Experiment

300.000 "Pardus" Online-Gamer untersucht

Teilen

Nun soll das Vorhersagen von Gruppenverhalten ermöglicht werden.

Es könnte das größte sozialwissenschaftliche Experiment sein, das je gemacht wurde: Wissenschafter der Medizinischen Universität Wien (MUW) haben erstmals über Jahre hinweg die Daten aus dem browserbasierten Multiplayer-Online-Spiel "Pardus" mit allen sozialen, wirtschaftlichen, politischen oder aggressiven Handlungen jedes der rund 300.000 Spieler analysiert. "Unser Ziel ist es, Naturgesetze über menschliches Gruppenverhalten aufzudecken", erklärte Stefan Thurner vom Institut für Wissenschaft komplexer Systeme an der MUW gegenüber der heimischen Nachrichtenagentur APA. Die von ihm, seinem Dissertanten Michael Szell und Ranaud Lambiotte durchgeführte Arbeit wurde nun in der Fachzeitschrift PNAS veröffentlicht.

Das Spiel
Szell hatte das Online-Spiel "Pardus" aus rein spielerischem Interesse vor fünf Jahren online gestellt. In einem futuristischen Universum ringen dabei "Händler, Piraten, Schmuggler und andere Piloten verschiedenster Rassen und Zugehörigkeiten um Wohlstand und Ehre im Weltall", wie es auf der Homepage des Spiels heißt. Für seine Dissertation im Bereich komplexer Systeme hat Szell nun die Terabyte an Daten, die sich im Laufe der Jahre angesammelt haben und die jede Bewegung und jede Handlung der Mitspieler umfassen, gemeinsam mit Thurner analysiert.

Anonymität der Spieler ist gegeben
Für die neue Richtung "Soziophysik" stehen damit nach Wissen Thurners erstmals die - anonymisierten - Nutzerdaten eines solchen Online-Spiels zur Verfügung. Bisher hätten datenschutzrechtliche Bedenken das verhindert, erst seit Kurzem würden auch vom Spiele-Klassiker "Second Life" Daten bereitstehen. Mit solchen Daten würden Physiker nun beginnen, "die aus ihrem Fach bekannten Methoden auf Gesellschaften anzuwenden - auf Vorhersagen bedacht und in einer Form, dass es experimentell überprüfbar ist".

"Wir sind im Gegensatz zu den meisten Soziologen überzeugt, dass es Gesetze gibt, nach denen große Gruppen funktionieren, die man für Vorhersagen von Gruppenverhalten verwenden kann", sagte Thurner. Diese Gesetze seien im Gegensatz zur Physik nicht universell, sondern würden sich über die Zeit ändern, und seien von Kultur zu Kultur verschieden. Thurner sieht die Arbeit ganz in der Tradition der Verhaltens-Ökonomie, "nur dass man die Experimente nicht wie bisher mit 20 Studenten durchführt, sondern mit 300.000 Leuten, die nicht ständig darüber nachdenken, dass sie an einem Experiment teilnehmen".

Plausible Einteilung in sechs Typen
Konkret haben die Wissenschafter sechs verschiedene Interaktions-Typen mit Hilfe netzwerktheoretischer Methoden analysiert: drei mit positiver Note (Freundschaft, Kommunikation, Handel) und drei negative (Feindschaft, Angriff und Bestrafung). "Wir messen, wie sich soziale Spannungen aufbauen und auflösen, wie sich Freundschaften ausbreiten, wie typische Feindschaftsnetzwerke aussehen, welchen Einfluss Kommunikation auf Handel hat, wie aggressives Verhalten von der Gruppe geahndet wird, etc.", so Szell.

Das für Thurner vorerst überraschendste Ergebnis der Analysen ist, "dass sich die Leute im Spiel ganz ähnlich verhalten wie in der realen Welt", wenn man die Spieldaten mit den bekannten Daten von untersuchten sozialen Netzwerken der realen Welt wie Freundschafts-oder Kommunikationsnetzwerken vergleicht. So würden etwa die Kommunikationsmuster in dem Spiel jenen von Handy-Nutzern in der Realität gleichen oder die wirtschaftlichen Daten im Spiel mit den Mustern realer Börsenkurse vergleichbar seien.

Weiters zeigte sich, dass negative Interaktionen weniger wechselseitig sind als positive: "Wenn jemand sagt, du bist mein Feind, antworten viel weniger Spieler 'Auch du bist mein Feind', im Vergleich zum positiven Angebot 'Du bist mein Freund', das viel öfters erwidert wird", so Thurner. Gezeigt hat sich dabei auch, dass sich Frauen und Männer in diesem Verhalten deutlich unterscheiden, ein Ergebnis, das die Wissenschafter in ihrer nächsten Arbeit genauer beleuchten wollen.

Fehler im Artikel gefunden? Jetzt melden.