Evaluating commercial game design decisions via the scientification of games: Asymmetrical task switching errors predict self-reported fun in Ghost Blitz
Notice bibliographique
Résumé
By decomposing the structure, rule set and stimuli of games, it becomes possible to examine the impact of specific choices made by designers and publishers: not the 'gamification of science' but rather the 'scientification of games.' Here, the card game Ghost Blitz was analysed using both commercialized (cartoon illustrations) and a more 'experiment-like' (abstract shapes) format, where each card required players to search according to either the presence (Task A) or absence (Task B) of visual features. Thus, this game can be used to both demonstrate and study the cognitive phenomena of visual search asymmetry and task switching. The commercial format generated more fun and produced faster reaction times than the 'experiment-like' format, demonstrating the importance of surface characteristics. The original version of Ghost Blitz (where Task B was more frequent) was rated as less fun than an inversed version (where Task A was more frequent), highlighting the importance of structural characteristics. This surprising result was explained via multiple regression, where the frequency with which players experience accuracy loss during Task B to Task A switching predicted the reduction in self-reported fun. By meeting people where they are, games allow the public to have increased connection with psychological theory and enable the empirical validation of choices made during commercial game design.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».