Los juegos pueden ser más que solo una forma de entretenimiento. Los espacios de juego pueden usarse para probar rápidamente diferentes ideas de investigación, simular entornos de la vida real, desarrollar personajes no jugables (agentes de juego) que interactúan junto a los jugadores humanos y mucho más. Los agentes de juego se están volviendo cada vez más sofisticados a medida que la colaboración entre agentes de juego y humanos continúa creciendo, y hay una necesidad creciente de comprender mejor el funcionamiento de los jugadores de juegos. Por lo tanto, este trabajo aborda la caracterización digital (DC) de diversos jugadores de juegos basada en los valores de las características del juego encontrados en un espacio de juego, y basada en las acciones recopiladas de las interacciones del jugador con el espacio de juego. Las acciones de alta confianza se extraen de reglas creadas con la minería de reglas de asociación, utilizando algoritmos evolutivos avanzados (por ejemplo, evolución diferencial) en el conjunto de datos de valores de características. Estas acciones de alta confianza se utilizan en el proceso de caracterización, lo que resulta en la descripción de DC de cada jugador. La agenda principal de esta investigación es determinar si las DC logran capturar la esencia del estilo de comportamiento de los jugadores. Los experimentos revelan que las caracterizaciones realmente capturan matices de comportamiento, y abren muchas posibilidades de investigación en los dominios de modelado de jugadores, análisis del comportamiento de diferentes jugadores y creación automática de políticas, que posiblemente puedan ser utilizadas para su aplicación en futuras simulaciones.