 |
現在はModel AIで働きつつデンマークの芸術大学で助教授も務めるというAlessandro Canossa氏は，かつてUbisoftで顧客のユーザー体験に関するデータリサーチに携わっていたという。
氏は最初にモチベーションとは何かを定義した。それは基本的な心理的欲求であり，自己決定理論（SDT）に基づくものだった。SDTは3つの柱，すなわち自律性（Autonomy），能力（Competency），関係性（Relatedness）を持っており，自律性は意欲に関わるもので適切な判断につながる。プレイヤーにとっては自分がアクションをコントロールしているように感じられるという。能力は，成長中は自己効力感（ちゃんとやれるという認識）に通ずるものであり，達成時の報酬と全体の見通しが必要となる。関係性はゲーム内の他人に認められることであり，NPCやほかのプレイヤーとの交流や支援，対立によって育まれ，ゲーム世界への帰属感につながってくる。
UbisoftはUPEQという認知体験質問票を開発したという。これはSDT理論に基づくもので，基本的な心理欲求やプレイヤーのモチベーションを評価するものだ。
 |
モチベーションの3つの柱に基づき，Ubisoftは，自律性に関してはプレイスタイルと主体性という2つの構造を作り上げている。プレイスタイルとは，主体性が選択に影響する場合の自由度を与えることだそうだ。能力は，成長や進化複雑性の増加，業績とフィードバックの観点から見た習熟度である。関係性は親密さであり，他人と一緒にいることや相互依存性となる。
UPAQは外発的動機と内発的動機の違いといったSDT理論に基づくものだ。
ゲームには明示的なプレッシャーや報酬を与えるといった外発的動機を誘発する要素があり，それらは内発的動機をサポートしている。
さらに氏はSTDの3つの柱に加えてプレゼンスを加えていた。これは能力と自律性を調停するものだという。
 |
UPEQは21項目の質問からスコアを算出する。自律性に関しては6項目で，「どう遊ぶのかを自由に決められた」「プレイ中に重要な決定をした」といったものから，「自分の行動がゲームに影響を与えた」といったものまで取り揃えられている。能力に関する6項目では「時間が経つにつれてプレイがうまくなった」（※スライドで示されているのは「With time,」だが，口頭では「Within time,」つまり時間内でうまくなったとされていた），「うまくプレイできて自分が有能であると感じられた」「練習でゲームが熟練していった」などがある。関係性の項目は最も多く「一緒にプレイした人たちが好きだ」「ほかのプレイヤーが私に親切にしてくれた」といったものから「キャラクターがどうなるのか気になった」といったものまである。
 |
 |
 |
第4の構成要素であるプレゼンスは，3つの事実で展開されている。まず，感情的プレゼンスはキャラクターやゲーム内のイベントをリアルに感じさせてくれる。ナラティブプレゼンスは，ファンタジー世界に一貫性を与えてくれる。物理的プレゼンスは，ゲーム中に別の場所に行ったかのような感覚を与えてくれる。
UPAQはプレイヤーのモチベーションを測るためのものだが，ほかのゲームとの比較でも利用できるという。提示された図は人気ゲームの評価を示したものだが，プレイスタイルつまり選択肢の自由度では明らかにAssassin's CreedやRed Dead Redenptionが上位にあり，習熟度では，God of WarやAssassin's Creedが上位だ。プレイスタイルの下位にはDestiny 2やGod of War，習熟度の下位にはCrew 2やFortniteが並ぶ。God Of War は自律性の下位にあるが，選択肢の少なさなどによるものである。しかしフィードバックや業績などの習熟度ではトップクラスにある。本来の使い方ではないが，UPAQでユーザーの主観統計を取ることは，このような方向でも利用可能だと氏は語っていた。
 |
このような前置きをして，氏は今回ここにきたのはTom Crancy's: Divisionでの話をするためだと語った。Divisionでは2種類の調査を行ったという。片方は443人のプレイヤーにUPAQのデータを取ったうえでゲーム内での行動を調べている。もう片方は単にゲーム内の行動のみを取ったものだが，対象は6万人と膨大だ。プレイ時間や達成の状況，死亡回数などの30項目をもとにして，プレイスタイルを4種類に分類している。
 |
すなわち，ストーリーを楽しむAdventurer，最高の成績を残したElite，PvE All Roundersは物事を楽しむことに興味のある層で，PvP Dark Zoneは対人戦に興味のある層だ。
で，なにをしたいのかというと，ゲーム内の行動から，UPAQで示されるユーザー調査の結果を予測しようというのだ。ゲーム要素などでの行動データをPyPLTというツールボックスに入れ，線形補間とRBF（放射基底関数）補間の両方で予測したグラフ，そしてUPAQの実際のデータを比較している。
 |
 |
最初に出てきた予測は，データとしてプレイスタイルだけを入力したもので，どちらの補間を使っても柱となる3要素＋プレゼンスの精度は50％をわずかに超えるくらいという，あてにならないものだった。代わりにゲームプレイ要素として先述の30種のゲーム内要素を使った場合，精度は有意に上がり，RBF補間では80％近いものとなっていた。さらにゲームプレイ要素とプレイスタイルを組み合わせると，精度は80％になったという。グラフでは示されていないのだが，最終的に，能力で89〜94％，自律性で84〜94％，関連性で83〜92％，プレゼンスで84〜93％の精度に達したという。
 |
 |
最後にこれら4つの軸のモチベーションがゲームプレイとどのような相関を見せるかがまとめられていた。能力の点でモチベーションが高い人はプレイ時間が長く，着実な成長を見せる半面，初期コンテンツの消費速度が速い。自律性にモチベーションを抱く人は達成率や成長率が高く，初期のPvPでも優位になる。またDLCのプレイ率も高い。関連性にモチベーションを持つ人は，ソーシャルな活動が活発になる。プレゼンスに関しては，まだゲームプレイとの相関性は見つかっていないとのことだ。
 |
このように，ゲーム内の行動を計測することでプレイヤーのモチベーションは予測可能である。Divisionのプレイヤー数は2000万人に達しており，全員にアンケート調査をすることは不可能といえる。しかし，現在では平均94％の精度でモチベーションを予測可能になったという。そしてこの手法は，ゲーム内の他の要素に対しても適用可能なものであり，Canossa氏は現在，中毒性や消費行動，メンターシップやリーダーシップに関する研究を行っているという。
講演タイトルからして，どうすればモチベーションを構築できるのかという内容かと思っていたのだが，モチベーションを測定，そして推定する手法の解説だった。実態のつかみにくいモチベーションというものをSDT理論で要素化して，ユーザーの満足度から数値化，さらにゲーム内の行動からその数値の予測という新しい手法を見せてくれた。非常に興味深い研究といえるだろう。
"どのように" - Google ニュース
August 05, 2020 at 01:40PM
https://ift.tt/31nFKy7
［GDC Summer］プレイヤーのモチベーションはどのように計測し，予測できるのか - GamesIndustry.biz Japan Edition
"どのように" - Google ニュース
https://ift.tt/39CBPzR
Shoes Man Tutorial
Pos News Update
Meme Update
Korean Entertainment News
Japan News Update
Bagikan Berita Ini
0 Response to "［GDC Summer］プレイヤーのモチベーションはどのように計測し，予測できるのか - GamesIndustry.biz Japan Edition"
Post a Comment