Oyun Yazılımı Terapi Programlarını Kişiselleştirebilir

Ortaya çıkan araştırmalar, oyun özelliklerini oyun dışı bağlamlarda kullanan yazılım programlarının, reçete edilen veya önerilen tedavi rejimlerini takip etmek için bireysel motivasyonu artırabileceğini öne sürüyor.

Penn State mühendisleri, kişiselleştirilmiş zihinsel veya fiziksel terapi rejimleri geliştirmek için bilgisayarları eğitmek için makine öğrenimini kullandı - örneğin, anksiyetenin üstesinden gelmek veya bir omuz yaralanmasından kurtulmak için - pek çok kişi özel hazırlanmış bir programı kullanabilir.

Mühendislik tasarım teknolojisinde yardımcı doçent olan Dr. Conrad Tucker, "Her şeye uyan tek bir yaklaşım yerine nihayetinde öğrenmeyi motive eden insan ve takım davranışlarını anlamak istiyoruz" dedi. .

Tucker, "Başkalarını bireysel olarak değerlendirmek için insanları kullanmak, zaman veya insan kaynakları açısından verimli veya sürdürülebilir değildir ve çok sayıda insana ölçeklenemez" dedi.

“Bireysel insanları okumak için bilgisayarları eğitmemiz gerekiyor. Oyunlaştırma, farklı insanların farklı şeyler tarafından motive edildiği fikrini keşfediyor. "

Terapi programları için bilgisayar modelleri oluşturmaya başlamak için araştırmacılar, puanlama, avatarlar, zorluklar ve rekabet gibi oyun özelliklerini dahil ederek fiziksel bir görevin oyunlaştırılmış bir uygulamaya nasıl en etkili şekilde tamamlanacağını test ettiler.

Sanal gerçeklik oyun ortamını kullanarak testlerin yapılmasına yardımcı olan endüstri ve üretim mühendisliği yüksek lisans öğrencisi Christian Lopez, "Burada fiziksel olarak etkileşimli oyunlaştırılmış uygulamalara odaklanarak oyunlaştırmanın sağlık ve zindeliğe nasıl uygulanabileceğini araştırıyoruz," dedi.

Sanal gerçeklik testlerinde araştırmacılar, katılımcılardan sanal ortamda hareket ederken engellerden fiziksel olarak kaçınmalarını istedi. Oyun sistemi, hareket sensörlerini kullanarak gerçek vücut pozisyonlarını kaydetti ve ardından hareketlerini sanal gerçeklikte bir avatarla yansıttı.

Katılımcılar engellerden kaçınmak için eğilmeli, çömelmeli, kollarını kaldırmalı ve zıplamalıydı. Katılımcı, avatarının hiçbir parçası engele dokunmadıysa sanal bir engelden başarıyla kaçtı. Temas kurdularsa, araştırmacılar, avatarın engele ne kadar dokunduğuna göre hatanın ciddiyetini derecelendirdiler.

Uygulama tasarımlarından birinde, katılımcılar sanal paraları toplamak için hareket ederek daha fazla puan kazanabiliyorlardı ve bu da bazen engele çarpmalarına neden oluyordu.

Lopez, "Görev karmaşıklığı arttıkça, katılımcıların aynı sonuçlara ulaşmak için daha fazla motivasyona ihtiyacı var" dedi. “Belirli bir özellik ne kadar ilgi çekici olursa olsun, katılımcıyı teğetsel bir görevde geri adım atmak veya zaman kaybetmek yerine hedefi tamamlamaya doğru hareket ettirmesi gerekir. Daha fazla özellik eklemek, performansı mutlaka artırmaz. "

Tucker ve Lopez, bir olayın sonucunu tahmin etmek için öngörücü bir algoritma oluşturdu. Araç, bir oyun özelliğinin potansiyel kullanışlılığının sıralanmasına yardımcı oldu. Daha sonra, sanal gerçeklik görevlerini tamamlarken her oyun özelliğinin katılımcıları ne kadar iyi motive ettiğini test ettiler.

Test sonuçlarını, kavramın bir kanıtı olarak algoritmanın tahminleriyle karşılaştırdılar ve formülün, fiziksel olarak etkileşimli görevlerde en iyi motive olmuş insanları hangi oyunun içerdiğini doğru bir şekilde tahmin ettiğini buldular.

Araştırmacılar, puanlama sistemi, avatar seçme yeteneği ve oyun içi ödüllerle oyunlaştırılmış uygulamaların, kazan ya da kaybet sistemine, rastgele oyun geçmişine ve performansa dayalı olanlara göre önemli ölçüde daha az hata ve daha yüksek performansa yol açtığını keşfetti. ödüller.

Altmış sekiz katılımcı, yalnızca aynı görevleri tamamlamak için kullanılan özelliklere göre farklılık gösteren iki tasarımı test etti.

Araştırmacılar, Google Play uygulama mağazasındaki en üst sıralarda yer alan oyunlardan test edilen oyun özelliklerini seçti, oyunları ezber bozan ve yeniden oynanabilir yapan özelliklerden yararlanarak seçimi mevcut teknolojiye göre daralttı.

Algoritmaları, oyun özelliklerini tasarımcıların bunları ne kadar kolay uygulayabileceğine, özelliği kullanmanın fiziksel karmaşıklığına ve özelliğin katılımcı motivasyonu ve görevi tamamlama becerisine etkisine göre sıraladı.

Araştırmacılar, bir oyun özelliğinin oyuna dahil edilmesi teknolojik olarak çok zor, fiziksel olarak çok karmaşıksa, ek çaba için yeterli teşvik sunmuyorsa veya oyunun nihai amacına aykırı çalışıyorsa, o özelliğin potansiyel faydasının düşük olduğunu keşfettiler.

Çalışma sonuçları dergide görünür İnsan Davranışında Bilgisayarlar. Araştırmacılar, bulgularının iş yeri performansını artırmaya ve sanal gerçeklik sınıflarını çevrimiçi eğitim için kişiselleştirmeye yardımcı olabileceğine inanıyor.

Tucker, "Oyun kültürü, oyunların onları daha ilgi çekici ve motive edici kılan psikolojik yönlerini zaten araştırmış ve ustalaşmıştır" dedi. "İşyeri performansının kişiselleştirilmiş optimizasyonu hedefine doğru bu bilgilerden yararlanmak istiyoruz."

Bunu yapmak için, Tucker ve Lopez bundan sonra bu oyunlaştırılmış fiziksel görevler sırasında performansı zihinsel durumla ilişkilendirmek istiyor. Kalp atış hızı, elektroensefalogram sinyalleri ve yüz ifadeleri, ruh halini motivasyonu etkileyen oyun özellikleriyle birleştirmek için görevleri tamamlarken ruh hali ve zihinsel durum için vekiller olarak kullanılacaktır.

Kaynak: Penn State