External Assistance Techniques That Target Core Game Tasks for Balancing Game Difficulty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Game balancing is a time consuming and complex requirement in game design, where game mechanics and other aspect of a game are tweaked to provide the right level of challenge and play experience. One way that game designers help make challenging mechanics easier is through the use of External Assistance Techniques – a set of techniques outside of games’ main mechanics. While External Assistance Techniques are well known to game designers (like providing onscreen guides to help players push the right buttons at the right times), there are no guiding principles for how these can be applied to help balance challenge in games. In this work, we present a design framework that can guide designers in identifying and applying External Assistance Techniques from a range of existing assistance techniques. We provide a first characterization of External Assistance Techniques showing how they can be applied by first identifying a game’s Core Tasks. In games that require skill mechanics, Core Tasks are the basic motor and perceptual unit tasks required to interact with a game, such as aiming at a target or remembering a detail. In this work we analyze 54 games, identifying and organizing 27 External Assistance Techniques into a descriptive framework that connects them to the ten core tasks that they assist. We then demonstrate how designers can use our framework to assist a previously understudied core task in three games. Through an evaluation, we show that the framework is an effective tool for game balancing, and provide commentary on key ways that External Assistance Techniques can affect player experience. Our work provides new directions for research into improving and maturing game balancing practices.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle