Lernen Iron- und Diamond-Spieler Champions anders? Wir haben 7,8 Mio.+ Datenpunkte aus 1,2 Mio.+ Spielen analysiert, um zu sehen, wie sich Mastery-Cap und Lernkosten von Iron bis Master+ verändern.
Datensatz
Wir haben zwei Datenquellen kombiniert: die neue Tier-für-Tier-Analyse von Iron bis Diamond aus mastery-angereicherten Spiel-Blobs und den ursprünglichen Master+-Datensatz mit 530K Spielen aus der ersten Crawl-Ära. Damit decken wir alle 8 Ranggruppen komplett ab.
| Rang | Spiele | Median-Cap | Durchschnittskosten |
|---|---|---|---|
| Eisen | 66.893 | 6 | -10.5% |
| Bronze | 46.816 | 6 | -10.7% |
| Silber | 57.697 | 6 | -10.0% |
| Gold | 285.392 | 6 | -8.5% |
| Platin | 141.506 | 6 | -8.7% |
| Smaragd | 82.456 | 6 | -9.6% |
| Diamant | 14.032 | 6 | -16.6% |
| Meister+ | 530.540 | 6 | -12.3% |
Methodik
Mastery-Kurve: Für jedes Paar aus Champion und Tier berechnen wir die Siegesrate auf jeder Mastery-Stufe von 1 bis 40+ und bündeln sie dann in 2-Level-Gruppen (1-2, 3-4, 5-6 usw.) für mehr statistische Power. Monotone Glättung sorgt dafür, dass die Kurve nie abfällt.
Mastery-Cap (Spearman): Wir nutzen Spearman-Rangkorrelation mit einem Sliding Window, um die Mastery-Stufe zu finden, ab der Siegesrate nicht mehr mit Erfahrung korreliert. Für jeden möglichen Cutoff testen wir, ob die Datenpunkte darüber noch einen signifikanten positiven Trend zeigen (p < 0.05, rho > 0.1). Der Cap liegt dort, wo die Korrelation verschwindet.
Lernkosten: Misst die win-rate-Strafe, wenn du einen Champion unter deinem Mastery-Cap spielst. Berechnet als (low_mastery_WR - plateau_WR) x 100. Kosten von -8% bedeuten: First-Timer verlieren 8 Prozentpunkte Siegesrate gegenüber erfahrenen Spielern auf demselben Champion.
Mindestgrößen der Stichprobe: Auf Basis der binomialen CI-Breitenanalyse verlangen wir 267+ Spiele pro Mastery-Bucket für +/-3pp Präzision (95% CI) und 385+ Spiele pro Gruppe, um einen 5pp WR-Unterschied mit 80% Power zu erkennen. Champions mit weniger als 200 Gesamtspielen in einem Tier werden ausgeschlossen.
Erkenntnis 1: Mastery-Cap schrumpft bei hoher Elo
Der mediane Mastery-Cap liegt über alle Tiers hinweg bei 6, aber die Varianz sinkt in höherer Elo deutlich. In Iron verbessern sich manche Champions bis Mastery 26. In Diamond und Master+ liegt das Plateau praktisch aller Champions bei Mastery 6.
In diesem Datensatz erreichten die Mastery-Kurven höherer Ränge ihr geschätztes Plateau früher. Der Unterschied war statistisch signifikant: Der Mann-Whitney-U-Test zwischen Low (Iron/Bronze/Silver) und High (Diamond/Master+) ergab p = 0.0005.
Getrieben wird das allerdings von ~35 komplexen Champions. 80% der Champions erreichen unabhängig vom Rang bei Mastery 6 ihr Plateau.
Erkenntnis 2: Lernkosten bleiben über Ränge hinweg stabil
Überraschend: Die Lernkosten sind über alle Tiers hinweg bemerkenswert konstant und liegen im Median bei etwa -8%. Iron-Spieler zahlen beim First-Timen eines Champions ungefähr dieselbe win-rate-Strafe wie Diamond-Spieler.
Mann-Whitney-U-Tests zeigen keinen signifikanten Unterschied zwischen Tier-Gruppen (p = 0.06 bis 0.18). Die Spearman-Korrelation zwischen Ranghöhe und Kosten ist schwach (rho = 0.11), auch wenn sie wegen der großen Stichprobe technisch signifikant ist (p = 0.0001).
Champions mit den größten rangabhängigen Mastery-Kurven
Einige Champions zeigten je nach Rang sehr unterschiedliche geschätzte Plateaus. Viego lag in Iron bei Level 26 und in Diamond bei 6, also 20 Level auseinander. Allgemeines Spielverständnis könnte einen Teil dieser Verdichtung erklären; die Ursache wurde in dieser Analyse jedoch nicht isoliert.
Erkenntnis 3: Assassinen und Kämpfer haben die höchsten Skill Ceilings
Die Champion-Klasse ist ein statistisch signifikanter Prädiktor für den Mastery-Cap (Kruskal-Wallis p = 0.01). Assassinen (31% mit Cap über 8) und Kämpfer (26%) brauchen am längsten zum Meistern, während Tanks fast sofort ihr Plateau erreichen (4%).
Überraschend: Die Lernkosten sind über Klassen hinweg einheitlich (-7.5% bis -9.9%). Der Unterschied liegt nicht darin, wie viel du beim Lernen verlierst, sondern wie lange es dauert, bis du nicht mehr verlierst.
Rolle (Top, Mitte, Dschungel usw.) ist KEIN signifikanter Prädiktor (p = 0.39). Mid Lane wirkt nur deshalb am höchsten, weil sie die meisten Assassinen und Magier enthält.
Mastery-Cap nach Champion-Klasse (Gold)
| Klasse | Champion-Anzahl | Median-Cap | % mit Cap > 8 | Median-Kosten |
|---|---|---|---|---|
| Assassin | 16 | 6 | 31% | -9.9% |
| Fighter | 50 | 6 | 26% | -8.7% |
| Marksman | 28 | 6 | 25% | -7.8% |
| Mage | 36 | 6 | 19% | -7.5% |
| Support | 18 | 6 | 11% | -7.6% |
| Tank | 24 | 6 | 4% | -8.7% |
One-Trick-Potenzial: Champions, die Mastery weiter belohnen
Ein echter OTP-Champion braucht beides: einen hohen Mastery-Cap, also Verbesserung über Mastery 10 hinaus, UND einen relevanten WR-Gewinn von mehr als 10 Prozentpunkten auf diesem Weg. Markierte Zellen zeigen, wo das OTP-Signal je Tier existiert.
Jede Zelle zeigt Mastery-Cap / WR-Gewinn vom unerfahrenen Spiel bis zum Plateau. Markierte Zellen kennzeichnen das OTP-Signal (Cap > 10 und Gewinn > 10pp).
Datenqualität und Grenzen
Bootstrap-Stabilität: Der Spearman-Mastery-Cap ist von Natur aus schwankungsanfällig. Selbst bei beliebten Champions mit 50K+ Spielen in einem einzelnen Tier zeigt Bootstrap-Resampling teils breite 95%-Konfidenzintervalle ([6, 20]). Das ist eine Grenze der Methodik, kein Datenproblem.
Diamond-Daten: Mit 140K Gesamtspielen und 50 Champions über 1K Spiele stützen die Diamond-Daten die Lernkostenanalyse, haben aber begrenzte Power, um nicht triviale Mastery-Caps zu erkennen.
Master+-Daten: Stammen aus der ursprünglichen Analyse mit 530K Spielen, überwiegend Master/GM/Challenger, und liefern dichte Level-Daten mit bis zu 150 Mastery-Stufen pro Champion.
Plausibilität der Siegesraten: Die Gesamt-Siegesraten über alle Tiers liegen bei 49,6-49,9% und bestätigen damit die interne Konsistenz der Daten.