💻 computer science

"Can You Play Anything Else?" Understanding Play Style Flexibility in League of Legends

该研究通过分析《英雄联盟》玩家数据，揭示了玩家偏好风格对其灵活性的影响以及灵活性对比赛结果的作用，阐明了专精与灵活之间的平衡关系，为竞技环境中的战略决策提供了依据。

原作者： Emily Chen, Alexander Bisberg, Emilio Ferrara

发布于 2026-03-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Emily Chen, Alexander Bisberg, Emilio Ferrara

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在给《英雄联盟》（LoL）里的玩家做一次“性格体检”，主要想搞清楚一个问题：在竞技游戏中，是“样样通”厉害，还是“一招鲜”更牛？而且，随着时间推移，玩家是会变得更灵活，还是更固执？

为了让你轻松理解，我们可以把《英雄联盟》想象成一个巨大的、充满变数的“职场项目”，而每个玩家都是这个团队里的员工。

以下是这篇论文的核心内容，用大白话和比喻来解释：

1. 核心概念：什么是“灵活性”？

在《英雄联盟》里，有 168 个不同的英雄（角色），每个角色都有特定的“职业定位”（比如刺客、坦克、法师等）。

低灵活性（专才）：就像那个只愿意做“会计”的员工，不管公司需要他修电脑还是跑业务，他都只肯做会计。在游戏里，就是只玩一两个英雄，俗称“绝活哥”（One Trick Pony）。
高灵活性（通才）：就像那个“万金油”员工，今天做会计，明天能跑销售，后天还能修修打印机。在游戏里，就是什么英雄都能玩，什么位置都能补。

论文做的第一件事：给每个玩家算一个“灵活性分数”。如果你只玩一个英雄，分数就低；如果你玩几十个不同的英雄，分数就高。

2. 研究发现：高手和菜鸡的区别

研究者把玩家分成了两类：“精英玩家”（排名靠前的顶尖高手）和**“非精英玩家”**（普通大众）。

越厉害，越“专一”：
研究发现，排名越高的玩家，灵活性越低。
- 比喻：这就好比顶级大厨，他们往往只精通几道招牌菜，并且把这几道菜练到了极致。而刚入行的厨师，为了生存，什么菜都得学着做，所以看起来“什么都会一点”，但可能都不精。
- 结论：在《英雄联盟》里，想赢（提高胜率），往往需要“专精”而不是“博杂”。只玩几个拿手的英雄，比什么英雄都玩一点，更容易上分。
不同职业的性格不同：
- 喜欢玩“刺客”或“射手”的玩家，通常比较灵活，愿意尝试新东西。
- 喜欢玩“辅助”或“坦克”的玩家，性格比较两极分化：要么死守一个英雄（极度不灵活），要么非常全能（极度灵活）。

3. 时间维度：随着时间推移，大家变了吗？

研究者还观察了玩家在过去一段时间（比如最近 100 场比赛）里的变化趋势。

高手的“进化”与“冒险”：
令人惊讶的是，精英玩家随着时间推移，反而变得更灵活了。
- 比喻：这就像那些已经功成名就的大老板，因为底气足，反而更有勇气去尝试新的商业模式或跨界合作。他们愿意为了尝试新玩法而冒一点“输掉比赛”的风险。
普通玩家的“固化”：
相反，普通玩家随着时间推移，变得越来越不灵活，越来越死守自己熟悉的那一套。
- 比喻：这就像刚入职的小员工，因为害怕犯错，不敢尝试新任务，只能死磕自己最熟悉的那点工作，变得越来越“轴”。

4. 为什么会有这种“矛盾”？

这就引出了论文最有趣的发现：灵活性和胜率之间存在着一种微妙的“权衡”（Trade-off）。

为了赢，你得“专”：如果你想在排位赛里快速上分，最好的策略是“死磕”几个英雄，把胜率刷高。这时候，灵活性太高反而不是好事，因为你可能在尝试新英雄时输掉比赛。
为了长远，你得“变”：但是，那些真正顶尖的高手（精英玩家），虽然知道“专”能赢，但他们为了适应游戏版本的更新（比如新英雄出来、旧英雄削弱），愿意主动去尝试新东西。他们牺牲了一时的胜率，换取了更长远的适应能力和团队多样性。

5. 这对我们有什么启示？

这篇论文不仅仅是讲游戏，它其实是在探讨人类在竞争环境下的行为模式：

在高压竞争下（如排位赛）：人们倾向于** specialization（专业化）**，因为这样最安全、最高效。
在需要创新或适应变化时：那些已经站稳脚跟的人（精英），反而更有能力去flexibility（灵活变通）。
给管理者的建议：如果你是一个团队领导，不要指望所有人都一样。你需要有人做“绝活哥”来保证核心业务的稳定（高胜率），也需要有人做“万金油”来应对突发状况和探索新方向。

总结一下：
这篇论文告诉我们，在《英雄联盟》里，“只会玩一个英雄”是上分的捷径，但“愿意尝试新东西”是高手的修养。 真正的强者，是在保证自己核心竞争力的同时，依然保持对新鲜事物的好奇心和适应力。而对于普通玩家来说，随着时间推移，我们很容易因为害怕失败而变得固步自封，这或许也是我们在生活中需要警惕的。

1. 研究问题 (Problem)

在《英雄联盟》（LoL）这类多人在线战术竞技（MOBA）游戏中，玩家需要在个人技能与团队协作之间取得平衡。尽管现有研究已涵盖匹配机制、用户原型和团队沟通，但玩家灵活性（Player Flexibility）——即玩家在与陌生人组队时拥抱不同角色的意愿和能力——及其随时间的变化，尚未得到充分探讨。

本研究旨在解决以下核心问题：

定义与测量： 如何操作化并量化玩家的“灵活性”？
关联性： 灵活性如何与玩家的技能水平（段位）和玩法偏好（英雄类型）相关联？
预测性： 哪些属性可以预测玩家在一般情境和随时间演变情境下的灵活性？
影响： 灵活性如何影响比赛结果（胜率）？

2. 方法论 (Methodology)

2.1 数据集构建

数据来源： 通过 Riot Games 公开 API 和第三方统计网站 OP.GG 收集数据。
样本范围： 北美服务器，2023 年 6 月中旬至 9 月底。
样本构成：
- 精英玩家 (Elite)： 前三个竞技段位（Challenger, Grandmaster, Master），共 4,018 人。
- 非精英玩家 (Non-Elite)： Iron 至 Diamond 段位，共 5,621 人。
- 采样策略： 由于精英玩家占比不足 1%，研究采用了分层采样（Table 1），确保精英与非精英玩家样本平衡。
筛选标准： 仅保留在特定模式（Solo Queue, Flex Queue）中至少有 100 场对局的玩家。最终 Solo Queue 数据集包含 3,119 名精英玩家和 2,304 名非精英玩家。

2.2 灵活性评分 (Flexibility Score, $F$ )

研究基于 Riot 定义的 6 种玩法风格（刺客、战士、法师、射手、辅助、坦克）及其组合，构建了 21 种“功能性玩法风格”（Functional Play Styles）。

计算逻辑：
1. 计算玩家在每种功能性玩法风格 $i$ 中的游戏占比 $P_i$ 。
2. 找出玩家最常玩的风格占比 $P_{max}$ 。
3. 计算所有风格占比与 $P_{max}$ 的平均绝对差值 ( $P_{norm}$ )。
4. 灵活性公式： $F = 1 - P_{norm}$ 。
- 含义： $F$ 值越高，表示玩家玩法分布越均匀（灵活性高）； $F$ 值越低，表示玩家越专注于单一角色（“绝活哥”）。

2.3 时间灵活性 (Temporal Flexibility)

为了评估灵活性的演变，研究采用了滚动窗口法：

在玩家按时间排序的历史对局中，每 10 场游戏作为一个窗口，计算序列化的灵活性得分。
对这些得分进行线性回归，得到时间灵活性系数 (Temp Flex Coef)。
含义： 系数为正表示随时间灵活性增加（更愿尝试新角色）；系数为负表示随时间灵活性降低（更倾向于专精）。

3. 关键结果 (Key Results)

3.1 灵活性得分分布

段位差异： 精英玩家的灵活性得分显著低于非精英玩家。随着竞技模式（如 Solo Queue）竞争性的增加，所有玩家的灵活性得分均下降。
玩法偏好影响：
- 刺客/战士、射手、法师偏好者表现出较高的灵活性。
- 法师/辅助、战士/坦克偏好者呈现双峰分布：一部分极度专精（低灵活性），另一部分则非常灵活。
- 精英 vs 非精英： 精英玩家在双峰分布中贡献了更多的高灵活性和低灵活性集群，表明高段位中存在大量“绝活哥”（One Trick Ponies）。

3.2 时间灵活性趋势

总体趋势： 随着游戏更新和新英雄发布，整体灵活性随时间呈上升趋势。
技能分层差异：
- 精英玩家： 灵活性随时间显著增加（尝试新风格的意愿更强）。
- 非精英玩家： 灵活性随时间下降（更倾向于固守现有风格）。
- 速率对比： 高段位玩家灵活性增加的速率是低段位玩家下降速率的6 倍以上。
角色特异性： 偏好刺客、法师/辅助、射手的精英玩家灵活性上升；而偏好战士/坦克和法师的精英玩家灵活性上升最快。

3.3 预测模型与胜率关联

灵活性对胜率的影响： 多元线性回归（MLR）显示，灵活性得分与 Solo Queue 胜率呈负相关。
- 结论： 在《英雄联盟》的竞技环境中，专精（低灵活性）比广泛涉猎（高灵活性）更能带来胜利。非精英玩家通常具有更高的灵活性但胜率较低。
时间灵活性的预测因素：
- 在预测时间灵活性系数时，只有玩家的技能分类（是否精英）具有统计学显著性。
- 非精英玩家随时间灵活性略微下降，而其他变量（如胜率、游戏模式比例）不显著。这表明玩家一旦形成灵活性偏好，较难改变，除非受到段位压力的驱动。

4. 主要贡献 (Key Contributions)

量化指标构建： 首次提出并计算了“整体灵活性”和“时间灵活性”两个量化指标，用于衡量 MOBA 玩家的适应能力和随时间演变的行为模式。
揭示“专精 vs 灵活”的权衡： 实证研究表明，在竞争激烈的环境中（如高分段），专精（低灵活性）与更高的胜率相关，但这并不妨碍精英玩家在长期内表现出更强的探索新风格的意愿（时间灵活性增加）。
动态视角： 不仅关注静态的灵活性，还通过时间序列分析揭示了不同技能层级玩家适应游戏环境变化的不同轨迹（精英玩家随时间更灵活，非精英玩家更固化）。
角色与段位的交互影响： 发现了特定英雄类型（如坦克/辅助）在不同段位下呈现出截然不同的灵活性分布模式。

5. 研究意义 (Significance)

对游戏设计与平衡的启示： 游戏开发商可以利用这些洞察来调整英雄平衡或匹配机制。例如，理解“专精”对高段位胜利的重要性，有助于设计鼓励多样性但不过度惩罚专精的机制。
电竞与团队策略： 在组建职业或半职业队伍时，管理者可以权衡成员的“灵活性”与“专精度”。高灵活性可能有助于应对版本变动，而高专精度可能在当前版本中提供更高的胜率。
社会心理学应用： 该研究为理解高压竞争环境下的行为适应提供了模型。它表明，在高度竞争的环境中，个体可能通过“专业化”来优化绩效，但在长期视角下，高能力者（精英）仍保持更强的适应性和探索欲。
未来研究方向： 为后续研究提供了基础，建议扩展至更多地区（全球视角）和更长的纵向数据，以进一步探索压力、竞争与选择多样性之间的关系。

总结： 该论文通过大规模数据分析，揭示了《英雄联盟》玩家灵活性的复杂图景：虽然“专精”是获胜的关键，但顶尖玩家（精英）在长期中表现出更强的适应性和探索意愿，而非精英玩家则倾向于随时间变得更加固化。 这一发现平衡了“专精”与“灵活”在竞技环境中的双重价值。