Impact of game mode in multi-user serious games for upper limb rehabilitation: a within-person randomized trial on engagement and social involvement
Notice bibliographique
Résumé
BACKGROUND: Serious games have been increasingly used for motor rehabilitation. However, it is not well known how different game features can be used to impact specific skills properly. Here, we study how the mode (competitive, co-active, collaborative) in which a multi-user game is presented impacts engagement and social involvement. METHODS: We collected data from 20 pairs of community-dwelling older adults (71.5 ± 8.7 years) in a study following a within-persons design. The participants performed a two-player upper limb rehabilitation game with three conditions (Competitive, Co-active, and Collaborative modes). Engagement and social involvement were assessed through the Core Module and Social Presence Module, respectively, from the Game Experience Questionnaire. To infer the impact of personality and cognitive function, users answered the International Personality Item Pool (short version) and the Montreal Cognitive Assessment, respectively. RESULTS: Results show that the Collaborative game mode promotes more social involvement when compared to Competitive and Co-active modes. This result is mostly explained by those participants with higher cognitive skills, and those that are more extrovert. Extrovert participants feel more empathy and are behaviorally more involved when playing the Collaborative mode. Also, the Collaborative mode is shown to be appropriate to promote interaction with participants that previously had a distant relationship, while the Competitive mode seems to be more beneficial to promote empathy between players with a closer relationship. CONCLUSIONS: The Collaborative game mode elicited significantly higher social involvement in terms of Empathy, Positive Affect, and Behavioral Involvement. Hence, this game mode seems to be the most adequate choice to be used in multiplayer rehabilitation settings, where social interaction is intended.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».