MétaCan
Menu
Retour à la cohorte
Enregistrement W4205951645 · doi:10.2196/29179

Effects of Game Mode in Multiplayer Video Games on Intergenerational Social Interaction: Randomized Field Study

2021· article· en· W4205951645 sur OpenAlexvenueno aff
Carmen Zahn, David Leisner, Mario Niederhauser, Anna‐Lena Roos, Tabea Iseli, Marco Soldati

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySocial relationVideo gameSocial facilitationNonverbal communicationSocial psychologyGame playMode (computer interface)Field (mathematics)Developmental psychologyMultimediaComputer scienceHuman–computer interactionMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Maintaining social relationships is a basic human need and particularly essential in old age, including when living in a retirement home. Multiplayer video games can promote positive social interactions among players from different generations while playing. Yet, such facilitation of positive social interactions depends on specific game design. To systematically investigate the effects of game design on social interaction between seniors and their coplayers, the game Myosotis FoodPlanet was developed in this study, and the impacts of 3 different game modes on social interaction were compared in a controlled field trial. OBJECTIVE: This study aims to compare the effects of 3 different game modes (competitive, cooperative, and creative) on social interactions (verbal and nonverbal communication) between seniors and their younger coplayers. METHODS: This study was conducted in a Swiss retirement home as a controlled field trial. Participants were residents of the retirement home (N=10; mean age 84.8 years, SD 5.9 years) and played in pairs with their caregivers. Each pair played 3 game modes in random order. This resulted in 30 game sequences of 20 minutes each. A within-subject design was applied with game mode as the within-factor and social interaction as the outcome variable. To assess the quality of social interaction, 30 video-recorded game sequences were analyzed based on an event sampling method. RESULTS: Analysis of variance for repeated measurements revealed significant effects: there was significantly more verbal communication in the creative mode than in the cooperative mode (P=.04) with a strong effect size (Cohen f=0.611). An examination of verbal communication revealed more game-related communication in the creative mode than in the cooperative mode (P=.01) and the competitive mode (P=.09) with marginally significant effects and strong effect sizes (Cohen f=0.841). In addition, significantly more biography-related communication occurred in the creative mode than in the cooperative mode (P=.03), with a strong effect size (r=0.707). Regarding nonverbal communication (eg, laughing together), analysis of variance for repeated measurements showed significant differences among the game modes (P=.02) with a strong effect size (Cohen f=0.758). Results showed that there was significantly more laughing together in the competitive mode (competitive>cooperative>creative). CONCLUSIONS: The results show that game mode can be an important factor for shaping the social interactions of players playing together. Compared with other modes, creative game modes can increase verbal communication. In contrast, competitive modes may stimulate more laughing together. This has important implications for game design and the use of computer games to promote social interaction between seniors and their coplayers in practice.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,447
Écart entre enseignants0,405 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTechnology Use by Older AdultsTravaux en français237 207