Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends
Este proyecto presenta el desarrollo de una herramienta computacional basada en técnicas de análisis de datos y aprendizaje automático no supervisado, específicamente algoritmos de clustering, diseñada para evaluar el rendimiento de jugadores del videojuego League of Legends en la posición de carril...
- Autores:
-
Martinez Santamaria, Pedro Esteban
Agudelo Villarreal, Carlos Daniel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/30696
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/30696
- Palabra clave:
- Systems engineer
Technological innovations
Data Analysis
Clustering
Esports
Riot Games API
Performance
Machine Learning
League of legends
Video games
Electronic games
Video game design
Theory of machines
Ingeniería de sistemas
Innovaciones tecnológicas
Videojuegos
Juegos electrónicos
Diseño de videojuegos
Teoría de las máquinas
Jugadores de videojuegos
Análisis de datos
Rendimiento
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_d8e867bae42ac64af9edc20e7fcc08e4 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/30696 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| dc.title.translated.spa.fl_str_mv |
Data analysis tool for evaluating performance variables of League of Legends video game players |
| title |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| spellingShingle |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends Systems engineer Technological innovations Data Analysis Clustering Esports Riot Games API Performance Machine Learning League of legends Video games Electronic games Video game design Theory of machines Ingeniería de sistemas Innovaciones tecnológicas Videojuegos Juegos electrónicos Diseño de videojuegos Teoría de las máquinas Jugadores de videojuegos Análisis de datos Rendimiento |
| title_short |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| title_full |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| title_fullStr |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| title_full_unstemmed |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| title_sort |
Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legends |
| dc.creator.fl_str_mv |
Martinez Santamaria, Pedro Esteban Agudelo Villarreal, Carlos Daniel |
| dc.contributor.advisor.none.fl_str_mv |
Moreno Corzo, Feisar Enrique |
| dc.contributor.author.none.fl_str_mv |
Martinez Santamaria, Pedro Esteban Agudelo Villarreal, Carlos Daniel |
| dc.contributor.cvlac.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [0001499008] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ] |
| dc.contributor.orcid.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [0000-0002-5007-3422] |
| dc.contributor.researchgate.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891] |
| dc.contributor.apolounab.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo] |
| dc.contributor.linkedin.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [feisar-moreno] Martínez Santamaria, Pedro Esteban [pedromartinez9i] Agudelo Villareal, Carlos Daniel [carlos-agudelo-482111339] |
| dc.subject.keywords.spa.fl_str_mv |
Systems engineer Technological innovations Data Analysis Clustering Esports Riot Games API Performance Machine Learning League of legends Video games Electronic games Video game design Theory of machines |
| topic |
Systems engineer Technological innovations Data Analysis Clustering Esports Riot Games API Performance Machine Learning League of legends Video games Electronic games Video game design Theory of machines Ingeniería de sistemas Innovaciones tecnológicas Videojuegos Juegos electrónicos Diseño de videojuegos Teoría de las máquinas Jugadores de videojuegos Análisis de datos Rendimiento |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Videojuegos Juegos electrónicos Diseño de videojuegos Teoría de las máquinas Jugadores de videojuegos |
| dc.subject.proposal.spa.fl_str_mv |
Análisis de datos Rendimiento |
| description |
Este proyecto presenta el desarrollo de una herramienta computacional basada en técnicas de análisis de datos y aprendizaje automático no supervisado, específicamente algoritmos de clustering, diseñada para evaluar el rendimiento de jugadores del videojuego League of Legends en la posición de carril superior (Top lane). Mediante la segmentación y análisis de partidas en intervalos estratégicos (early, mid y late game), la herramienta identifica patrones significativos relacionados con variables clave como daño infligido, acumulación de oro y desempeño en la obtención de súbditos. La solución, implementada en una interfaz web interactiva construida con tecnologías FastAPI y React, facilita retroalimentación personalizada y recomendaciones específicas para mejorar el rendimiento competitivo. El resultado contribuye al crecimiento de la comunidad universitaria en el ámbito de los Esports, ofreciendo una base metodológica sólida para futuros desarrollos aplicados en contextos similares. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024-11-10 |
| dc.date.accessioned.none.fl_str_mv |
2025-08-08T15:53:18Z |
| dc.date.available.none.fl_str_mv |
2025-08-08T15:53:18Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/30696 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/30696 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Riot Games. (2024). League of Legends. Disponible en: https://www.leagueoflegends.com/es-mx/ League of Graphs. (2024). League of Legends statistics and analytics. Disponible en: https://www.leagueofgraphs.com/ Porofessor. (2024). Porofessor.gg. Disponible en: https://porofessor.gg/ |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bucaramanga (Santander, Colombia) |
| dc.coverage.temporal.spa.fl_str_mv |
6 Meses |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| dc.publisher.programid.none.fl_str_mv |
ISI-1791 |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/30696/7/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/30696/1/2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30696/8/Licencia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30696/9/2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/30696/10/Licencia.pdf.jpg |
| bitstream.checksum.fl_str_mv |
3755c0cfdb77e29f2b9125d7a45dd316 3d60165ec0c4701fff90ad1c4a30776b 7fc1eaf7aa21c47c55cb179d126246cf f905d17946911ad0f2e1d81050445016 4b6e85b35f809ba082269d6deb9845d4 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1851051779532259328 |
| spelling |
Moreno Corzo, Feisar Enrique39fad5f7-20f9-47a5-99d6-b2c6d2a32224Martinez Santamaria, Pedro Esteban458455e0-c861-4060-b13b-5f42470807ceAgudelo Villarreal, Carlos Daniel6b571b7c-fada-4f91-838c-564c481bab95Moreno Corzo, Feisar Enrique [0001499008]Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ]Moreno Corzo, Feisar Enrique [0000-0002-5007-3422]Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]Moreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo]Moreno Corzo, Feisar Enrique [feisar-moreno]Martínez Santamaria, Pedro Esteban [pedromartinez9i]Agudelo Villareal, Carlos Daniel [carlos-agudelo-482111339]Bucaramanga (Santander, Colombia)6 MesesUNAB Campus Bucaramanga2025-08-08T15:53:18Z2025-08-08T15:53:18Z2024-11-10http://hdl.handle.net/20.500.12749/30696instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEste proyecto presenta el desarrollo de una herramienta computacional basada en técnicas de análisis de datos y aprendizaje automático no supervisado, específicamente algoritmos de clustering, diseñada para evaluar el rendimiento de jugadores del videojuego League of Legends en la posición de carril superior (Top lane). Mediante la segmentación y análisis de partidas en intervalos estratégicos (early, mid y late game), la herramienta identifica patrones significativos relacionados con variables clave como daño infligido, acumulación de oro y desempeño en la obtención de súbditos. La solución, implementada en una interfaz web interactiva construida con tecnologías FastAPI y React, facilita retroalimentación personalizada y recomendaciones específicas para mejorar el rendimiento competitivo. El resultado contribuye al crecimiento de la comunidad universitaria en el ámbito de los Esports, ofreciendo una base metodológica sólida para futuros desarrollos aplicados en contextos similares.AGRADECIMIENTOS .....................................................................................................6 CONTENIDO .....................................................................................................................7 FIGURAS ..........................................................................................................................11 GLOSARIO ......................................................................................................................13 RESUMEN ........................................................................................................................16 INTRODUCCIÓN ...........................................................................................................17 1 PROBLEMA DE INVESTIGACIÓN .........................................................................18 1.1 Antecedentes del problema ..................................................................................18 1.2 Planteamiento del problema ................................................................................18 1.3 Formulación del problema ...................................................................................18 2 OBJETIVOS ...................................................................................................................19 2.1 Objetivo General ................................................................................................19 2.2 Objetivos Específicos ........................................................................................19 2.2.1 Objetivo Específico 1 ...............................................................................19 2.2.2 Objetivo Específico 2 ...............................................................................19 2.2.3 Objetivo Específico 3 ...............................................................................19 3 JUSTIFICACIÓN .........................................................................................................20 4 MARCO DE REFERENCIA .......................................................................................21 4.1 Marco teórico ....................................................................................................21 5 DISEÑO METODOLÓGICO .....................................................................................23 5.1 Tipo de investigación .......................................................................................23 5.2 Método de investigación ..................................................................................23 5.3 Fuentes y técnicas de recolección de información ............................................24 5.3.1 Fuentes primarias ................................................................................24 5.3.2 Fuentes secundarias ............................................................................24 5.4 Delimitación y alcance ......................................................................................25 5.5 Población y muestra ..........................................................................................26 Población objetivo .............................................................................................26 Muestra ..............................................................................................................26 6 DESARROLLO DE LA PROPUESTA ......................................................................27 FASE 1 ..................................................................................................................27 6.1 Desarrollo Objetivo Específico 1 .................................................................27 6.1.1 Agrupar y definir datasets ...................................................................27 6.1.2 Definir la estructura de base de datos .................................................29 6.1.3 Depurar el dataset seleccionado ..........................................................34 FASE 2 ..................................................................................................................36 6.2 Desarrollo Objetivo Específico 2 .................................................................36 6.2.1 Establecer un rol ................................................................................36 6.2.2 Investigar y desarrollar algoritmos .....................................................36 FASE 3 ..................................................................................................................42 6.3 Desarrollo Objetivo Específico 3 .................................................................42 6.3.1 Probar y validar la herramienta ..........................................................46 7 CONCLUSIONES .........................................................................................................60 8 RECOMENDACIONES ...............................................................................................61 BIBLIOGRAFÍA ..............................................................................................................62 ANEXOS ...........................................................................................................................63PregradoThis project presents the development of a computational tool based on data analysis techniques and unsupervised machine learning—specifically clustering algorithms—designed to evaluate player performance in the Top Lane position of the videogame League of Legends. Through segmentation and analysis of game data across strategic intervals (early, mid, and late game), the tool identifies meaningful patterns related to key variables such as damage dealt, gold accumulation, and performance in creep scoring. Implemented within an interactive web interface built using FastAPI and React technologies, the solution provides personalized feedback and specific recommendations aimed at enhancing competitive performance. The outcomes contribute to fostering the growth of the university community in the Esports field, offering a solid methodological foundation for future applied developments in similar contexts.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Herramienta de análisis de datos para la evaluación de variables de desempeño de jugadores del videojuego league of legendsData analysis tool for evaluating performance variables of League of Legends video game playersIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de SistemasISI-1791info:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsData AnalysisClusteringEsportsRiot Games APIPerformanceMachine LearningLeague of legendsVideo gamesElectronic gamesVideo game designTheory of machinesIngeniería de sistemasInnovaciones tecnológicasVideojuegosJuegos electrónicosDiseño de videojuegosTeoría de las máquinasJugadores de videojuegosAnálisis de datosRendimientoRiot Games. (2024). League of Legends. Disponible en: https://www.leagueoflegends.com/es-mx/League of Graphs. (2024). League of Legends statistics and analytics. Disponible en: https://www.leagueofgraphs.com/Porofessor. (2024). Porofessor.gg. Disponible en: https://porofessor.gg/LICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/30696/7/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD57open accessORIGINAL2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdfTesisapplication/pdf2888209https://repository.unab.edu.co/bitstream/20.500.12749/30696/1/2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf3d60165ec0c4701fff90ad1c4a30776bMD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf594116https://repository.unab.edu.co/bitstream/20.500.12749/30696/8/Licencia.pdf7fc1eaf7aa21c47c55cb179d126246cfMD58metadata only accessTHUMBNAIL2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf.jpg2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf.jpgIM Thumbnailimage/jpeg8279https://repository.unab.edu.co/bitstream/20.500.12749/30696/9/2024_Tesis_Pedro_Martinez_Carlos_Daniel.pdf.jpgf905d17946911ad0f2e1d81050445016MD59open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg12901https://repository.unab.edu.co/bitstream/20.500.12749/30696/10/Licencia.pdf.jpg4b6e85b35f809ba082269d6deb9845d4MD510metadata only access20.500.12749/30696oai:repository.unab.edu.co:20.500.12749/306962025-08-08 22:00:43.017open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |