Gamification and motivation: Impact on delay discounting performance
Notice bibliographique
Résumé
Delay discounting is a phenomenon strongly associated with impulsivity. However, in order for a measured discounting rate in an experiment to meaningfully generalize to choices made elsewhere in life, participants must provide thoughtful, engaged answers during the assessment. Classic discounting tasks may not optimize intrinsic motivation or enjoyment, and a participant who is disengaged from the task is likely to behave in a way that provides a biased estimate of their discounting function. We assessed degree of delay discounting in a task intended to vary level of participant motivation. This was accomplished by introducing varying levels of gamification, the application of game design principles to a non-game context. Experiment 1 compared three versions of the delay discounting task with differing degrees of gamification and compared performance and task enjoyment across those variations, while Experiment 2 used two conditions (one gamified, one not). Participants found more gamified versions of the task more enjoyable than the other conditions, without producing substantial between-group differences in most cases. Thus, more polished task gameplay can provide a more enjoyable experience for participants without undermining delay discounting effects commonly reported in the literature. We also found that in all experimental conditions, higher levels of interest in or enjoyment of the task tended to be associated with more rapid discounting. This may suggest that low task motivation may result in less impulsive choice and suggests that participants who find delay discounting experiments sufficiently boring may bias assessments of value across delays.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».