Russian Journal of Information Technology in Sports Russian Journal of Information Technology in Sports Российский журнал информационных технологий в спорте 2949-6349 105198 10.62105/2949-6349-2025-2-3-26-37 cfltkk ЦИФРОВЫЕ ВИДЫ СПОРТА DIGITAL SPORTS ЦИФРОВЫЕ ВИДЫ СПОРТА Model Characteristics of Esports Athletes Based on Digital Footprints in Video Games Модельные характеристики киберспортсменов на основе цифровых следов в видеоиграх Сложеникин Артём Константинович Slozhenikin Artem Konstantinovich artemko100@yandex.ru Щепотьев Артем Михайлович Schepot'ev Artem Mihaylovich ashepotev@mail.ru Российский университет спорта «ГЦОЛИФК» Москва Россия Russian University of Sport «GTSOLIFK» Moscow Russian Federation Муниципальное автономное учреждение дополнительного образования "Спортивная школа "Центр цифровых видов спорта"" Сургутского района Сургут Россия Sports school "Digital Sports Center" of Surgut district Surgut Russian Federation 12 10 2025 12 10 2025 2 3 26 37 09 09 2025 10 10 2025 https://rjits.ru/en/nauka/article/105198/view

Актуальность. Киберспорт из любительского увлечения превратился в профессиональный вид спорта с глобальным значением. Эффективность киберспортсменов определяется не только способностями, но и умением анализировать и адаптировать игровое поведение на основе данных, что формирует их модельные характеристики. Моделирование, как ведущий метод спортивной подготовки, направлено на воспроизведение закономерностей деятельности спортсмена для её оптимизации. В киберспорте модельные характеристики отражены в формате цифрового следа (рейтинга) непосредственно в цифровых средах видеоигр. Изучение систематизации алгоритмов составления рейтингов в видеоиграх, являющимися международными киберспортивными дисциплинами, а также модельных характеристик на их основе, является актуальным. Методы. Анализ научной литературы и специализированных Интернет-ресурсов (цифровые следы в 13 видеоиграх), опрос экспертов (n=26) и моделирование. Результаты. В статье представлен обзор научной литературы, посвященной модельным характеристикам в киберспорте, а также дан анализ систем подсчета в видеоиграх, являющихся международными киберспортивными дисциплинами. На основе бесед с экспертами и анализа баз данных цифровых следов в видеоиграх составлены модельные характеристик киберспортсменов. Представлен системный анализ модельных характеристик киберспортсменов, формируемых посредством комплексного исследования цифровых следов, генерируемых в процессе игрового взаимодействия в видеоиграх. Были изучены и структурированы модельные характеристики киберспортсменов разного уровня квалификации в 13 видеоиграх (Dota 2, CS2, League of Legends , Valorant, Standoff 2, Warface, Мир танков (Стальной охотник), Мир танков (7x7 киберспорт), Mobile Legends: Bang Bang, Apex Legends, Fortnite, Rocket League, Tekken 8, FC 24 (спортивный симулятор)) для каждого из этапов спортивной подготовки. Заключение. Модельные характеристики киберспортсменов на основе цифрового следа (рейтинга) в видеоиграх являются ориентиром для моделирования тренировочных нагрузок для каждого из этапов спортивной подготовки. Результаты данного исследования могут стать основой спортивного отбора, как важного элемента спортивной подготовки.

Relevance. Esports has evolved from an amateur hobby into a professional sport of global significance. The effectiveness of esports athletes is determined not only by their abilities but also by their capacity to analyze and adapt gaming behavior based on data, which shapes their model characteristics. Modeling, as a leading method of sports training, is aimed at reproducing the patterns of an athlete’s activity for its optimization. In esports, model characteristics are reflected in the format of a digital footprint (rating) directly within the digital environments of video games. The study of the systematization of rating algorithms in video games that are international esports disciplines, as well as of the model characteristics derived from them, is highly relevant. Methods.Analysis of scientific literature and specialized Internet resources (digital footprints in 13 video games), expert survey (n=26), and modeling. Results. The article presents a review of scientific literature devoted to model characteristics in esports, as well as an analysis of scoring systems in video games that are international esports disciplines. Based on interviews with experts and analysis of digital footprint databases in video games, model characteristics of esports athletes were compiled. A systematic analysis of the model characteristics of esports athletes, formed through a comprehensive study of digital footprints generated in the process of gameplay interaction in video games, is presented. Model characteristics of esports athletes of various qualification levels were studied and structured across 13 video games (Dota 2, CS2, League of Legends, Valorant, Standoff 2, Warface, World of Tanks (Steel Hunter), World of Tanks (7x7 Esports), Mobile Legends: Bang Bang, Apex Legends, Fortnite, Rocket League, Tekken 8, FC 24 (sports simulator)) for each stage of sports training. Conclusion. The model characteristics of esports athletes based on digital footprints (ratings) in video games serve as a reference point for modeling training loads at each stage of sports training. The results of this study can become the foundation for sports selection as an important element of athletic preparation.

 спорт модельные характеристики киберспорт видеоигры спортивная подготовка цифровые следы внутриигровой рейтинг sport model characteristics esports video games sports training digital footprints in-game rating

Скаржинская Е.Н., Береснева В.А. История киберспорта в мире и России: периодизация // Homo Cyberus. – 2025. – № 1-2(18-19). – EDN: juhtlq Skarzhinskaya E.N., Beresneva V.A. History of esports in the world and Russia: periodization. Homo Cyberus, 2025, no. 1-2(18-19). EDN: juhtlq Гребеньков В.С., Залилов М.А. Модельные характеристики участников The International 2021 // Компьютерный спорт: проблемы и перспективы развития : Материалы Всероссийской научно-практической конференции, Москва, 02 декабря 2021 года. – Москва: РГУФКСМиТ, 2021. – С. 29-34. – EDN: higzyx Grebenkov V.S., Zalilov M.A. Model characteristics of The International 2021 participants. *Computer Sports: Problems and Development Prospects: Materials of the All-Russian Scientific and Practical Conference, Moscow, December 02, 2021*. Moscow: RGUFKSMiT, 2021, pp. 29-34. EDN: higzyx Щепотьев А.М. Теоретические основы разработки модельных характеристик киберспортсменов // Прикладные аспекты киберспорта: Материалы I Межрегиональной конференции, Москва, 22 февраля 2019 года. – Москва: РГУФКСМиТ, 2019. – С. 64-67. – EDN: mcbgfq Shchepotyev A.M. Theoretical foundations for the development of model characteristics of esports athletes. Applied Aspects of Esports: Materials of the I Interregional Conference, Moscow, February 22, 2019. Moscow: RGUFKSMiT, 2019, pp. 64-67. EDN: mcbgfq Скаржинский Н.С., Гребеньков В.С., Мартыненко И.В. Модельные характеристики киберспортсменов в дисциплине "Воевая арена" (на примере Dota2) // Физическая культура: воспитание, образование, тренировка. – 2020. – № 5. – С. 31. – EDN: kopztg Skarzhinsky N.S., 2. Grebenkov V.S., Martynenko I.V. Model characteristics of esports athletes in the "Battle Arena" discipline (on the example of Dota2). Physical Culture: Education, Training, 2020, no. 5, p. 31. EDN: kopztg Аржаков Д.О., Бурмистров Д.С. Сравнительный анализ внутриигровых показателей игровой деятельности в боевой арене и тактическом трехмерном бое // Компьютерный спорт (киберспорт): проблемы и перспективы развития : Материалы Всероссийской научно-практической конференции, Москва, 08 декабря 2022 года. – Москва: РУС «ГЦОЛИФК», 2022. – С. 16-19. – EDN: szdtum Arzhakov D.O., Burmistrov D.S. Comparative analysis of in-game performance indicators in battle arena and tactical 3D combat. *Computer Sports (Esports): Problems and Development Prospects: Materials of the All-Russian Scientific and Practical Conference, Moscow, December 08, 2022*. Moscow: RUS "SCOLIPE", 2022, pp. 16-19. EDN: szdtum Ермаков А.В., Скаржинская Е.Н. Анализ больших данных как инструмент оценки профессионализации компьютерного спорта // Теория и практика физической культуры. – 2023. – № 4. – С. 15-17. – EDN: ekwdzm Ermakov A.V., Skarzhinskaya E.N. Big data analysis as a tool for assessing the professionalization of computer sports. Theory and Practice of Physical Culture, 2023, no. 4, pp. 15-17. EDN: ekwdzm Новоселов М.А., Залилов М.А., Скаржинский Н.С. Киберспортивная игра Counter-Strike: Global Offensive как предмет научного исследования // Физическая культура: воспитание, образование, тренировка. – 2019. – № 5. – С. 46. – EDN: trrtkq Novoselov M.A., Zalilov M.A., Skarzhinsky N.S. Esports game Counter-Strike: Global Offensive as a subject of scientific research. Physical Culture: Education, Training, 2019, no. 5, p. 46. EDN: trrtkq Скаржинская Е.Н. Методические подходы к разработке федерального стандарта спортивной подготовки по виду спорта «компьютерный спорт» // Компьютерный спорт (киберспорт): состояние и перспективы развития : Межрегиональная научно-практическая конференции, Москва, 10 декабря 2020 года. – Москва: РГУФКСМиТ, 2020. – С. 161-166. – EDN: jaukgs Skarzhinskaya E.N. Methodological approaches to the development of the federal standard of sports training for the sport "computer sports". Computer Sports (Esports): Status and Development Prospects: Interregional Scientific and Practical Conference, Moscow, December 10, 2020. Moscow: SCOLIPE, 2020, pp. 161-166. EDN: https://www.elibrary.ru/jaukgs Mendoza Torrico G., Bonilla I., Chamarro A., Jimenez M. The defining characteristics of esports players. A systematic review of the samples used in esports research. Aloma Revista de Psicologia Ciències de l’Educació i de l’Esport, 2023, vol. 41, no. 1, pp. 111-120. – DOI: https://doi.org/10.51698/aloma.2023.41.1.111-120 Mendoza Torrico G., Bonilla I., Chamarro A., Jimenez M. The defining characteristics of esports players. A systematic review of the samples used in esports research. Aloma Revista de Psicologia Ciències de l’Educació i de l’Esport, 2023, vol. 41, no. 1, pp. 111-120. DOI: https://doi.org/10.51698/aloma.2023.41.1.111-120 Bahrololloomi F., Sauer S., Klonowski F., Horst R., Dörner R. A Machine Learning based Analysis of e-Sports Player Performances in League of Legends for Winning Prediction based on Player Roles and Performances. Proceedings of the 14th International Conference on Agents and Artificial Intelligence, 2022, pp. 68-76. – DOI: https://doi.org/10.5220/0010895900003124 Bahrololloomi F., Sauer S., Klonowski F., Horst R., Dörner R. A Machine Learning based Analysis of e-Sports Player Performances in League of Legends for Winning Prediction based on Player Roles and Performances. Proceedings of the 14th International Conference on Agents and Artificial Intelligence, 2022, pp. 68-76. DOI: https://doi.org/10.5220/0010895900003124 Urbaniak K., Wątróbski J., Salabun W. Identification of Players Ranking in E-Sport. Applied Sciences, 2020, vol. 10, no. 19, 6768. – DOI: https://doi.org/10.3390/app10196768 Urbaniak K., Wątróbski J., Salabun W. Identification of Players Ranking in E-Sport. Applied Sciences, 2020, vol. 10, no. 19, 6768. DOI: https://doi.org/10.3390/app10196768