Player Matching using Personal Characteristics for Asynchronous Multiplayer Exergames
Notice bibliographique
Résumé
Participation in regular exercise can help with maintaining good health.However, exercise interventions, including those that are game based, while successful at capturing initial interest, usually suffer from retention as adherence declines overtime.To maintain continued interest, recent efforts are exploring the effects of gradual release of game features, tailoring gamified systems to personality, and matchmaking for multiplayer games.To encourage a better workout, asynchronous experiences, where the gameplay and exercise occur at separate times, are also being designed and investigated.The experience of fun and social affiliation are good predictors of long-term intention to play, yet current player matching algorithms are poor at facilitating and utilizing social connectedness and grouping based on compatible characteristics.Grounded in psychological and sociological theories, we propose player matching based on personal characteristics as an attempt to create a more socially satisfying playing experience and address the retention problem.We start by exploring the effectiveness of pairing players based on personality types and simple game features such as competitive and cooperative team challenges.The results of our 60-day study show that grouping players based on similar personalities seems to increase the level of game engagement and retention compared to dissimilar ones.Using a storyboard approach, we further examined the effects of matching based on player types and various social features on increasing exergame retention.We found strong relationships between social game elements and player types.Correlational analyses demonstrated that the gamification element of "lottery", unlockable content, and "update and encouragement" was strongly related to the "Achiever" player type, while "virtual character", "custom goal" and "leaderboard" elements were most strongly related to both "Philanthropist" and "Socialiser" player types.We believe game designers can use these results and improve game and exercise adherence by offering more socially rewarding interactions between players through personalized features.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».