出声思维（C-RTA）数据，深入探索游戏难度如何影响玩家的主观与客观体验。研究以19名参与者游玩三款Atari 2600游戏（分别代表表现型、认知型与决策型挑战）为实验基础，产出了一套遵循脑影像数据结构（BIDS）规范的公开资源。该数据集对动态难度调整（DDA）算法优化、游戏平衡性策略及玩家体验的因果推断研究具有重要推动力，为游戏人机交互领域提供了可复现的跨模态研究范式。

当前挑战

该数据集面临的核心挑战在于精准捕捉并解构游戏难度的多维度本质。一方面，现有玩家体验数据集往往局限于单一模态（如仅包含生理信号或自我报告），难以揭示客观游戏难度（OGD）与主观游戏难度（SGD）之间的复杂交互关系；Atari Games Challenge需通过同步采集高分辨率EEG、眼动及细粒度遥测数据，弥合这一方法学鸿沟。另一方面，实验构建过程中挑战重重：如何确保19名参与者对三款陌生游戏的操控熟练度不受学习效应干扰，如何设计两个分钟时长的试玩以诱发差异化的难度感知，以及如何处理认知型挑战（如Word Zapper）中因机制复杂性导致的无效数据——这些困难促使研究团队采用贝叶斯中介分析，应对小样本下的统计推断问题，并借助C-RTA定性反馈校正模型解读，最终推动了多模态PX研究从行为关联向因果机制的跨越。

常用场景

经典使用场景

Atari Games Challenge Pilot Dataset 的核心用途在于支撑多模态玩家体验（Player Experience, PX）的深度分析。研究者可借助该数据集中同步记录的脑电图（EEG）、眼动追踪、瞳孔测量、游戏遥测及自陈报告，系统性地探究客观游戏难度（Objective Game Difficulty, OGD）与主观游戏难度（Subjective Game Difficulty, SGD）之间的复杂关联。该数据集为因果推断与中介分析提供了理想实验基底，尤其适用于剖析表现绩效在难度感知中扮演的中介角色，从而超越传统仅依赖单一模态数据的分析局限。

解决学术问题

该数据集填补了多模态玩家体验研究领域的关键空白，解决了长期以来缺乏同时包含高分辨率生理信号、精细游戏遥测与标准化自陈量表的多源同步数据的问题。借助其中介分析框架，研究者得以区分难度对玩家体验的直接效应与通过表现绩效传导的间接效应，揭示了仅以表现指标优化动态难度调整（Dynamic Difficulty Adjustment, DDA）算法的局限性。此外，数据集为验证心流理论在不同挑战类型（如表演性、认知性与决策性挑战）中的适用性提供了实证基础，推动游戏难度研究从单一客观维度向多维主观体验范式的转型。

衍生相关工作

该数据集的发布催生了一系列相关经典工作，包括基于时间锁定的脑电与眼动信号分析，用以识别与困惑时刻（cued-retrospective think-aloud 标记）相关的神经认知特征，如alpha/beta频段功率变化与注视不稳定性模式。这些发现可与GAMEEMO和AMuCS等既有数据集进行交叉验证，探索认知挑战的新型神经标志物。此外，数据集支持了多模态融合方法在情感识别与难度分类中的基准测试，推动了面向真实游戏场景的在线生理信号自适应触发算法的开发。未来工作有望扩展至更大规模且人口多样化的被试群体，进一步检验当前发现的可推广性。