Optimal Sequencing in Single-Player Games
Notice bibliographique
Résumé
An important problem in single-player video game design is how to sequence game elements within a level (or “chunk”) of the game. Each element has two critical features: a reward (e.g., earning an item or being able to watch a cinematic) and a degree of difficulty (e.g., how much energy or focus is needed to interact with the game element). The latter property is a distinctive feature in video games. Unlike passive services (like a trip to the spa) or passive entertainment (like watching sports or movies), video games often require concerted effort to consume. We study how to sequence game elements to maximize overall experienced utility subject to the dynamics of adaptation to rewards and difficulty and memory decay. We find that the optimal design depends on the relationship between rewards and difficulty, leading to qualitatively different designs. For example, when the proportion of reward-to-difficulty is high, the optimal design mimics that of more passive experiences. By contrast, the optimal design of games with low reward-to-difficulty ratios resembles work-out routines with “warm-ups” and “cool-downs.” Intermediate cases may follow the classical “mini-boss, end-boss” design where difficulty has two peaks. Numerical results reveal optimal designs with “waves” of reward and difficulty with multiple peaks. Level designs with multiple peaks of difficulty are ubiquitous in video games. In summary, this paper provides practical guidance to game designers on how to match the design of single-player games to the relationship between reward and difficulty inherent in their game’s mechanics. Our model also has implications for other interactive services that share similarities with games, such as summer camps for children. This paper was accepted by Jeannette Song, operations management. Funding: This work was supported by the National Natural Science Foundation of China [Project 72201210] and Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2020-06488]. Supplemental Material: The data files and online appendices are available at https://doi.org/10.1287/mnsc.2022.4665 .
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».