Resume en un párrafo el siguiente capítulo de un TFG para añadirlo al resumen: "3.…
- User
Resume en un párrafo el siguiente capítulo de un TFG para añadirlo al resumen: "3. Análisis de objetivos y metodología En este apartado, se describirán los objetivos y la metodología que se seguirá en este trabajo de fin de grado, centrado en el desarrollo de un sistema de recomendación para la composición de equipos en juegos. La investigación se divide en cuatro objetivos principales, cada uno con sus respectivos subobjetivos.
3.1. Objetivos y metodología El objetivo de este trabajo es el análisis, diseño y desarrollo de un sistema de reco- mendación que proporcione ayuda a los jugadores de League of Legends para formar equipos equilibrados y efectivos. La metodología para alcanzar ese objetivo consiste en recolectar datos de partidas reales de League of Legends, hacer un análisis inteligente de los mismos y utilizar estos datos para desarrollar un sistema de recomendación de campeones basado en las relaciones de sinergia y competencia entre ellos. Para ello, se plantean los siguientes subjetivos:
- Obtención de los datos: El primer subjetivo es obtener los datos necesarios para el análisis y desarrollo del sistema de recomendación. Para ello, se utilizará la API de Riot Games y la API de Lolalytics, una plataforma que proporciona datos estadísticos detallados sobre campeones, partidas y jugadores de LoL. Esta API permitirá acceder a información relevante, como las características de los campeones y sus estadísticas de desempeño.
- Análisis de los datos: Una vez obtenidos los datos, el segundo subjetivo es analizarlos para identificar las variables relevantes para el cálculo de las relaciones de sinergia y competencia entre campeones.
- Cálculo de las relaciones de sinergia y competencia entre campeones: El tercer objetivo es calcular las relaciones de sinergia y competencia entre campeo- nes. Para ello, se definirán los conceptos de sinergia y competencia en el contexto del juego. A continuación, se utilizaran como base los índices de sinergia y com- petencia utilizados por otros autores en investigaciones similares y se analizarán en profundidad. Luego, se aplicarán una serie de correcciones a los métodos que utilizan estos autores para corregir algunos problemas descritos en la sección 2.4. El método final utilizado deberá estimar las relaciones de sinergia y competencia entre campeones de manera rigurosa y fundamentada.
- Implementación del sistema de recomendación: Finalmente, el cuarto obje- tivo es implementar un sistema de recomendación que utilice los datos obtenidos anteriormente. Este sistema permitirá al usuario simular algunos aspectos de una fase de selección real y le ofrecerá al usuario una lista de campeones que maximi- cen la sinergia con los aliados y la capacidad de contrarrestar a los enemigos, en un tiempo coherente con el tiempo que tiene el usuario para hacer su selección en el juego real.
3.2. Limitaciones y alcance del TFG Aunque este trabajo de fin de grado aborda el desarrollo de un sistema de recomenda- ción para la composición de equipos en League of Legends, es importante reconocer que existen ciertas limitaciones y aspectos que quedan fuera del alcance de este proyecto. A continuación, se enumeran algunas de estas limitaciones:
- Análisis de todas las variables posibles: Dada la complejidad del juego y la gran cantidad de variables que pueden influir en el rendimiento de los equipos, este TFG se centrará en las relaciones de sinergia y competencia entre campeones. Quedan fuera del alcance del estudio otras variables, como la habilidad individual de los jugadores, la dificultad de los campeones recomendados, los atributos de los campeones o los arquetipos estratégicos. Además, no se tiene en cuenta la identidad global de la composición del equipo ni su composición de daño, lo que puede influir a la hora de seleccionar campeón.
- Rango de los datos: El sistema de recomendación implementado, aunque útil, no es perfecto. Sus datos se basan en los últimos 30 días, lo que puede no reflejar completamente la situación actual del meta.
- Aplicación a otros juegos: Aunque los conceptos y metodologías empleadas en este TFG podrían ser aplicables a otros juegos con características similares, el sistema de recomendación desarrollado se centra específicamente en League of Legends. La adaptación del sistema a otros juegos queda fuera del alcance de este trabajo.
- Evaluación exhaustiva del rendimiento del sistema: Si bien se realizarán pruebas para evaluar la efectividad del sistema de recomendación, no se llevará a cabo una evaluación exhaustiva que incluya un análisis detallado de su impacto en el rendimiento de los equipos en partidas reales. Esto se debe a las limitaciones de tiempo y recursos asociadas a un TFG.
- Mejoras y optimizaciones futuras: Aunque se busca desarrollar un sistema de recomendación funcional y útil, es probable que existan oportunidades de mejora y optimización que no se abordarán en este TFG. Estas mejoras podrían incluir la incorporación de nuevas variables, la implementación de algoritmos más avanzados para el cálculo de las relaciones de sinergia y competencia o la mejora de la interfaz del sistema.
En resumen, este trabajo de fin de grado busca desarrollar un sistema de recomen- dación para la composición de equipos en League of Legends, basado en el análisis de datos y el cálculo de relaciones de sinergia y competencia entre campeones. La metodo- logía empleada combina técnicas de obtención y análisis de datos y la implementación de un sistema de recomendación práctico y útil para los jugadores. Sin embargo, se reconoce que existen limitaciones y aspectos que quedan fuera de su alcance. Estas limitaciones pueden ser abordadas en investigaciones futuras o en la implementación de sistemas de recomendación más avanzados y adaptativos."
- Assistant
Este capítulo presenta los objetivos y la metodología del TFG que se centra en el desarrollo de un sistema de recomendación para la composición de equipos en el juego League of Legends. Se abordan cuatro objetivos principales: obtener datos relevantes mediante el uso de APIs, analizar los datos para identificar variables críticas, calcular las relaciones de sinergia y competencia entre campeones y finalmente, implementar el sistema de recomendación. Si bien se busca desarrollar un sistema funcional y útil, también se reconocen ciertas limitaciones como el análisis de todas las variables posibles, la adaptación del sistema a otros juegos o la evaluación exhaustiva del rendimiento. Estas limitaciones pueden ser abordadas en investigaciones futuras o en la implementación de sistemas de recomendación más avanzados y adaptativos.