🎮 تحليل سلوك اللاعبين باستخدام تعلم الآلة – لعبة 2048
📌 نظرة عامة على المشروع
يهدف هذا المشروع إلى تطوير لعبة 2048 الكلاسيكية من خلال دمج تقنيات تعلم الآلة (Machine Learning) لتحليل سلوك اللاعبين. يتم جمع بيانات اللاعبين أثناء اللعب، ثم تحليلها باستخدام خوارزمية "أشجار القرار" لاكتشاف الأنماط، التنبؤ بنقاط الفشل، وتقديم توصيات لتحسين تجربة اللعب وتصميم المراحل بناءً على السلوك الفعلي للمستخدمين.
- محرك اللعبة: HTML + CSS + JavaScript
- جمع البيانات: JavaScript (تتبع تفاعلات اللاعب مثل الحركات والنتائج)
- تحليل البيانات وتعلم الآلة: Python، pandas، scikit-learn
- عرض البيانات والتحليلات: 📊 اضغط هنا لزيارة الواجهة التفاعلية
- إدارة المشروع والمصدر: Git و GitHub
-
استنساخ المشروع من GitHub:
git clone https://github.com/fatimaaash/2048-Game_fatima-shqyr
-
افتح ملف
index.htmlفي أي متصفح حديث (مثل Chrome أو Firefox). -
ابدأ اللعب بشكل طبيعي، حيث يتم تسجيل تحركات اللاعب وبيانات الأداء تلقائيًا.
📊 جمع البيانات
خلال جلسات اللعب، يتم جمع مجموعة من البيانات بشكل تلقائي، وتشمل:
- تسلسل الحركات (مثل: ↑، ↓، ←، →)
- عدد التحركات الإجمالية
- تطور النقاط أثناء اللعب
- وقت بدء الجلسة ووقت الانتهاء
- نتيجة الجلسة (فوز/خسارة)
يتم حفظ هذه البيانات بصيغة .csv لتحليلها لاحقًا
🤖 تنفيذ تعلم الآلة (ML Implementation)
🌳 خوارزمية أشجار القرار (Decision Tree)
تم استخدام خوارزمية Decision Tree من مكتبة scikit-learn لتحليل سلوك اللاعبين والتنبؤ بالمناطق التي قد يواجهون فيها صعوبات. حيث تقوم الخوارزمية بما يلي:
- تحليل العلاقة بين تسلسل الحركات والنتائج النهائية.
- التنبؤ بنتائج الجلسة اعتمادًا على سلوك اللاعب في الدقائق الأولى.
- تحديد أنماط اللعب التي تؤدي غالبًا إلى الفشل.
- إنتاج نموذج واضح يُستخدم لتقديم توصيات تصميمية مستقبلية.
تم تطوير لوحة تحكم تفاعلية
- رسوم بيانية لحركة اللاعب وتطور الأداء.
- جدول يوضح البيانات الخام لكل جلسة لعب.
- نتائج نموذج Decision Tree وتحليل العوامل المؤثرة على فشل/نجاح اللاعب.
- توصيات تصميم تلقائية مبنية على الأنماط المكتشفة.
- � اضغط هنا لزيارة الواجهة التفاعلية
🎥 عرض فيديو للمشروع
تم إعداد فيديو توضيحي يحتوي على:
- مقدمة عن فكرة المشروع.
- استعراض طريقة اللعب وكيفية تسجيل البيانات.
- تشغيل لوحة التحكم وعرض التحليلات.
- شرح عمل خوارزمية Decision Tree.
- أبرز التوصيات والتحليلات المستخرجة.
📺 رابط الفيديو:https://drive.google.com/file/d/1CWuHjkX1CmdSnGQ-cEJHUSegKM1RdiVH/view?usp=drive_link
📝 تقرير المشروع
يتضمن التقرير المفصّل ما يلي:
- الملخص التنفيذي: شرح عام عن المشروع والأهداف المحققة.
- المقدمة: مشكلة التصميم التقليدي للألعاب، وأهمية التحليل التنبؤي.
- المنهجية
- النتائج
- التحديات
- أفكار تطوير مستقبلية.
- المراجع
📄 رابط تحميل التقرير:https://drive.google.com/file/d/1exV0IoJN4QNjPxlqPOX6lQoGAVsmyEaq/view?usp=sharing
🚀 تحسينات مستقبلية
-
دمج خوارزميات إضافية مثل K-Means لتجميع أنماط اللعب المختلفة.
-
تحليل عميق لتفاعل اللاعب حسب الوقت.
- الاسم: فاطمة شقير
- العام الدراسي: 2025
- المشروع: تحليل سلوك اللاعبين باستخدام تعلم الآلة
- بإشراف: زينه جمال