[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-122077-es":3,"doc-seo-122077-110":30,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},122077,687207024478,"Liam","https://ap-avatar.wpscdn.com/davatar_a8503ba1806abce46bf441b54a3ca4cd",41,"Investigación e Informes","Detección de trampas en partidas de ajedrez en línea utilizando clasificadores de Machine Learning","El auge del ajedrez en línea desde 2020, acelerado por la pandemia, ha intensificado la problemática de las trampas en torneos, afectando la integridad y la reputación de los eventos. La investigación desarrolla cuatro modelos de detección basados en clasificadores de Machine Learning, caracterizando el comportamiento de jugadores que hacen trampas mediante partidas entre humanos y computadoras. Se construyen datasets de entrenamiento con Free Internet Chess Server y de validación con partidas propias en Chess.com, incorporando variables de análisis y tiempo sugeridas por estudios previos. El mejor desempeño corresponde a Random Forest, alcanzando altas exactitudes y ampliando el estado del arte en detección de trampas según definiciones regulatorias.","Universidad de Lima Facultad de Ingeniería Carrera de Ingeniería de Sistemas  \nDETECCIÓNDE TRAMPAS EN PARTIDAS DEAJEDREZ EN LÍNEA UTILIZANDO CLASIFICADORES DE MACHINE LEARNING  \nTesis para optar el Título Profesional de Ingeniero de Sistemas  \nRodrigo Ayvar Rios  \nCódigo 20170132  \nAsesor  \nOscar Efrain Ramos Ponce  \nLima – Perú  \nDetección de trampas en partidas de ajedrez en línea utilizando clasificadores de Machine Learning  \nRodrigo Ayvar Ríos  \n[20170132@aloe.ulima.edu.pe](20170132@aloe.ulima.edu.pe)  \nUniversidad de Lima  \nResumen: El ajedrez en línea ha tenido un auge de popularidad desde el año 2020, con el contextode la pandemia. Este auge trae consigo la problemática de las trampas en torneos de ajedrez en línea, las cuales comprometen su integridad y reputación, perjudicando tanto a jugadores como organizadores. Paralelamente, se han utilizado diferentes técnicas de Machine Learning enajedrez, en los ámbitos de clasificación y regresión, principalmente para la predicción de resultados. Sin embargo, existen pocos estudios sobre la detección de trampas en ajedrez, principalmente por la dificultad de acceso a partidas con trampas en línea. Por este motivo, elobjetivo de esta investigación fue desarrollar cuatro modelos de detección de trampas con clasificadores de Machine Learning, utilizando partidas entre humanos y computadoras para caracterizar el comportamiento de jugadores haciendo trampas. Se construyó un dataset de entrenamiento a partir de las partidas de Free Internet Chess Server y un dataset de validación con partidas propias en el sitio web [Chess.com. Adem](Chess.com. Adem)ás, se añadieron variables de análisis y de tiempo, sugeridas por investigaciones previas. El mejor modelo fue Random Forest, que obtuvo exactitudes del 96.534% con partidas del dataset de Free Internet Chess Server y del 96% con partidas [en Chess.com. Esta](en Chess.com. Esta) investigación aporta al estado del arte, proporcionando modelos dedetección de trampas en partidas de ajedrez con una mayor exactitud y alcance que estudios previos, siguiendo la definición de trampas hecha por la entidad reguladora de ajedrez en el mundo.  \nPalabras Clave: Ajedrez, Clasificación, Aprendizaje Supervisado  \nAbstract: Online chess has had a rise in popularity since 2020, with the context of the pandemic. This rise brings with it the problem of cheating in online chess tournaments, which compromises their integrity and reputation, harming both players and organizers. In parallel, different Machine Learning techniques have been used in chess in the classification and regression fields. However, there are few studies on the detection of cheating in chess, mainly due to the difficulty of accessing cheating games online. For this reason, the objective of this research was to develop four cheat detection models with Machine Learning classifiers, using games between humans and computers to characterize the cheaters’ behavior. A dataset was built from the Free Internet Chess Server games and a validation dataset with own games on the [Chess.com](Chess.com) website. In addition, analysis and time variables were added, suggested by previous research. The best model was Random Forest, which obtained accuracies of 96.534% with games from the original dataset and 96% with games on [Chess.com. This](Chess.com. This) research contributes to the state of the art, providing models for detecting cheating in chess games with greater accuracy and reach than previous studies, following the definition of cheating made by the chess regulatory entity in the world.  \nKeywords: Chess, Classification, Supervised learning.  \n1. INTRODUCCIÓN  \nEl ajedrez en línea ha tenido un gran auge en su popularidad en los últimos años: por ejemplo, [chess.com](chess.com), el sitio de ajedrez más popular de internet, casi triplicó su número de usuarios en 2021, con respecto a 2020. Con este aumento de popularidad, los eventos de ajedrez en línea han obtenido más auspiciadores y, por lo ta","cbCaihwMy4cD7tYO","https://ap.wps.com/l/cbCaihwMy4cD7tYO","pdf",865602,1,31,"Spanish","es",110,"# Introducción\n## Auge del ajedrez en línea y riesgos de integridad\n## Definición y ejemplos de trampas\n## Fundamentos de Machine Learning y aplicaciones en ajedrez","[{\"question\":\"Cuál es el objetivo de la investigación sobre ajedrez en línea?\",\"answer\":\"Desarrollar cuatro modelos de detección de trampas usando clasificadores de Machine Learning, para caracterizar el comportamiento de jugadores que hacen trampas a partir de partidas entre humanos y computadoras.\"},{\"question\":\"Cómo se construyen los datasets para entrenar y validar los modelos?\",\"answer\":\"El dataset de entrenamiento se crea con partidas del Free Internet Chess Server, y el dataset de validación se prepara con partidas propias en Chess.com. Además, se añaden variables de análisis y de tiempo sugeridas por investigaciones previas.\"},{\"question\":\"Qué modelo obtiene el mejor rendimiento y con qué resultados?\",\"answer\":\"El mejor modelo es Random Forest, con exactitudes de 96.534% en el dataset de Free Internet Chess Server y de 96% en partidas de Chess.com.\"}]","Detección de trampas en partidas de ajedrez en línea utilizando clasificadores de Machine Learning | PDF",1785808713,48,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"cheating-detection-in-online-chess-games-using-machine-learning-classifiers","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/es/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/es/document/cheating-detection-in-online-chess-games-using-machine-learning-classifiers/122077/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-08","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Cuál es el objetivo de la investigación sobre ajedrez en línea?","Question",{"text":76,"@type":77},"Desarrollar cuatro modelos de detección de trampas usando clasificadores de Machine Learning, para caracterizar el comportamiento de jugadores que hacen trampas a partir de partidas entre humanos y computadoras.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Cómo se construyen los datasets para entrenar y validar los modelos?",{"text":81,"@type":77},"El dataset de entrenamiento se crea con partidas del Free Internet Chess Server, y el dataset de validación se prepara con partidas propias en Chess.com. Además, se añaden variables de análisis y de tiempo sugeridas por investigaciones previas.",{"name":83,"@type":74,"acceptedAnswer":84},"Qué modelo obtiene el mejor rendimiento y con qué resultados?",{"text":85,"@type":77},"El mejor modelo es Random Forest, con exactitudes de 96.534% en el dataset de Free Internet Chess Server y de 96% en partidas de Chess.com.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":46,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":46,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]