Designing a Serious Game (Above Water) for Stigma Reduction Surrounding Mental Health: Semistructured Interview Study With Expert Participants
Notice bibliographique
Résumé
BACKGROUND: Although in many contexts unsuccessful games targeting learning, social interaction, or behavioral change have few downsides, when covering a sensitive domain such as mental health (MH), care must be taken to avoid harm and stigmatization of people who live with MH conditions. As a result, evaluation of the game to identify benefits and risks is crucial in understanding the game's success; however, assessment of these apps is often compared with the nongame control condition, resulting in findings specifically regarding entertainment value and user preferences. Research exploring the design process, integrating field experts, and guidelines for designing a successful serious game for sensitive topics is limited. OBJECTIVE: The aim of this study is to understand which elements of game design can guide a designer when designing a game for sensitive topics. METHODS: To carefully probe the design space of serious games for MH, we present Above Water (AbW), a game targeting the reduction of stigma surrounding MH, now in its second iteration. The game, AbW, serves as a consistent research probe to solicit expert feedback. Experts were recruited from a range of topic domains related to MH and wellness, game design, and user experience. RESULTS: By using this deployment as a research probe, this study demonstrates how to synthesize gained insights from multiple expert perspectives and create actionable guidelines for successful design of serious games targeting sensitive topics. CONCLUSIONS: Our work contributes to a better understanding of how to design specialized games to address sensitive topics. We present a set of guidelines for designing games for sensitive subjects, and for each guideline, we present an example of how to apply the finding to the sample game (AbW). Furthermore, we demonstrate the generalizability to other sensitive topics by providing an additional example of a game that could be designed with the presented guidelines.
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 | 0,012 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».