The emotional impact of interactive cutscene animation on players' empathy - centered on 『The Witcher 3: Wild Hunt』
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study explores the effects of interactive cut-scene animation on emotions by stimulating player empathy as an example in The Witcher 3: Wild Hunt. The interactive element in the game provides a unique experience in which the story changes depending on the player's decision, which maximizes the player's emotional immersion. This study analyzed the different effects of interactive and non-interactive cut-scene animations on players' empathy and emotional response through randomized controlled experiments. The subjects were randomly assigned to a control group watching non-interactive cut-scene animations and an experimental group participating in interactive cut-scene animations. The emotional state and level of empathy before and after the experiment were evaluated with a questionnaire using the Toronto Empathy Questionnaire (TEQ) and Positive and Negative Affect Schedule (PANAS) scales. The results showed that the interactive cut-scene animation significantly increased the player's level of empathy and positive emotional experience compared to the non-interactive cut-scene animation. These results suggest that the interactive elements in game design play an important role in promoting empathy and immersion. The experiment also confirmed that increased empathy was associated with higher positive emotions, proving that interactivity was effective in strengthening the game emotional experience. This study provides game developers and designers with the basis for designing a more immersive game experience by carefully considering the emotional reactions of players.
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.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 découle