Suporte à tomada de decisão estratégica no âmbito de eSports : o caso do league of legends

Abstract

Os jogos eletrônicos se transformaram, nos últimos anos, em um dos principais segmentos da indústria global de entretenimento. Neste segmento, uma prática que tem ganhado importância envolve a competição organizada na forma dos eSports (esportes eletrônicos), os quais englobam tanto disputas amadoras quanto ligas e campeonatos profissionais. Entre os títulos de maior sucesso usados em eSports, League of Legends (LoL) destaca-se por sua popularidade. Porém, apesar da crescente importância do segmento e, em particular, do LoL, a pesquisa acadêmica sobre este tema ainda se encontra incipiente. Assim, este trabalho tem como objetivos: explorar a rede de valor que sustenta o jogo e testar o modelo de fronteira eficiente como ferramenta de suporte à tomada de decisão estratégica em League of Legends . O primeiro artigo visa compreender o ecossistema de negócios estabelecido em torno do jogo. Para tanto, o arcabouço teórico de stakeholders e modelos de negócios foi empregado, com aplicação das ferramentas de Rede PESTEL e Business Model Canvas. Os achados foram validados e complementados por entrevistas realizadas com especialistas. No segundo artigo são avaliados os principais indicadores de desempenho quanto à sua contribuição para a vitória em partidas de alto nível de LoL, os quais podem ser usados como variáveis dependentes em futuras aplicações voltadas à melhoria e otimização de decisões no jogo. Foram coletados dados reais de partidas dos jogadores mais qualificados em 11 servidores durante nove meses, resultando em 7.248.170 registros individuais, os quais foram analisados através do método GEE (Generalized Estimating Equations). Os resultados sugerem prevalência de um dos indicadores, o ouro, sobre os demais. O terceiro artigo apoia-se nesta descoberta para adaptar a teoria moderna do portfólio, originalmente concebida no contexto do mercado financeiro, para ser utilizada como suporte à tomada de decisão de seleção de personagens pelas equipes de LoL. Os conceitos de risco e retorno são traduzidos para parâmetros de jogo e uma fronteira eficiente é calculada, a fim de sugerir uma composição ótima de equipe com base no indicador de desempenho identificado no artigo anterior.