Концепция
League of Legends — это не просто игра. Это мир, в котором миллионы людей проводят тысячи часов. Но где проходит грань между хобби и зависимостью? Я взяла два реальных датасета с более чем 50,000 матчами и проанализировала паттерны поведения игроков. Цифры показали тревожную картину: среднее время в игре, ночные сессии, невозможность остановиться после поражения — все это признаки формирующейся зависимости. Данный проект является попыткой увидеть за сухими статистическими данными реальных людей и их отношения со временем.
Цель: Визуализировать данные таким образом, чтобы показать не просто сколько играют, а как играют — выявить паттерны, характерные для игровой зависимости: компульсивное возвращение в игру, нарушение режима сна, эмоциональную привязку к рангу. Сделать невидимое видимым с помощью инфографики.
Исходные данные
Для исследования был использован датасет League of Legends Match Dataset (2024) (Актуальная статистика самого популярного игрового сезона)
Датасеты включают данные о:
— Длительности игр; — Количестве игр; — Количестве игроков; — Успешности в игре; — Времени игроков в игре.
Процесс создания
Работа над проектом началась с анализа датасета с платформы Kaggle, содержащего статистику более 60 000 матчей League of Legends. После очистки данных были выявлены маркеры компульсивного поведения: ночные сессии, серии поражений и минимальные паузы между играми.
Для обработки массива данных использовался Python (Pandas) и библиотеки визуализации Matplotlib и Seaborn. Это позволило оцифровать «анатомию зависимости»: • Распределение игровой активности по 24-часовому циклу; • Корреляцию между стрессом от поражений и желанием немедленно начать новую игру; • Падение качества игры (KDA) при сессиях длиннее 4 часов.
Концепция и финальная верстка разворота журнала были реализованы в Figma. Чтобы инфографика не выглядела как сухой отчет, для создания визуального слоя использовались инструменты искусственного интеллекта: Midjourney для генерации метафоричной обложки и мокапов, а также Adobe Firefly для доработки композиций. Нейросети помогли превратить массив CSV-файлов в историю, которую хочется прочитать до конца.
Инфографика
Мокапы
Инфографика была представлена на носителе в виде журнала на геймерском столе, в руках и в кофейне, чтобы создать контраст с геймерской темой.
Описание процесса создания
Для начала я собрала и структурировала все данные. Для этого я воспользовалась Google Colab и визуализировала графики для анализа темы проекта.
Работа началась с подготовки инструментов анализа. В среде Google Colab я импортировала стандартный набор библиотек для data science: pandas для работы с таблицами, numpy для расчётов, matplotlib и seaborn для визуализации данных. После этого загрузила датасет с Kaggle — 51,490 реальных матчей League of Legends, которые стали основой для всего исследования.
Очистка и преобразование данных
Круговая диаграмма
Столбчатый график
Линейный график
Заключение
Анализ 50,000 матчей показал, что игровое поведение подчиняется чётким закономерностям, которые легко спутать со свободным выбором. Наиболее заметное влияние оказывает цикл «поражение — реванш»: 73% игроков не могут остановиться после неудачной игры. Также было выявлено, что с ростом количества сыгранных матчей в день качество игры падает, но время, проведённое в клиенте, только увеличивается.
Инфографика позволила наглядно представить эти взаимосвязи и показать, что грань между хобби и зависимостью проходит не в количестве часов, а в способности игрока осознанно выбирать — играть ему сейчас или нет.
