خلاصه

بازی‌های مبتنی بر مکان در سال‌های اخیر محبوب شده‌اند و Pokémon Go و Ingress دو نمونه بسیار برجسته هستند. برخی از بازی‌های مبتنی بر مکان، معروف به بازی‌های جدی، فراتر از سرگرمی هستند و اهداف دیگری مانند جمع‌آوری داده‌ها را انجام می‌دهند. چنین بازی هایی نیز در زمینه OpenStreetMap یافت می شوند و به طرز بازیگوشی پایگاه جغرافیایی پروژه را غنی می کنند. به عنوان مثال می توان به Kort و StreetComplete اشاره کرد. این مقاله به بررسی نقش سیستم‌های امتیازدهی با ساختار مکانی به عنوان یک عنصر انگیزشی می‌پردازد. این تجزیه و تحلیل می شود که چگونه ساختار فضایی در سیستم های امتیازدهی با تغییرات مشاهده شده در رفتار بازی در ارتباط است. برای این منظور، مطالعه ما شامل دو گروه از آزمودنی‌هایی بود که یک بازی اصلاح‌شده بر اساس StreetComplete را انجام دادنددر یک محیط شهری واقعی یک گروه بازی را با سیستم امتیازدهی به صورت مکانی و گروه دیگر با سیستم امتیازدهی تصادفی مکانی انجام دادند. ما شاخص های مختلف را ارزیابی کردیم و مسیرهای GPS بازیکنان را تجزیه و تحلیل کردیم. علاوه بر این، بازیکنان پرسشنامه‌هایی را پر کردند تا بررسی کنند که آیا از سیستم امتیازدهی خود آگاه شده‌اند یا خیر. نتایج به‌دست‌آمده نشان می‌دهد که بازیکنانی که با سیستم امتیازدهی ساختار فضایی مواجه می‌شوند، به احتمال زیاد در مناطقی با امتیازات بالا قرار دارند، زمان بازی طولانی‌تری دارند، مسافت‌های طولانی‌تری را پیاده‌روی می‌کنند و تمایل بیشتری به انحراف دارند. علاوه بر این، اختلافات بین درک یک سیستم ممکن در سیستم امتیازدهی و اقدامات مربوطه آشکار شد. نتایج برای طراحی بازی آموزنده است،

کلید واژه ها:

بازی های مبتنی بر مکان ؛ بازی های جدی ; ژئوگیمز ; بازی های شهری ; الگوی فضایی ؛ سیستم های امتیازدهی ؛ نقشه خیابان باز

1. معرفی

استقرار همه جانبه دستگاه های تلفن همراه مانند تلفن های هوشمند مجهز به فناوری موقعیت یابی، گسترش بازی های مبتنی بر مکان را ممکن کرده است. نمونه‌های معروف عبارتند از Pokémon Go و Ingress که حوزه فیزیکی و دیجیتال را از طریق واقعیت افزوده و تجربه در فضاهای دنیای واقعی با هم ترکیب می‌کنند. بازی‌های مبتنی بر مکان، علاقه به تحقیقات دانشگاهی در زمینه‌های مختلف، مانند جغرافیا [ 1 ، 2 ، 3 ] و تعامل انسان و رایانه [ 4 ، 5 ، 6 ] را برانگیخته است. بنابراین محققان از بازی‌های دیجیتال برای بررسی طیف وسیعی از مکانیسم‌های پیچیده، از جمله اشتراک دانش استفاده می‌کنند [ 7]، همکاری اجتماعی [ 8 ] و فرآیندهای مذاکره در حوزه دیجیتال [ 9 ]. بنابراین، بازی‌ها نه تنها ابزارهای دنیوی سرگرمی هستند، بلکه راه‌هایی را برای دستیابی به بینش‌های مهمی در مورد جنبه‌های رفتاری، اجتماعی و فرهنگی که فراتر از زمینه بازی مرتبط هستند، ارائه می‌دهند.
برخی از بازی‌ها فراتر از سرگرمی صرف می‌شوند تا اهداف بیشتری را دنبال کنند. این اهداف می توانند مانند یادگیری زبان [ 10 ، 11 ، 12 ]، آموزش زیست محیطی و پایداری [ 13 ، 14 ، 15 ] و مشارکت عمومی آنلاین [ 16 ، 17 ، 18 ] متنوع باشند. از این نوع بازی‌ها به عنوان «بازی‌های جدی» [ 5 و 19 ] یاد می‌شود، و چیزی که آنها را در زمینه تحقیقاتی و به‌ویژه برای علم GIS جالب می‌کند، توانایی آن‌ها در جذب و شامل کردن شهروندان عادی در فعالیت‌های مرتبط با تحقیق است. نرم افزار Geographبرای مثال، امکان آپلود عکس‌هایی را فراهم می‌کند که در نظر گرفته شده است تا انعکاسی از مناظر جزایر بریتانیا ارائه دهد. این عکس ها در یک شبکه کیلومتر مربع جمع آوری شده اند. چیزی که Geograph را از سایر سرویس‌های اشتراک‌گذاری عکس آنلاین مانند Flickr متمایز می‌کند این است که کاربران برای مشارکت در عکس‌هایی از سلول‌های شبکه‌ای که قبلاً نمونه‌برداری نشده‌اند پاداش دریافت می‌کنند . بنابراین عنصر بازی پاداش به کنترل الگوهای مشارکت فردی اجازه می دهد که ممکن است کاملاً متفاوت باشد و در غیر این صورت به سمت مناطق شهری گرایش پیدا کند [ 21 , 22]. به این ترتیب، می توان به پوشش بهتری از قلمرو کلی دست یافت و توصیف نماینده تری از جغرافیای محلی به دست آورد. از این رو، استفاده از یک سیستم پاداش، اشتراک‌گذاری عکس را بازی‌سازی می‌کند، و آن را به یک فعالیت سرگرم کننده برای اوقات فراغت برای کاربران و یک پلت فرم جمع‌آوری داده مفید برای تحقیقات دانشگاهی و سایر اهداف حرفه‌ای تبدیل می‌کند.
بازی‌های جدی مبتنی بر مکان نیز در اکوسیستم OpenStreetMap (OSM) یافت می‌شوند. پروژه OSM به داوطلبان این امکان را می دهد که یک مجموعه داده جغرافیایی جهانی را با نقشه برداری از ویژگی ها مطابق با یک جامعه مردمی از پایین به بالا و پویا ایجاد و نگهداری کنند [ 23 ]. برنامه‌هایی مانند Kort و StreetComplete بازی‌های جدی مبتنی بر مکان هستند که برای جمع‌آوری داده‌های جدید و مدیریت پایگاه داده موجود OSM استفاده می‌شوند. به این ترتیب، بازی‌های جدی به جمع‌آوری اطلاعات جغرافیایی داوطلبانه (VGI) کمک می‌کنند، پارادایم‌ای که سهم افراد غیرحرفه‌ای را در دانش جغرافیایی و درباره جهان توصیف می‌کند [ 24 ].]. یکی از جنبه های مهم در این زمینه، مسائل بالقوه کیفیت داده است. از یک طرف، بسیاری از مشارکت کنندگان در OSM غیرحرفه ای هستند به این معنا که به عنوان نقشه کش آموزش ندیده اند. این استدلال نشان می دهد که کیفیت داده های ارائه شده ممکن است به خطر بیفتد. با این حال، از سوی دیگر، مشارکت‌کنندگان را می‌توان به‌خوبی کارشناسان محل سکونت و مناطق محل سکونت خود در نظر گرفت. از نظر قانون لینوس، این استدلال اخیر منجر به بهبود احتمالی در کیفیت داده ها می شود، زیرا داشتن بسیاری از مشارکت کنندگان محلی آگاه، اصلاح ناسازگاری ها و خطاهای داده را تسهیل می کند [ 25 ]. بازی های جدی مبتنی بر مکان بر جنبه دوم تأکید دارند و برای فعال کردن دانش محلی به شیوه ای هدفمند استفاده می شوند.
بازی‌های جدی مبتنی بر مکان باعث ایجاد سؤالاتی در مورد تأثیرات مکانی بر انگیزه بازیکنان می‌شوند. به خوبی شناخته شده است که مناطق شهری به طور کامل در OSM نسبت به مناطق روستایی، یا به طور کلی، کمتر محبوب نشان داده شده است [ 26 ، 27 ]. به همین ترتیب، مناطق شهری اغلب از نظر داخلی ناهمگن هستند، زیرا برخی از مکان‌ها، مانند مناطق محبوب یا توریستی، با سطح بیشتری از جزئیات نقشه‌برداری می‌شوند [ 20 ، 28 ]. یکی از دلایل این تأثیرات این است که مشارکت کنندگان تمایل دارند مناطقی را ترسیم کنند که برای آنها علاقه ذهنی خاصی دارد. چنین مکان هایی به اصطلاح حیوانات خانگی مناطقی هستند که بخشی از فضاهای فعالیت روزانه مشارکت کنندگان OSM را تشکیل می دهند [ 29 ]]. بنابراین، مکان‌های حیوانات خانگی بیشتر احتمال دارد که غرور مکانی را برانگیزند [ 30 ] و در نتیجه مشارکت‌کنندگان را تشویق می‌کنند تا آنها را در نقشه OSM ارائه‌شده (یا حداقل در پایگاه داده) نشان دهند. این جنبه‌های انگیزشی که بیان شد هم ماهیت جغرافیایی دارند و هم با بازیگوشی و گیمیفیکیشن مرتبط هستند. نابرابری های فضایی ذکر شده ناهمگونی فضایی را در الگوهای مشارکت داده ها توصیف می کند. به طور خاص، تفاوت های درون شهری به تغییرات در درجه ای که مناطق مختلف جغرافیایی نقشه برداری را تشویق می کنند، مربوط می شود. علاوه بر این، با توجه به اینکه نقشه برداری OSM یک فعالیت تفریحی است، غرور از مکان می تواند به عنوان انگیزه ای برای رقابت با ویژگی های نقشه برداری شده دیگران در نظر گرفته شود. استدلال های مشابهی در ادبیات مربوط به بازی های جدی مبتنی بر مکان یافت می شود. جنبه هایی مانند اکتشاف جغرافیایی [31 ، 32 ] و موفقیت در یافتن مختصات خاص به عنوان عوامل انگیزشی فضایی مهم توصیف شده است. بنابراین عوامل جغرافیایی برای طراحی بازی های مبتنی بر مکان مهم هستند.
تحقیقات ارائه شده در این مقاله بر عنصر بازی سیستم های امتیازدهی متمرکز است. اینها برای پاداش دادن به بازیکنان برای انجام وظایف درون بازی استفاده می شوند و از این رو عنصری از گیمیفیکیشن هستند که بر انگیزه بازیکنان تأثیر می گذارد. در بازی‌های جدی مبتنی بر مکان، بازیکنان دنیای واقعی و در نتیجه زمین‌های بازی جغرافیایی را کشف می‌کنند. بنابراین، ما فرض می‌کنیم که یک الگوی فضایی سیستماتیک در سیستم‌های امتیازدهی ممکن است عاملی مرتبط بر رفتار بازیکنان در طول بازی باشد. تحقیق ما مطالعه موردی انجام شده در هایدلبرگ، آلمان را توصیف می کند و بر اساس نسخه اصلاح شده بازی StreetComplete است.. به دو گروه از بازیکنان، دو نسخه مختلف از بازی ارائه شد که هر کدام دارای سیستم های امتیازدهی متفاوتی بودند. یک گروه بازی را با سیستم امتیازدهی خوشه‌ای فضایی انجام دادند، در حالی که گروه کنترل با نمرات تصادفی فضایی مواجه شدند. وظایفی که باید حل می‌شد، تکالیف واقعی مربوط به OSM بود. اینها برای درجه سختی قابل مقایسه ای کنترل می شدند تا از هر گونه تأثیر تحریف خارج از سیستم امتیازدهی مورد استفاده جلوگیری شود. ما این فرضیه را آزمایش کردیم که ساختار فضایی یک سیستم امتیازدهی تأثیر قابل توجهی بر رفتار و انگیزه بازیکن دارد. به منظور آزمون این فرضیه، چندین شاخص را ارزیابی کردیم که همگی به جنبه های انگیزشی بازی ها مربوط می شوند. ما بیشتر مسیرهای GPS بازیکنان را برای بررسی اکتشاف جغرافیایی زمین بازی ردیابی کردیم. علاوه بر این، این مطالعه با پرسشنامه هایی همراه بود که از آزمودنی ها خواسته شد آن ها را تکمیل کنند. این به ما امکان داد تا بینش بیشتری در مورد نحوه تجربه بازی بازیکنان با یکی از دو سیستم امتیازدهی هر کدام به دست آوریم. توجه داشته باشید که در این مطالعه، ما به نحوه تعامل واکنش‌های رفتاری بازیکنان به ساختار فضایی در امتیازات با ویژگی‌های جغرافیایی مانند چیدمان‌های مختلف خیابان یا مورفولوژی ساختمان محلی نمی‌پردازیم. در عوض، این مطالعه به تأثیر ساختار فضایی در مقایسه با فقدان کامل یک الگوی فضایی در نمرات مربوط می‌شود. علاوه بر یافته‌های جالب در مورد یک منطقه نسبتاً ناشناخته از گیمیفیکیشن، این مطالعه نتایجی را ارائه می‌کند که برای طراحی هدفمند بازی‌های مبتنی بر مکان به معنای عملی نیز جالب است. این به ما امکان داد تا بینش بیشتری در مورد نحوه تجربه بازی بازیکنان با یکی از دو سیستم امتیازدهی هر کدام به دست آوریم. توجه داشته باشید که در این مطالعه، ما به نحوه تعامل واکنش‌های رفتاری بازیکنان به ساختار فضایی در امتیازات با ویژگی‌های جغرافیایی مانند چیدمان‌های مختلف خیابان یا مورفولوژی ساختمان محلی نمی‌پردازیم. در عوض، این مطالعه به تأثیر ساختار فضایی در مقایسه با فقدان کامل یک الگوی فضایی در نمرات مربوط می‌شود. علاوه بر یافته‌های جالب در مورد یک منطقه نسبتاً ناشناخته از گیمیفیکیشن، این مطالعه نتایجی را ارائه می‌کند که برای طراحی هدفمند بازی‌های مبتنی بر مکان به معنای عملی نیز جالب است. این به ما امکان داد تا بینش بیشتری در مورد نحوه تجربه بازی بازیکنان با یکی از دو سیستم امتیازدهی هر کدام به دست آوریم. توجه داشته باشید که در این مطالعه، ما به نحوه تعامل واکنش‌های رفتاری بازیکنان به ساختار فضایی در امتیازات با ویژگی‌های جغرافیایی مانند چیدمان‌های مختلف خیابان یا مورفولوژی ساختمان محلی نمی‌پردازیم. در عوض، این مطالعه به تأثیر ساختار فضایی در مقایسه با فقدان کامل یک الگوی فضایی در نمرات مربوط می‌شود. علاوه بر یافته‌های جالب در مورد یک منطقه نسبتاً ناشناخته از گیمیفیکیشن، این مطالعه نتایجی را ارائه می‌کند که برای طراحی هدفمند بازی‌های مبتنی بر مکان به معنای عملی نیز جالب است. ما به نحوه تعامل واکنش‌های رفتاری بازیکنان به ساختار فضایی در امتیازها با ویژگی‌های جغرافیایی مانند طرح‌بندی خیابان‌های مختلف یا مورفولوژی ساختمان محلی توجه نمی‌کنیم. در عوض، این مطالعه به تأثیر ساختار فضایی در مقایسه با فقدان کامل یک الگوی فضایی در نمرات مربوط می‌شود. علاوه بر یافته‌های جالب در مورد یک منطقه نسبتاً ناشناخته از گیمیفیکیشن، این مطالعه نتایجی را ارائه می‌کند که برای طراحی هدفمند بازی‌های مبتنی بر مکان به معنای عملی نیز جالب است. ما به نحوه تعامل واکنش‌های رفتاری بازیکنان به ساختار فضایی در امتیازها با ویژگی‌های جغرافیایی مانند طرح‌بندی خیابان‌های مختلف یا مورفولوژی ساختمان محلی توجه نمی‌کنیم. در عوض، این مطالعه به تأثیر ساختار فضایی در مقایسه با فقدان کامل یک الگوی فضایی در نمرات مربوط می‌شود. علاوه بر یافته‌های جالب در مورد یک منطقه نسبتاً ناشناخته از گیمیفیکیشن، این مطالعه نتایجی را ارائه می‌کند که برای طراحی هدفمند بازی‌های مبتنی بر مکان به معنای عملی نیز جالب است.

2. بررسی ادبیات

بازی‌ها را می‌توان به‌عنوان «سیستم‌های رسمی و مبتنی بر قانون […] که در آن به نتایج مختلف مقادیر متفاوتی اختصاص داده می‌شود» ([ 33 ]، p.35) تعریف کرد. این سیستم‌ها را می‌توان به‌عنوان حوزه‌های مکانی-زمانی تا حد زیادی جدا از زندگی روزمره، با منطق درونی، قوانین، اهداف، کالاهای مجازی و سایر ویژگی‌های خود توصیف کرد [ 34 ، 35 ]. به طور خلاصه، این ویژگی‌ها به عنوان گیم‌پلی نامیده می‌شوند، که باید به طور کلی در نظر گرفته شود و برای لذت تجربه‌شده از یک بازی ضروری است [ 36 ]. تمام عناصر گیم پلی به طور نزدیک به هم مرتبط و متقابل هستند [ 37]. این اثر بر جنبه انگیزشی الگوهای فضایی در سیستم های امتیازدهی، یکی از عناصر خاص گیم پلی تمرکز دارد. بخش‌های فرعی زیر مروری بر انگیزه در بازی‌ها به‌طور کلی، و همچنین به‌ویژه عوامل انگیزشی جغرافیایی ارائه می‌کنند.
لازم به ذکر است که واژه انگیزش به طور مداوم در ادبیات استفاده نشده است. برخی از نویسندگان از این اصطلاح برای اشاره به انگیزه های قبل از بازی استفاده کردند که باعث می شود بازیکن بالقوه بازی کند. با این حال، برخی دیگر از انگیزه برای اشاره به عناصری استفاده می‌کنند که بازیکنان را در طول بازی به بازی نگه می‌دارد، که گاهی اوقات به آن تعامل نیز می‌گویند [ 38 ، 39 ]. این تمایز به ندرت به صراحت بیان می شود، و بنابراین ما همچنین از اصطلاح انگیزه برای اشاره به هر دو نوع فعال سازی به جای یکدیگر در این کار استفاده می کنیم.

2.1. انگیزه در بازی ها

انگیزه‌ها برای انجام بازی‌ها می‌تواند متنوع باشد: فرار از کارهای روزمره، عمل خلاقانه ساختن جهان‌های مجازی (مثلاً شهرها)، نبرد رقابتی در نبردها، تجربه سطوح بالای تعامل، یا فضایی آرام که در آن الگوها و ساختارها باید افشا شود (به عنوان مثال، حل پازل) [ 40 ، 41 ]. این نوع انگیزه‌ها بازی‌ها را از اشکال خطی‌تر سرگرمی مانند تلویزیون یا خواندن کتاب جدا می‌کنند [ 42 ]. بنابراین، بازی کردن به عنوان یک تعامل فعال در نظر گرفته می شود که به موجب آن بازیکنان باید دائماً تصمیم بگیرند [ 43]. بنابراین، یکی از موضوعات اصلی که عناصر انگیزشی را در بازی ها مهم می کند، رویارویی مداوم بازیکن با اهداف متضاد است. به عنوان مثال، بازیکنان اغلب باید بین گزینه‌های ایمن با پاداش‌های کمتر و گزینه‌های پرخطرتر که مزایای سودآورتری ارائه می‌دهند، وزن کنند [ 44 ]. حل چنین تعارضاتی از نظر روانی منجر به یک جنبه مهم انگیزه در بازی ها می شود: خود تعیین کننده. بر اساس تئوری خودتعیین، بازی هایی با درجه بالایی از خود تعیینی به عنوان انگیزه دهنده تلقی می شوند [ 45 ]. بنابراین، نظریه خود تعیینی شامل سه جزء است که هر یک یک نیاز اساسی روانشناختی را برآورده می کند: شایستگی، خودمختاری و احساس شمول اجتماعی.
حل چالش ها منجر به تجربیات شایستگی می شود و در بسیاری از بازی ها نقش اساسی دارد. چالش‌ها معمولاً در یک روایت تعاملی گنجانده می‌شوند که موضوع خاصی را اضافه می‌کند و باعث می‌شود چالش معنادارتر به نظر برسد [ 37 ]. طراحی بازی باید یک تجربه بازی متناسب با صلاحیت بازیکن ایجاد کند. به این ترتیب، بازی توجه را حفظ می کند و بازیکن را در بازی نگه می دارد [ 46 ]. هنگامی که سطح دشواری یک بازی به طور بهینه با سطح شایستگی بازیکن تنظیم شود، بازیکن وارد یک جریان به اصطلاح، دوره طولانی درگیری متمرکز با بازی می شود [ 37 ، 47 ].]. برای دستیابی به این هدف، لازم است یک هدف بازی واضح برقرار شود، تا از حواس پرتی جلوگیری شود و چالش‌های ذهنی و فیزیکی به‌طور بهینه انجام شود. با این حال، بیشترین تأثیر بر تجربه شایستگی یک بازیکن، بازخورد است [ 48 ، 49 ]. بازخورد می تواند ماهیت آموزنده و افزایش دهنده عملکرد داشته باشد. در هر دو مورد، بازخورد منجر به تقویت مثبت شایستگی با تجربه زمانی می شود که فوری باشد، مکانیزمی که به عنوان شرطی سازی عامل شناخته می شود [ 50 ، 51 ].
علاوه بر تلاش برای چالش ها، مقابله مستقل بازیکن با آنها به همان اندازه برای انگیزه یک بازیکن مهم است. بازیکنان می خواهند چالش ها یا راه هایی را برای حل آنها به طور مستقل انتخاب کنند. با انجام این کار، آنها می خواهند تصمیمات معناداری بگیرند که بر موفقیت آنها در بازی تأثیر می گذارد و بنابراین تجربه استقلال را ممکن می کند [ 49 ، 52 ]. بازیکنان زمانی استقلال را تجربه می کنند که اقدامات آنها در یک بازی به شدت با ارزش ها و علایق ذاتی خودشان همسو باشد [ 49 ، 52 ]. اغلب، یک انتخاب واحد در یک بازی می تواند برای ایجاد سطح رضایت بخشی از تجربه استقلال کافی باشد [ 45 ، 52 ]]. از این نظر، بازخورد حمایتی که به طور منظم اقدامات بازیکنان را تأیید می کند و تصمیمات مستقل آنها را تأیید می کند، یکی از ویژگی های مهم طراحی بازی های موفق است [ 53 ]. آنچه این تأثیر را بیشتر تقویت می کند، تعبیه اجتماعی در قالب تعامل با دوستان یا سایر بازیکنان است. این تعامل می تواند به شکل تعاونی یا رقابتی [ 45 ] باشد. بالاترین درجه شمول اجتماعی را می توان از طریق یک حالت بازی تیم محور مشارکتی به دست آورد، که تا حدی موفقیت فعلی به اصطلاح بازی های نقش آفرینی آنلاین Massively Multiplayer را توضیح می دهد [ 42 ، 52 ، 54 ].

2.2. عوامل انگیزشی جغرافیایی

بر خلاف انواع دیگر بازی ها، بازیکنان بازی های مبتنی بر مکان در فضای جغرافیایی واقعی [ 55 ، 56 ، 57 ] حرکت می کنند، به طوری که دومی به یک عنصر مهم بازی تبدیل می شود [ 58 ]. دنیای مجازی که توسط یک بازی در حوزه فضا-زمان مجازی خود ایجاد می شود، اکنون با زمینه یک محیط فیزیکی واقعی ترکیب شده است. بازیکن به طور همزمان با هر دو تعامل دارد و بنابراین، اقدامات واقعی بر روند یک بازی تأثیر می گذارد [ 59 ، 60 ]. این محو شدن دو جهان که قبلاً مجزا بودند، مستلزم در نظر گرفتن تعدادی از عوامل انگیزشی اضافی است.
یکی از عوامل جغرافیایی که بر انگیزه بازیکنان تأثیر می گذارد، محبوبیت زمین بازی است. مشخص است که بازیکنان بازی های مبتنی بر مکان، و همچنین مشارکت کنندگان OSM، زمین های بازی شهری، از جمله مناطق توریستی و محبوب را ترجیح می دهند [ 20 ، 28 ]]. دلیل این امر نه تنها همبستگی چنین مناطقی با محبوبیت است، بلکه اغلب دسترسی آسان تر به زمین بازی است، که بر اهمیت تعبیه بیشتر منطقه دوم در زمینه جغرافیایی گسترده تر آن تأکید می کند. علاوه بر این دیدگاه کلان، طراحی فیزیکی محلی زمین بازی نیز می تواند بر انگیزه بازیکنان در مقیاس کوچکتر تأثیر بگذارد. برای مثال، نویسندگان OSM ترجیح می‌دهند ویژگی‌هایی را که محبوب‌تر یا مرتبط‌تر در نظر می‌گیرند (مثلاً علائم راهنمایی و رانندگی و گذرگاه‌های پیاده) ترسیم کنند، و این ممکن است برای بازی‌های جدی مبتنی بر مکان در همان زمینه OSM [ 61 ] صادق باشد. به طور مشابه، برجسته بودن و پیچیدگی ویژگی ها بر تمایل بازیکنان برای درگیر شدن با آنها در بازی های مبتنی بر مکان تأثیر می گذارد [ 62]، که به نوبه خود، بر سطح جزئیاتی که در آن ضبط یا نقشه برداری می شوند تأثیر می گذارد.
یک عامل انگیزشی جغرافیایی اضافی، امکان ادغام یک بازی مبتنی بر مکان در زندگی روزمره است. افراد به طور منظم با فضاهای فعالیت روزمره خود تعامل دارند. بازی‌های مبتنی بر مکان، امکان تجربه همان فضاهای آشنا و روزمره را به روش‌های جدید ارائه می‌دهند. این می تواند برخی از بازیکنان را برانگیزد تا با محیط روزمره خود به روش های متفاوتی نسبت به آنچه که قبلاً عادت کرده اند تعامل داشته باشند [ 31 , 59 , 60]. به همین ترتیب، توزیع وظایف یا روش‌های استفاده از سیستم‌های امتیازدهی می‌تواند با شرایط محلی سازگار شود. بنابراین، کاوش در یک منطقه می‌تواند با تجربیات حسی اضافی (مثلاً کارهایی که نیاز به درک رنگ‌های چشمگیر یا به صدا درآوردن ناقوس‌های کلیسا دارند) یا بررسی قوی‌تر تاریخ یک مکان ظاهراً شناخته شده [ 56 ، 63 ] غنی شود. چنین انطباق‌های محلی تجربه‌های بازی منحصربه‌فردی را ایجاد می‌کنند که پتانسیل ایجاد انگیزه در بازیکنان را دارند، به‌ویژه زمانی که در نظر بگیریم که مردم جغرافیای روزمره‌شان را متفاوت تصور می‌کنند [ 64 ، 65 ، 66 ، 67 ، 68 ، 69 .]. در عین حال، این تمرکز روی مکان‌های کوچک می‌تواند دسترسی جغرافیایی بازیکنان را نیز محدود کند، زیرا بازی در یک محیط بسیار محلی به معنای گذراندن زمان بیشتر در یک فضای بسیار محدود است [ 63 ، 70 ]، که ممکن است بر موقعیت جغرافیایی بازیکنان تأثیر بگذارد. -سواد اگر در غیر این صورت جبران نشود [ 71 ، 72 ]. از نظر زمان، بیشتر بازی ها از حالت بازی ناهمزمان پیروی می کنند [ 73 ]. این بدان معنی است که بازیکنان می توانند در هر زمان مستقل از سایر بازیکنان وارد بازی و زمین بازی شوند، که ادغام یک بازی در زندگی روزمره را آسان تر می کند [ 60 ].
سایر عوامل انگیزشی مرتبط با جنبه های جغرافیایی، عواملی هستند که با توانایی و تمایل بازیکنان برای کشف مناطق جغرافیایی مرتبط هستند. بسیاری از بازیکنان بازی های مبتنی بر مکان به اصطلاح کاوشگر طبقه بندی می شوند [ 74 ]. بنابراین، اکثر بازیکنان، کاوش در یک فضای جغرافیایی را به عنوان یک عنصر پاداش دهنده و انگیزشی از بازی های مبتنی بر مکان با ارزش ذاتی بالا درک می کنند [ 1 ، 31 ، 32 ، 38 ، 75 ، 76 ]. به طور خاص، ترکیب با درجات بالای خودمختاری، همانطور که در بالا ذکر شد، می‌تواند پتانسیل انگیزشی اکتشاف گسترده سرزمینی را افزایش دهد [ 60 ، 63 ]]. مشابه اکتشاف نواحی، بسیاری از بازیگران نیز کشف ویژگی‌های پنهان در مختصات مشخص شده را به معنای ایجاد انگیزه و رضایت‌بخش توصیف می‌کنند، به ویژه در ترکیب با حل وظایف سازگار با شرایط جغرافیایی محلی [ 31 ، 77 ، 78 ]. یک عارضه جانبی بازی که یک عنصر انگیزشی موثر نیز می باشد، افزایش دامنه حرکت و فعالیت بدنی روزانه است که اثرات مثبتی بر سلامتی دارد [ 79 ].]. به منظور کامل بودن و نمای کلی، فهرست زیر شامل عوامل جغرافیایی بیشتر مؤثر بر انگیزه بازیکنان (بدون ادعای کامل بودن) است. این عوامل برای طراحی بازی ها مهم هستند اما در زمینه مطالعه ارائه شده در این مقاله کمتر مرتبط هستند:
  • شرایط آب و هوایی [ 31 ، 80 ]،
  • زمان روز از جمله عوامل مرتبط مانند ترافیک عابر پیاده [ 81 ]،
  • قرار گرفتن در معرض استرس محیطی [ 82 ]،
  • مورفولوژی مکان ها و شبکه های خیابانی (به عنوان مثال، بن بست های مکرر) [ 83 ، 84 ]،
  • در دسترس بودن نشانه ها برای جهت یابی و ناوبری [ 85 ، 86 ]،
  • عوامل استرس محیطی مانند آلودگی هوا [ 82 ، 87 ].

3. روش شناسی

روش شناسی ما از به اصطلاح مثلث سازی استفاده می کند، رویکردی برای افزایش قابل اعتماد بودن نتایج تحقیقات [ 31 ]. ما رفتار بازیکنان را در طول بازی مشاهده کردیم و علاوه بر آن، نتایج به‌دست‌آمده از پرسشنامه‌ها را بررسی کردیم و مسیرهای GPS ثبت‌شده را تجزیه و تحلیل کردیم. به این ترتیب، می‌توانیم نشانه‌هایی از آگاهی بازیکنان از ساختار فضایی در سیستم امتیازدهی را شناسایی کنیم. بخش‌های فرعی زیر رویکرد روش‌شناختی مطالعه و زمینه‌های جغرافیایی، جمعیت‌شناختی و فنی را توضیح می‌دهند.

3.1. بازی اصلاح شده

بازی که ما در آزمایش خود استفاده کردیم بر اساس برنامه StreetComplete است. این نرم افزار اجازه می دهد تا داده های OSM را به روشی بازیگوش با توجه به روش جمع سپاری معمولی تعریف کار، اجرای کار و حل کار جمع آوری کند [ 78 ]. بازی StreetComplete از اصطلاحات بسیار کمی استفاده می کند و باعث می شود مخاطبان زیادی از جمله بازیکنان بدون تجربه OSM در دسترس باشند. این امر با پشتیبانی بصری برای بازیکنان تسهیل می شود، به عنوان مثال، با ارائه تصاویر پشتیبانی که پاسخ های احتمالی به وظایف ارائه شده را نشان می دهد ( شکل 1)). این ویژگی‌های طراحی، خطر مشارکت‌های اشتباه را کاهش می‌دهند و طبقه‌بندی‌های معنایی اغلب مبهم و ناهمگن ویژگی‌های OSM را که ناشی از فولکسونومی اساسی است، هماهنگ می‌کند [ 88 ]]. از نظر انگیزه و پاداش، StreetComplete یک پایان باز است، به این معنی که بازیکنان به طور نوع دوستانه داده های جدید را جمع آوری می کنند یا داده های موجود را اصلاح می کنند. با این حال، یکی از راه‌های ممکن برای پاداش دادن به بازیکنان، شمارش وظایف حل‌شده است، اگرچه این عنصر غیررقابتی جدول امتیازات بازی است که برای سایر بازیکنان قابل مشاهده نیست. برای آزمایش ما، طراحی قابل دسترس بازی مهم است زیرا این امر تداخلات بالقوه ای را که ممکن است از تجربیات قبلی قبلی با OSM در میان افراد ما ایجاد شود، کاهش می دهد. این بازی به طرق مختلف اصلاح شد تا بتوان فرضیه ما را آزمایش کرد. این امکان پذیر است زیرا کد منبع StreetComplete منبع باز است و از این رو به صورت آنلاین در دسترس است ( https://github.com/westnordost/StreetComplete ).
یکی از جنبه های اصلاح شده وظایفی است که به بازیکنان ارائه شده است. تمام وظایف استفاده شده وظایف واقعی هستند که از بازی واقعی StreetComplete گرفته شده اند . زیرمجموعه وظایفی که ما استفاده کردیم معیارهای زیر را برآورده می کند:
  • کارهای ساده به کارهای پیچیده ترجیح داده می شود تا خطر تأثیرات تحریف کننده خارجی فراتر از سیستم امتیازدهی به حداقل برسد.
  • همه وظایف باید به طور کامل در دسترس باشند تا اطمینان حاصل شود که می توان آنها را در طول بازی حل کرد (به عنوان مثال، وظایف داخل خانه شامل نمی شود)،
  • وظایف باید به طور یکنواخت در سراسر نقشه توزیع شوند تا از سوگیری فضایی خوشه های محلی جلوگیری شود.
  • و فاصله پیاده روی بین کارها باید حدود 100 متر باشد، زیرا پیش آزمون های انجام شده توسط ما نشان داده است که این منجر به خنثی ترین نتیجه بصری روی نقشه در تمام سطوح بزرگنمایی مربوطه می شود.
به منظور کامپایل زیرمجموعه مربوطه از وظایف، وظایف موجود از StreetComplete را با یک شبکه معمولی 100 متری در طول ضلع سلول همپوشانی کردیم. نزدیک ترین وظایف به گره های شبکه برای بازی در نظر گرفته شد. برای موارد با فواصل مساوی، عناصر هندسی ساده مانند نقاط را به موارد پیچیده تر مانند چندضلعی ترجیح می دهیم. ما همچنین کارهای ساده تری مانند سوالات بله/خیر باینری را به ورودی متن آزاد پیچیده تر ترجیح می دهیم. این منجر به توزیع مفید وظایف شد، اما اختلاف جزئی بین شبکه مورد استفاده و توپوگرافی زمین بازی وجود دارد که هنگام استفاده از وظایف واقعی مرتبط با ویژگی های دنیای واقعی اجتناب ناپذیر است. این روش انتخاب منجر به مجموعه‌ای از 132 کار شد که در بازی مورد استفاده قرار گرفتند.
سایر تغییرات انجام شده در بازی شامل غیرفعال کردن آپلود داده ها در سرور OSM و یکپارچه سازی مکانیزمی است که از تقلب بازیکنان جلوگیری می کند. از آنجایی که بازی 40 بار توسط بازیکنان مختلف انجام شد که وظایف یکسانی داشتند، آپلود داده ها در پایگاه داده واقعی OSM منجر به مشارکت های بالقوه نادرست یا متناقض می شد. برای اینکه تداخل منفی با پروژه OSM ایجاد نشود، باید از این امر اجتناب می شد. در پرتو آزمایش ما مهمتر ویژگی ضد تقلب است. ما یک بافر 50 متری در اطراف وظایف ایجاد کرده ایم تا اطمینان حاصل کنیم که بازیکنان باید برای حل آنها در نزدیکی وظایف باشند. در غیر این صورت، افراد بی انگیزه می توانستند با حل تکالیف بدون بازدید از آنها، در نتایج اختلال ایجاد کنند. چنین فیلتر مبتنی بر فاصله، البته می تواند در شرایط خاص منجر به ناامیدی شود. مثلا، اگر از بازیکنی خواسته شود که تعداد طبقات یک ساختمان را وارد کند و بتواند از راه دور این کار را انجام دهد، این می تواند منجر به نارضایتی از حالت بازی شود. با این حال، در بیشتر موارد، ما معتقدیم که مکانیسم به اطمینان از اعتبار نتایج به‌دست‌آمده کمک می‌کند. یکی دیگر از تغییرات انجام شده مربوط به ضبط آهنگ های GPS در طول بازی است. مختصات GPS را در کنار سرعت راه رفتن در فواصل 10 ثانیه ثبت کردیم. اینها در یک پایگاه داده میزبانی شده روی یک سرور در زمان واقعی ذخیره شدند. مختصات GPS را در کنار سرعت راه رفتن در فواصل 10 ثانیه ثبت کردیم. اینها در یک پایگاه داده میزبانی شده روی یک سرور در زمان واقعی ذخیره شدند. مختصات GPS را در کنار سرعت راه رفتن در فواصل 10 ثانیه ثبت کردیم. اینها در یک پایگاه داده میزبانی شده روی یک سرور در زمان واقعی ذخیره شدند.
همه اطلاعات جمع‌آوری‌شده با یک شناسه بازیکن منحصر به فرد در یک رکورد داده ادغام شدند. این شامل وظایف و امتیازات تکمیل شده، مسیرهای GPS و پرسشنامه های تکمیل شده است (به بخش 3.6 مراجعه کنید ). برای اینکه رکوردها ناشناس باشند و بتوانیم از همان دستگاه استفاده مجدد کنیم، به جای جایگزین هایی مانند شماره های سریال محدود به سخت افزار، از شناسه های منحصر به فرد جهانی (UUID) به طور تصادفی استفاده کردیم. در کاربردهای عملی مانند آزمایش‌های ما، UUIDهای تولید شده تقریباً تضمین شده‌اند که منحصربه‌فرد هستند [ 89 ].

3.2. سیستم امتیازدهی فضایی

آزمایش ما از دو سیستم امتیازدهی استفاده کرد. سیستم امتیازدهی اول یک الگوی مکانی قوی را در قالب خوشه بندی فضایی نشان می دهد، در حالی که سیستم دوم استفاده شده از نظر مکانی تصادفی است. انتخاب یک الگوی تصادفی برای مقایسه بر اساس این ایده است که تمام تغییرات مکانی سیستماتیک در بازی انجام شده توسط گروه کنترل حذف شود. پیکربندی‌های دیگری نیز ممکن بود، اما فرضیه‌هایی غیر از آن‌هایی که می‌خواهیم در این مقاله آزمایش کنیم را نشان می‌دادند. به عنوان مثال، یک الگوی یکنواخت بدون هیچ گونه تغییر امتیاز محلی مورد جالب دیگری با سطح شدید خودهمبستگی (یعنی با خود همبستگی فضایی 1) خواهد بود. با این حال، روشی که ما واقعاً امتیازها را تنظیم می کنیم، امکان بررسی تأثیر ساختار فضایی را در مقایسه با غیاب کامل ساختار فضایی فراهم می کند. که دقیقاً همان چیزی است که می خواهیم آزمایش کنیم. هر دو سیستم امتیازدهی مورد استفاده از مدل‌های خودرگرسیون فضایی همزمان (SAR) تولید شدند [90 ] از فرم

y→=ρVy→+ε→

که در آن V ماتریسی از وزن های فضایی زوجی است و ρبه اصطلاح پارامتر خودرگرسیون فضایی را نشان می دهد. بردار ε→نشان دهنده خطاهای باقی مانده است. تبدیل مدل به شکل قابل ارزیابی به اصطلاح کاهش یافته منجر به

y→=(من-ρV)-1ε→

جایی که من هستمn×nماتریس هویت. اپراتور مولد SAR (من-ρV)-1وارونگی ماتریس را برای تولید متغیرهای تصادفی خودرگرسیون همزمان انجام می دهد و برای تولید نتایجی که در هر دو سناریو آزمایش خود استفاده می کنیم، استفاده شد. پارامتر ρبرای کنترل درجه ساختاربندی فضایی سیستماتیک در مجموعه متغیرهای تصادفی حاصل استفاده شد. برای نمرات ساختار فضایی، ما تنظیم کردیم ρبه 0.99، در حالی که ρبرای نوع تصادفی 0.01 تنظیم شد. برای بردار باقیمانده ε→ما متغییرهای عادی را از ن(10،50). ضرب چپ این بردار ستون با ماتریس متغیرهای خودرگرسیون مقادیر خامی را به ما می دهد که هنوز به محدوده مناسب و قابل خواندن توسط انسان مقیاس نشده اند. ما نمرات نهایی را به فاصله زمانی تقسیم کردیم [5،100]و تمام نمرات را به پنج مرحله گرد کرد. هر دو سیستم امتیازدهی در شکل 2 نشان داده شده است. نقشه نشان داده شده در شکل 2a نشان می دهد که سیستم امتیازدهی خوشه ای منجر به توزیع شعاعی متناوب می شود که در اطراف نقطه شروع واقع در مرکز زمین بازی قرار دارد. این ترتیب تضمین می کند که اصولاً می توان با تلاش مشابه به همه خوشه ها دست یافت. به این ترتیب، مجموعه‌ای که ایجاد می‌شود، از آزمون فرضیه ما پشتیبانی می‌کند و از هیچ بخش خاصی از نقشه به‌طور سیستماتیک استفاده نمی‌کند. با این حال، یک محدودیت جزئی ناشی از توپوگرافی محلی زمین بازی این است که می توان به خوشه های امتیاز بالا کمی راحت تر از مختصات نقطه شروع دست یافت. لازم به ذکر است که نمای نقشه برنامه اصلاح شده امتیازات را به طور پیشینی به بازیکنان نشان نمی دهد. این مهم برای جلوگیری از تأثیر بصری و حواس پرتی بازیکنان است، که می تواند آزمایش فرضیه ما را تحریف کند. بجای،

3.3. فاعل، موضوع

طراحی آزمایشی مطالعه ما بر اساس مشاهده بازیکنان واقعی است که دو نوع StreetComplete را بازی می کنند.تحت شرایط واقعی ما 40 داوطلب را به عنوان افراد آزمون استخدام کردیم. از این تعداد، 28 دانشجوی جغرافیا بودند که در دانشگاه هایدلبرگ ثبت نام کردند. 12 آزمودنی باقیمانده نیز از پیشینه تحصیلی بودند و بنابراین تا حد زیادی با دانشجویان درگیر قابل مقایسه بودند. همه آزمودنی ها یا از طریق یک لیست پستی دانشجویی یا با استفاده از مخاطبین شخصی استخدام شدند. جوانترین شرکت کننده 19 سال و مسن ترین شرکت کننده 41 سال داشت. میانگین سنی 27 سال بود. از نظر جنسیتی، 25 نفر از شرکت کنندگان ما مرد و 15 نفر زن بودند. به طور کلی، گروه از نظر جمعیت شناختی، سطح تحصیلات و دانش فنی نسبتاً همگن بود. این نه تنها برای ثبات نتایج به دست آمده مفید است. این ویژگی‌ها همچنین باعث می‌شود گروه آزمایش‌کنندگان ما نماینده جامعه OSM باشند.25 ، 30 ، 91 ]. مورد دوم مهم است زیرا ممکن است امکان انتقال نتایج ما به سایر بازی‌های جدی مبتنی بر مکان در اکوسیستم OSM را فراهم کند.
همه افراد به طور تصادفی در یکی از دو گروه هم اندازه قرار گرفتند: یک گروه درمان و یک گروه کنترل. این تخصیص با استفاده از یک اسکریپت پایتون برای جلوگیری از هرگونه ذهنیت ناخودآگاه بالقوه انجام شد. گروه درمان در معرض بازی اصلاح‌شده مجهز به سیستم امتیازدهی غیرتصادفی و ساختار مکانی قرار گرفتند که در بخش 3.2 توضیح داده شد . در مقابل، گروه کنترل با آرایش تصادفی فضایی نمرات در شرایط ceteris paribus مواجه شد.

3.4. زمین بازی

این بازی در یک زمین بازی واقعی در هایدلبرگ انجام شد. زمین بازی شامل بخش هایی از سه محله شهری مختلف شهر است: Bergheim، Weststadt و Altstadt (شهر قدیمی). در حالی که برگیم تحت سلطه یک محوطه دانشگاهی تاریخی بزرگ است، دو منطقه دیگر با سبک معماری غالب مربوطه متمایز می شوند. بخش غربی شهر تحت سلطه خانه‌های سبک ویلهلمینی از حدود سال 1900 است، در حالی که شهر قدیمی هایدلبرگ با مجموعه‌ای یکنواخت از معماری باروک مشخص می‌شود. شکل 3شخصیت زمین بازی را نشان می دهد. وجه مشترک این سه منطقه این است که همه آنها خوشایند تلقی می شوند و کیفیت اقامت بالایی را ارائه می دهند. این یک ویژگی مهم برای مطالعه ما است، زیرا ناهمگونی فضایی در جذابیت مکان‌ها در سراسر میدان می‌تواند منجر به سوگیری احتمالی نسبت به مناطق جذاب‌تر شود. کل منطقه زمین بازی بیشتر به طور مشابه شهری است. ناهمگونی با توجه به این ویژگی ممکن است بر جذابیت داخلی منطقه تأثیر بگذارد همانطور که در بخش 2.2 توضیح داده شد.. تقسیم منطقه انتخابی ما این خطر را به حداقل می رساند. زمین بازی نیز با توجه به مورفولوژی شبکه خیابانی کم و بیش یکنواخت است. این امر توزیع منصفانه امتیازها را در سراسر نقشه برای خوشه‌های کم و با ارزش و همچنین جذابیت و قابلیت اکتشاف مشابه در تمام قسمت‌های میدان تضمین می‌کند.
زمین بازی مساحت 1.3 کیلومتر مربع را پوشش می دهد که نزدیک به اندازه مطلوب 1.5 کیلومتر مربع است که در مطالعات قبلی [ 56 ] برای زمان بازی 30-60 دقیقه توصیه شده است. زمان بازی 30 تا 60 دقیقه در اینجا مناسب در نظر گرفته می شود، زیرا این طول بازیکنان را خسته نمی کند و در عین حال امکان کاوش کافی در زمین بازی را فراهم می کند. همه بازیکنان بازی را در پارکی به نام Schwanenteich (که در نقشه ها در شکل 2 به عنوان “شروع” نشان داده شده است شروع کردند.). این نقطه شروع در نزدیکی مرکز منطقه قرار دارد و تقریباً به همان اندازه از تمام مناطق جذاب ذکر شده در بالا فاصله دارد. مانند جذابیت متعادل کل منطقه، نقطه شروع انتخاب شده خطر اعوجاج فضایی را در جهت یک بخش جذاب بیش از حد متوسط ​​از زمین بازی به حداقل می رساند. مطالعه در تعطیلات ترم انجام شد. این احتمال را کاهش می دهد که دانش آموزان، به ویژه، ممکن است توسط فعالیت های معمول پیگیری و در نتیجه، انگیزه کمتری برای مشارکت جدی داشته باشند. علاوه بر این، به همه شرکت کنندگان توصیه شد که حداقل 20 دقیقه بازی را انجام دهند.

3.5. شاخص ها

برای آزمایش این فرضیه که آیا یک سیستم امتیازدهی ساختار یافته فضایی بر رفتار بازی تأثیر می‌گذارد، شاخص‌های معناداری مورد نیاز است. ما تعدادی شاخص را شناسایی کرده ایم که جنبه های مختلف انگیزه و رفتار بازیکن را در طول بازی منعکس می کند. اینها را می توان به دو کلاس دسته بندی کرد.
یک دسته از شاخص‌هایی که در نظر می‌گیریم، نشان‌دهنده تأثیر ساختار فضایی بر ویژگی‌های درونی و بیرونی بازی است. به عنوان مثال می توان به جذابیت وظایف (ذاتی) و علاقه عمومی به انجام بازی های جدی مبتنی بر مکان (خارجی) اشاره کرد. ما فرض می کنیم که شناخت ساختارها و در نتیجه یک سیستماتیک زیربنایی معنادار منجر به تقویت ویژگی های انگیزشی مثبت (و کاهش منفی) می شود. شاخص های طبقه بندی شده در این کلاس عبارتند از (بالای جدول 1): مدت بازی، مسافت طی شده، میانگین سرعت پیاده روی و تعداد کارهای انجام شده. برای اطمینان از مقایسه، تعداد پاسخ های داده شده و مسافت طی شده در طول مدت بازی را عادی کردیم. به طور خاص، ترکیب این شاخص ها برای شناسایی اثرات مورد علاقه ما مفید است.
دسته دیگری از شاخص‌هایی که ما ارزیابی کردیم مستقیم‌تر به اکتشاف جغرافیایی زمین بازی مرتبط است. رفتار اکتشافی به ما اجازه می‌دهد تا در مورد پتانسیل سیستم‌های امتیازدهی با ساختار مکانی برای هدایت حرکات بازیکنان در سراسر زمین بازی نتیجه‌گیری کنیم. به عنوان مثال، بازیکنان می توانند آگاهانه یا ناخودآگاه به سمت خوشه هایی با امتیازهای بالا حرکت کنند یا با دور شدن از آنها، فعالانه از خوشه هایی با امتیازات پایین اجتناب کنند. ما این اثرات را با استفاده از (پایین جدول 1) آزمایش کردیم): مساحت و خطی (نسبت حرکت در امتداد محورهای X و Y) بیضی های انحراف استاندارد بازیکنان مکان های بازدید شده (اینها باید شعاع تعامل و جهت گیری هدف بازیکنان را نشان دهند)، یک انحراف ضریب (نسبت مسیر واقعی به کوتاه‌ترین مسیر، محاسبه شده با OpenRouteService API ( https://openrouteservice.org/ ) با استفاده از مختصات میانه به‌عنوان نقطه‌ای اضافی برای رسیدگی به مسیرهای دایره‌ای شکل) و ترکیبی از انواع جاده‌های پیموده شده (که نشان دهنده مطالعه تنوع منطقه است). به این ترتیب، تعدادی از جنبه‌های مهم را پوشش دادیم و به ما اجازه می‌دهد نتیجه‌گیری معناداری کنیم.

3.6. پرسشنامه

پس از اتمام بازی، از همه آزمودنی ها خواسته شد تا یک پرسشنامه را تکمیل کنند (به پیوست A مراجعه کنید ). این پرسشنامه از ترکیب سوالات بسته و نیمه باز تشکیل شده است. دومی امکان نوشتن یک پاسخ فردی را علاوه بر گزینه های پاسخ موجود [ 92 ] ارائه می دهد. سؤالات فردی در پرسشنامه تصادفی به نظر نمی رسند، بلکه در بلوک های موضوعی منسجم گروه بندی می شوند.
بخش اول پرسشنامه بیشتر به ارزش سرگرمی و مدیریت بازی می پردازد. اگرچه این سوالات ارتباط کمی با فرضیه تحقیق دارند، اما از طریق ارتباط مستقیم خود با بازی، ورود آسان به پرسشنامه را تسهیل می کنند. مهمتر از آن، این سؤالات اولیه، پاسخ دهنده را در مورد هدف تحقیق نامشخص می گذارد، که از پاسخ های بی طرفانه و صادقانه به سؤالات زیر پشتیبانی می کند. علاوه بر این، عوامل انگیزشی و هرگونه مشکلی که ممکن است به وجود آمده باشد، پرسیده می شود. گزینه های پاسخ از پیش تعیین شده بر اساس مطالعات تجربی در مورد انگیزه بازیکن است که قبلاً انجام شده است [ 31 ، 63 ، 75 ، 77 ].
بخش دوم بر تجربه موجود بازیکن با OSM و بازی های مبتنی بر مکان تمرکز دارد. این عوامل تأثیر زیادی بر انتظارات بازیکنان و تجربه بازی دارند [ 93 ، 94 ]. علاوه بر این، برخی از سوالات به طور خاص به سیستم امتیازدهی می پردازند. از جمله، این سوال مطرح می شود که آیا بازیکن بر این عقیده است که مناطق کاملاً مشخص با امتیازات بالا یا پایین وجود داشته است و آیا مسیرهای انحرافی یا مسافت های پیاده روی طولانی تر برای دستیابی به امتیازات بالاتر قابل قبول در نظر گرفته شده است؟ علاوه بر این، سؤالات این بخش از پرسشنامه با هدف درک بهتر تصمیم گیری فضایی بازیکنان است.

4. نتایج و بحث

ما نتایج خود را در سه زیربخش اصلی سازماندهی کردیم. بخش اول تفاوت های بین دو سیستم امتیازدهی آزمایش شده را با توجه به ویژگی های کلی جهانی (یعنی شاخص های معرفی شده در بخش 3.5 ) توضیح می دهد. سپس یک نمای کلی محلی از تغییرات فضایی در الگوهای حرکتی هر دو گروه آزمایش شده از بازیکنان ارائه می دهیم. بخش سوم نتایجی را در مورد آگاهی آگاهانه بازیکنان در مورد وجود یک سیستم امتیازدهی فضایی زیربنایی معرفی می کند.

4.1. شاخص های جهانی

ما شاخص‌های معرفی‌شده در بخش 3.5 را برای هر دو گروهی که دو نسخه از بازی را بازی می‌کنند، ارزیابی کردیم ( جدول 1)). یک نتیجه جالب این است که بیشتر شاخص ها به یک اثر انگیزشی از ساختار فضایی موجود در یکی از سیستم های امتیازدهی مورد استفاده اشاره می کنند. بازیکنان گروه درمان به طور متوسط ​​29 درصد زمان بازی طولانی تری نسبت به بازیکنان گروه کنترل نشان دادند. علاوه بر این، احتمال بیشتری وجود داشت که همان بازیکنان حتی پس از عادی سازی در طول مدت بازی، مسافت های طولانی تری را پیاده روی کنند. این نتایج نشان‌دهنده تمایل افزایش یافته برای کشف زمین بازی و منطقه جغرافیایی زیربنایی به طور کامل‌تر است. در همان زمان، مشخص شد که بازیکنان گروه درمان نیز کندتر حرکت می‌کنند، اگرچه این تأثیر نسبتاً ضعیف است. به نظر می رسد مرتبط تر، میانگین تعداد بیشتری از وظایف حل شده توسط گروه درمان باشد.
علاوه بر شاخص های ذکر شده در بالا، ما همچنین اقداماتی را ارزیابی کردیم که شامل ویژگی های بازی است که بیشتر با جغرافیای زمین بازی مرتبط است. با این حال، نواحی بیضی های انحراف استاندارد محاسبه شده از مسیرهای GPS بازیکنان، بین دو گروه آزمایش شده تفاوت عمده ای نداشت. به نظر می رسد هر دو گروه مناطق وسیعی را به طور مشابه کاوش کرده اند. با این حال، بیضی های انحراف استاندارد تنها یک تخمین تقریبی از مناطق مورد بررسی را ارائه می دهند. آشکارتر تفاوت در خطی ها و در نتیجه اشکال بیضی ها است. گروه درمان مسیرهایی را ایجاد کرد که منجر به بیضی‌های پیازی بیشتر شد که نشان‌دهنده حرکات جانبی و اکتشاف کامل‌تر مناطق محلی بود. در مقابل، گروه کنترل بیضی های جهت دار بیشتری را نشان می دهد که نشان دهنده اکتشاف خطی تر منطقه است. این نتیجه با مشاهده اینکه گروه درمان، به طور متوسط، به جای مسیرهای مستقیم، بیشتر از مسیرهای انحرافی استفاده می کنند، پشتیبانی می شود. ضریب انحراف برای گروه درمان یک بالاتر است، به این معنی که بازیکنان این گروه طول یک کوتاه ترین مسیر را به مسافتی که برای پیمودن منطقه لازم بود اضافه کردند. علاوه بر این، گروه درمان از طیف گسترده‌تری از انواع جاده‌ها عبور کرد و نتایج مورد بحث در این پاراگراف را بیشتر اثبات کرد. به این معنی که بازیکنان این گروه طول یک کوتاه ترین مسیر را به مسافتی که برای پیمودن منطقه لازم بود اضافه کردند. علاوه بر این، گروه درمان از طیف گسترده‌تری از انواع جاده‌ها عبور کرد و نتایج مورد بحث در این پاراگراف را بیشتر اثبات کرد. به این معنی که بازیکنان این گروه طول یک کوتاه ترین مسیر را به مسافتی که برای پیمودن منطقه لازم بود اضافه کردند. علاوه بر این، گروه درمان از طیف گسترده‌تری از انواع جاده‌ها عبور کرد و نتایج مورد بحث در این پاراگراف را بیشتر اثبات کرد.
نتایج ارائه شده در بالا نشانه های مهمی هستند و بنابراین شواهدی را برای اثرات احتمالی سیستم های امتیازدهی ساختار یافته فضایی پشتیبانی می کنند. با این وجود، بررسی انتقادی دامنه و اعتبار آنها مهم است. مشکلی که اغلب در مطالعاتی مانند آنچه در اینجا ارائه شده است که در آن از آزمودنی‌های انسانی خواسته می‌شود مقدار معینی از زمان خود را صرف کنند، تعداد محدودی از افراد آزمایشی موجود است. بنابراین با مقادیر p ارائه شده در جدول 1 باید با احتیاط برخورد کرد زیرا قدرت آماری برآوردگرها تحت تأثیر حجم نمونه نسبتاً کوچک ما قرار دارد [ 95 ]. به نوبه خود، این بدان معنی است که برای آزمایش های بزرگتر، نتایج باید حتی واضح تر از نتایج ما بر حسب p باشد– مقادیر، در حالی که تفسیر ما از اندازه اثر ممکن است کمی بیش از حد خوش بینانه باشد. قدرت آماری پایین منجر به احتمال کمتری برای کشف اثرات زمانی می شود که واقعاً وجود داشته باشند. بنابراین ، مقادیر p داده شده احتمالاً بیش از حد برآورد می شوند، که با توجه به تفاوت های مطلق قابل توجهی که آشکار شده است، مشاهده جالبی است. در نظر گرفتن ماهیت نتایج ارائه شده نیز مهم است. اینها همبستگی های کمی هستند و نه روابط علّی. بنابراین، نتایج باید به عنوان ماهیت نشانه و نه تاییدی در نظر گرفته شوند.
در نظر گرفتن نه تنها تفاوت در مقادیر میانگین، بلکه سایر ویژگی های توزیع داده ها تا حد زیادی از نتایج فوق پشتیبانی می کند. شکل 4نمودارهای جعبه و هیستوگرام هایی را برای مدت زمان بازی و عوامل انحرافی نشان می دهد که مقادیر میانگین آنها بین دو گروه آزمایش شده به طور قابل توجهی متفاوت است. یک مشاهدات مهم در نمودارهای جعبه این است که هر دو متغیر رفتارهای پرت مشابهی را برای گروه کنترل و درمان نشان می دهند. این امر اعتبار نتایج ما را در مورد این متغیرهای گزارش شده در بالا تقویت می‌کند، زیرا بعید است که میانگین تفاوت‌ها ناشی از موارد پرت باشد. یکی دیگر از مشاهدات انجام شده در نمودارهای جعبه این است که میانه به ویژه متغیر مدت بازی برای گروه درمان بسیار بالاتر است. تفاوت مطلق بین دو میانه 9 دقیقه است که نزدیک به اختلاف میانگین گزارش شده در جدول 1 است، دومی بیشتر تأیید می شود زیرا میانه ها کمتر در معرض تأثیرات پرت هستند. هیستوگرام‌ها همچنین نشان می‌دهند که در هر دو مورد، توزیع‌ها برای گروه درمان بیشتر به سمت راست متمرکز شده‌اند که نتایج و تفاسیر فوق را تأیید و پشتیبانی می‌کنند. یافته‌های مشابهی را می‌توان برای سایر تفاوت‌های میانگین غیر معنی‌دار از جدول 1 با در نظر گرفتن توزیع‌های مرتبط به دست آورد. نمودارهای مربوطه را می توان در پیوست B در شکل A1 یافت.

4.2. الگوهای حرکت محلی

ما الگوهای حرکت محلی بازیکنان را مطالعه کردیم تا بینش دقیق تری در مورد استفاده آنها از زمین بازی به دست آوریم. نقشه های شکل 5 خوشه هایی از تعداد بازدید از وظایف را برای هر دو سناریو از بازی نشان می دهد. خوشه ها با استفاده از Getis-Ord تولید شدند جیمن*، روشی که اجازه می دهد تا غلظت های جغرافیایی را در انتهای یک توزیع نشان دهد [ 96 ، 97]. در نقشه‌های ارائه‌شده، نقاط سرد (یعنی غلظت مقادیر کوچک) مناطقی را نشان می‌دهند که مکان‌های کار بازدید شده و بازدید نشده نزدیک به هم هستند (وظایف بازدید نشده در محاسبه خوشه گنجانده نشده است). اگرچه هر دو نقشه نقاط داغ (یعنی تجمع مقادیر بالا) را در مرکز زمین نشان می‌دهند، تفاوت اصلی بین نتایج گروه درمان و نتایج گروه کنترل این است که بازیکنان گروه دوم بیشتر به مناطق با مقادیر کم حرکت می‌کنند. . این تأثیر بیشتر در قسمت شرقی زمین بازی مشهود است. در حالی که تعدادی نقاط سرد در آن قسمت از نقشه برای گروه کنترل وجود دارد، همان ناحیه تعداد زیادی از وظایف بازدید نشده را برای گروه درمان نشان می دهد. در همان زمان، بازیکنان گروه درمان از مکان‌های بیشتری در قسمت‌های مرکزی بازدید می‌کنند که به سمت شمال و جنوب گسترش می‌یابند. در این سناریو، اینها بخش‌های باارزش‌تر هستند، بنابراین مشاهده بازیکنان گروه درمان که از این بخش‌های زمین بازی بازدید می‌کنند، قابل قبول به نظر می‌رسد. آنچه همچنین برجسته است این است که بازیکنان گروه کنترل 51 کار را بدون بازدید رها کردند در حالی که بازیکنان گروه درمان فقط 43 کار را بدون بازدید رها کردند. این نتایج نشان‌دهنده یک اثر انگیزشی احتمالی نمرات بالای خوشه‌ای جغرافیایی است.
نتایج شرح داده شده در بالا توسط نتایج یک تحلیل فضایی دو متغیره از بازدیدهای کاری و امتیازات ارائه شده پشتیبانی می شود. ما همبستگی فضایی بین دو متغیر را با استفاده از ضریب Moran’s I محلی دو متغیره [ 98 ] محاسبه کردیم که با استفاده از تعداد بازدیدها و نمرات اطراف آنها از نظر جغرافیایی محاسبه می شود. شکل 6نشان می دهد که برای گروه درمان، ما یک همبستگی بسیار قوی بین بازدیدهای انجام شده و نمرات فضایی اطراف پیدا کردیم. این در تعداد زیادی از پیوندهای بالا-بالا منعکس می شود، یعنی تعداد بالای بازدیدهایی که در مناطقی با امتیازهای بالا در همان زمان یافت می شوند. ضریب همبستگی فضایی دو متغیره جهانی مربوطه 0.39 است و بسیار معنی دار است. در مقابل، چنین همبستگی مکانی برای گروه کنترل که دارای ضریب جهانی غیرمعنادار است، وجود ندارد. -0.01نزدیک به مقدار مورد انتظار این آمار است. تقریباً هیچ پیوند بالا-بالا وجود ندارد، و الگوی کلی انواع مختلف خوشه‌بندی به نظر تصادفی‌تر از گروه درمان است. این نتایج از یافته‌های حاصل از تجزیه و تحلیل خوشه‌بندی نقطه داغ ارائه شده در بالا حمایت می‌کند و همچنین نشانه‌ای از همبستگی احتمالی بین رفتار بازی و ساختار اساسی سیستم امتیازدهی را ارائه می‌دهد.
نتایج ما در مورد الگوهای حرکت محلی باید در پرتو محدودیت‌های خاصی در نظر گرفته شود. استفاده از نقطه شروع یکسان برای همه موضوعات ممکن است باعث ایجاد همزمانی فضایی در بازدید از وظایف شده باشد. ما همان دو متغیره محلی Moran’s I را محاسبه کردیمضریب از بالا همچنین برای تعداد بازدید از هر دو نسخه از بازی. پس از حذف سه نقطه پرت، همبستگی همچنان 0.29 است، که نشان دهنده تأثیر احتمالی انتخاب ما برای نقطه شروع است. تحقیقات آینده باید پیکربندی بهینه‌تری را بررسی کند که هم رفتار بازیکن و هم خوشه‌های امتیاز را در نظر بگیرد. علاوه بر این، جاده بزرگ درست در جنوب نقطه شروع ممکن است باعث شده باشد تعداد بیشتری از سوژه ها در ابتدا به جای جنوب به سمت شمال حرکت کنند. با این وجود، ما معتقدیم که نتایج ما، به‌دست‌آمده با یک روش تکرارپذیر، شواهدی را ارائه می‌کند که تحقیقات بیشتری را در مورد تأثیرات سیستم‌های امتیازدهی با ساختار فضایی تحریک می‌کند.

4.3. آگاهی از سیستم امتیازدهی

ارزیابی پرسشنامه ها و مسیرهای GPS بازیکنان به ما این امکان را می دهد که آگاهی بازیکنان در بازی از وجود یک سیستم امتیازدهی ساختاریافته را بررسی کنیم. بازرسی بصری مسیرهای نقشه برداری شده ( شکل 7 ) هیچ تفاوت آشکاری را بین دو گروه آزمایش شده نشان نمی دهد. به نظر می رسد که بازیکنان گروه درمان، قسمت جنوبی را که در یکی از خوشه های امتیاز بالا قرار دارد، با جزئیات بیشتری بررسی کرده اند. در مقابل، مسیر حرکت بازیکنان از گروه کنترل، یک الگوی هندسی کمی گسترده تر و کمتر منسجم را نشان می دهد. با این حال، با نگاهی به نقشه های مسیر و آرایش هندسی آنها، هیچ تفاوت واضح و منظمی بین دو گروه نمی توان دریافت.
نگاهی دقیق تر به مسیرها، با در نظر گرفتن جنبه های زمانی و پرسشنامه ها، تصویر متفاوت تری را نشان می دهد. به نظر می رسد که 25 درصد از بازیکنان گروه درمان نشانه های قوی حداقل درک ناخودآگاه از یک الگوی سیستماتیک در سیستم امتیازدهی بازی خود را نشان می دهند. مسیرها نشان می دهد که این بازیکنان چندین بار پس از ترک آنها به خوشه های با امتیاز بالا بازگشتند و تنها پس از اینکه قبلاً حداقل چهار کار را در آن خوشه ها حل کرده بودند. همین بازیکنان همچنین در پرسشنامه های خود اظهار داشتند که متوجه یک الگوی سیستماتیک در امتیازات خود شده اند، اگرچه برخی از آنها مشکوک بودند که این الگو به ارتباط اجتماعی و فرهنگی مناطق مربوط می شود (مثلاً ساختمان های دانشگاه در بخش مرکزی شمالی زمین بازی).
این حدس که ممکن است بازیکنان از سیستمی که زیربنای امتیازات است آگاه شده باشند، با نگاهی به پرسشنامه ها پشتیبانی می شود. بازیکنان گروه کنترل مکرراً اظهار داشتند که مشکوک هستند که یک سیستم تصادفی را بازی می کنند. همین بازیکنان همچنین گفتند که این به درجه خاصی از ناامیدی منجر شده است. علاوه بر این، دو برابر تعداد بازیکنان گروه کنترل، تعداد امتیازهای اعطا شده برای حل تکالیف را کم ارزیابی کردند، در حالی که بازیکنان گروه درمان ارزیابی مثبت تری از سیستم امتیازدهی نشان دادند ( شکل 8).آ). به استثنای تنها دو نقطه پرت، همه بازیکنان گروه درمان به طور مداوم سیستم امتیازدهی بازی خود را در یک نور مثبت ارزیابی کردند. در مقابل، و با همپوشانی کمی با پاسخ‌های گروه درمان، بازیکنان گروه کنترل نمرات دریافتی را بسیار پایین اعلام کردند. این یافته ها بر اهمیت یک سیستم قابل درک در حالت بازی تاکید می کند و یک جزء جغرافیایی را به نتایج قبلی اضافه می کند. با این حال، باید توجه داشت که نه تنها بازیکنان گروه درمان فکر می کردند که یک الگوی سیستماتیک در امتیازات پیدا کرده اند. برخی از بازیکنان گروه کنترل نیز در مورد سیستم‌های احتمالی از نظر اهمیت ترافیکی جاده‌ها، کامل بودن ویژگی ویژگی‌های OSM، فاصله هندسی یک بازیکن از یک کار در زمان حل آن، حدس می‌زنند.
یکی دیگر از نتایج مهم پرسشنامه ها این است که 65 درصد از بازیکنان اعلام کردند که حتی بدون سیستم امتیازدهی بازی را انجام خواهند داد. این ممکن است به این واقعیت مرتبط باشد که بیشتر سوژه های ما از یک پس زمینه جغرافیایی یا فضایی می آیند، که علاقه طبیعی آنها را به بازی های جدی جغرافیایی تقویت می کند. با این حال، نگاه کردن به پاسخ به سؤال مربوطه با جزئیات بیشتر، تفاوت مهمی را بین دو گروه آزمایش شده نشان می دهد ( شکل 8)ب). بازیکنان گروه کنترل نسبت به نمرات دریافتی درجه خاصی از بی تفاوتی نشان می دهند. این بازیکنان مرتباً اعلام کرده‌اند که بدون سیستم امتیازدهی بازی را انجام خواهند داد. در عوض، بازیکنان گروه درمان، رفتار پاسخگویی متعادل‌تری را در مورد این سوال نشان می‌دهند. تعداد پاسخ های «بله» به سؤال تقریباً با تعداد پاسخ های «نه» یکسان است. به نظر می رسد تجربه مثبت سیستم امتیازدهی بازی شده بر ذهنیت بازیکنان گروه درمان تاثیر گذاشته و آنها را به دلایل کاملا نوع دوستانه کمتر تمایل به بازی کرده است. نتیجه اخیر برای درک بهتر پیامدهای بلندمدت بالقوه استفاده از سیستم‌های امتیازدهی با ساختار فضایی مهم است و امیدواریم انگیزه مطالعات بلندمدت مربوطه باشد. به طور کلی،

4.4. خلاصه گزارش

نتایج ما تعدادی از جنبه های نظری مرتبط را نشان می دهد. برخی از بازیکنان اظهار داشتند که از یک سیستم امتیازدهی ساختارمند آگاه شده‌اند، حتی زمانی که واقعاً اینطور نبود. رویکرد مثلث‌سازی ما به ما این امکان را می‌دهد تا بازیکنانی را که سیستم زیربنایی را می‌شناختند و بر اساس آن عمل می‌کردند شناسایی کنیم. این نشان می‌دهد که بین درک ساختار سیستم‌های امتیازدهی و کنترل واقعی اقدامات از طریق این سیستم‌ها اختلاف خاصی وجود دارد، جنبه‌ای که در تحقیقات آینده شایسته توجه بیشتر است. علاوه بر این، نتایج ما نشان می‌دهد که انواع بازیکنان ثابت همانطور که در [ 74 ] بیان شده است] ممکن است برای بازی‌های مبتنی بر مکان کامل نباشد. برخی از آزمودنی‌های ما ویژگی‌های هر دو دستاورد (بازیکنانی که سعی می‌کنند تعداد امتیازهای کسب شده را به حداکثر برسانند) و کاوشگران (بازیکنانی که علاقه واقعی به کشف جغرافیای زمین بازی دارند) را نشان داده‌اند. در مقابل، برخی دیگر از بازیکنان تمایل نشان داده‌اند که می‌توان آن‌ها را بهینه‌سازهای مسیر نامید، زیرا سعی کردند به سرعت و کارآمد از زمین عبور کنند. بنابراین، برای بازی‌های مبتنی بر مکان، مرور دسته‌بندی بازیکنان موجود ممکن است ضروری باشد.
نتایج ما دانش موجود در مورد اهمیت سیستم های امتیازدهی قابل درک را تکمیل می کند. سیستم های امتیاز دهی این توانایی را دارند که بازیکنان را تحریک و فعال کرده و آنها را طولانی تر کنند [ 100 ]. آنها همچنین به عنوان ابزاری برای خود ارزیابی و مقایسه عمل می کنند [ 101 ]. برای بازی هایی که نیاز به توسعه استراتژی های تصمیم گیری دارند، مهم است که بازیکنان تا چه حد از عملکرد سیستم امتیازدهی اساسی آگاه می شوند [ 102 ]]. این مورد در بازی های جدی مبتنی بر مکان است، جایی که بازیکنان باید در یک محیط واقعی و فیزیکی فعالیت کنند. بهینه‌سازی سیستم‌های امتیازدهی در چنین بازی‌هایی مستلزم آگاهی کامل از نحوه عملکرد سیستم‌های امتیازدهی است. نتایج ارائه شده در اینجا به یک دیدگاه فضایی کمک می کند که برای بافت جغرافیایی بازی های جدی مبتنی بر مکان مرتبط است. بنابراین دانش به دست آمده برای طراحان بازی برای استفاده بهتر از ساختار فضایی هنگام طراحی سیستم های امتیازدهی قابل درک ارزشمند خواهد بود.

5. نتیجه گیری ها

در این مقاله، یافته‌های تجربی در مورد تأثیر سیستم‌های امتیازدهی ساختار یافته فضایی بر رفتار بازیکنان بازی‌های جدی مبتنی بر مکان ارائه شده است. این مطالعه در یک محیط شهری واقعی در شهر هایدلبرگ آلمان انجام شد. دو گروه از بازیکنان دو نسخه مختلف از بازی StreetComplete را بازی کردندکه یکی از آنها مجهز به سیستم امتیازدهی با ساختار مکانی بود. نسخه دیگر شامل یک سیستم امتیازدهی تصادفی بود. نتایج به‌دست‌آمده نشان می‌دهد که بسیاری از بازیکنان حداقل به طور ناخودآگاه رفتار بازی خود را با حضور و ساختار یک سیستم امتیازدهی تطبیق داده‌اند. بازیکنان گروه درمان تمایل بیشتری به حرکت به مناطقی داشتند که در آن نمرات بالا جمع می شد. در مقابل، بازیکنان گروه کنترل سطح مشخصی از ناامیدی ناشی از تصادفی بودن سیستم امتیازدهی بازی را گزارش کردند. بازیکنانی که با سیستم امتیاز دهی ساختار فضایی مواجه می شدند، میانگین زمان بازی طولانی تری را نیز نشان می دادند، مسافت های طولانی تری را پیاده روی می کردند و تمایل داشتند از مسیرهای انحرافی استفاده کنند تا منطقه را گسترده تر کاوش کنند. شواهد نشان داده شده در این مطالعه افزودنی مرتبط به دانش در مورد بازی های جدی مبتنی بر مکان است.
برخی از بینش‌های به‌دست‌آمده در این مطالعه ممکن است برای بازی‌ها در زمینه‌هایی غیر از OSM قابل استفاده باشد. به اصطلاح مثلث منابع داده مشترک ارائه شده در [ 103 ] نشان می دهد که مجموعه داده های تولید شده توسط کاربر مانند ویکی پدیا یا eBird پروژه علمی شهروندی اصول مشابهی با OpenStreetMap دارند.پروژه در پرتو مطالعه حاضر، این امیدوارکننده است، زیرا می‌تواند به سایر محققان این امکان را بدهد که یافته‌های ما را در جنبه‌های انگیزشی سایر انواع مرتبط از مجموعه داده‌ها اعمال کنند. از نظر عملی، این می‌تواند برای استفاده از یافته‌های ما در مورد اثرات ساختار فضایی برای جمع‌آوری داده‌های هدفمند، به عنوان مثال، برای پر کردن شکاف‌های داده یا تشویق کاربران به واکنش سریع در کمپین‌های حساس زمانی، ارزشمند باشد. از این نظر، نتایج ما به ویژه برای استفاده از الگوهای فضایی در شخصی‌سازی بازی‌ها جالب است که انگیزه بازیکنان را بیشتر می‌کند [ 104 ، 105 ]. به طور کلی، نتایجی که در اینجا به دست آوردیم احتمالاً فراتر از زمینه OSM خاص نیز مرتبط هستند.

6. آینده پژوهی

تحقیقات آینده در مورد نقش ساختار فضایی در سیستم های امتیازدهی باید رویکرد ما را به سایر زمینه های فرهنگی و جغرافیایی گسترش دهد. نتایج ما فقط برای یک زمینه غربی و به ویژه اروپایی معتبر است و همچنین توسط یک توپوگرافی محلی خاص محدود می شود. جالب است که ببینیم نتایج چگونه با تغییر شرایط زمینه متفاوت است. این شامل آزمایش سیستماتیک تعاملات بین ساختار فضایی در امتیازات و ویژگی های جغرافیایی یک زمین بازی است. به طور مشابه، و همانطور که قبلاً به طور انتقادی اشاره شد، مطالعات آتی نیز باید اجرای ساختار فضایی را در سیستم‌های امتیازدهی (مثلاً از نظر آرایش خوشه‌ها و اندازه آنها) و همچنین از نظر قرارگیری نقاط شروع، تغییر دهند. این اجازه می دهد تا در مورد ترتیب و اثرات مقیاس بندی احتمالی در تشخیص سیستم های کاربردی نتیجه گیری کنیم. همچنین باید بررسی شود که ساختار فضایی در یک سیستم امتیازدهی تا چه حد می تواند بر کیفیت داده ها تأثیر بگذارد، جنبه ای که به ویژه در زمینه بازی های جدی مهم است. یکی دیگر از حوزه‌های تحقیقاتی جالبی که می‌توان با نتایج به‌دست‌آمده در اینجا مرتبط کرد، موضوع رسمی‌سازی و عملیاتی‌سازی مکان در مفهوم انسانی-جغرافیایی است. GIScience اخیراً شروع به بررسی جامع تر این موضوع کرده است [ یکی دیگر از حوزه‌های تحقیقاتی جالبی که می‌توان با نتایج به‌دست‌آمده در اینجا مرتبط کرد، موضوع رسمی‌سازی و عملیاتی‌سازی مکان در مفهوم انسانی-جغرافیایی است. GIScience اخیراً شروع به بررسی جامع تر این موضوع کرده است [ یکی دیگر از حوزه‌های تحقیقاتی جالبی که می‌تواند با نتایج به‌دست‌آمده در اینجا مرتبط باشد، موضوع رسمی‌سازی و عملیاتی‌سازی مکان در مفهوم انسانی-جغرافیایی است. GIScience اخیراً شروع به بررسی جامع تر این موضوع کرده است [66 ، 69 ، 106 ، 107 ]، و جنبه انگیزشی این مطالعه نیز می تواند برای توضیح چگونگی تأثیر محیط های انگیزشی بر ادراک و مفهوم سازی مکان ها آموزنده باشد. علاوه بر این، برای غلبه بر موضوع بررسی گروه‌های نسبتاً کوچک بازیکنان به دلایل عمل‌گرایانه، ترکیب عناصر بازی با نمونه‌گیری رویداد و سایر تکنیک‌های نظرسنجی درجا بسیار جالب خواهد بود [ 108 ]. به این ترتیب، ممکن است بتوان گروه های بزرگتری از بازیکنان را از طریق ادغام بهتر بازی در روال های روزمره بررسی کرد.

پیوست اول

Ijgi 09 00129 i001Ijgi 09 00129 i002

ضمیمه B

Ijgi 09 00129 g0a1 550
شکل A1. نمودارهای جعبه ای از متغیرهای رفتاری برای هر دو گروه آزمایش شده ارزیابی شد. ( الف ) مسافت پیموده شده عادی. ( ب ) سرعت متوسط ​​راه رفتن. ( ج ) مساحت بیضی انحراف استاندارد. ( د ) خطی بودن بیضی انحراف استاندارد. ( ث ) سهم انواع جاده‌های عبور شده. ( f ) تعداد عادی وظایف تکمیل شده.

منابع

  1. شیدر، اس. Kiefer, P. (دوباره) بومی سازی بازی های مبتنی بر مکان. در Geogames و Geoplay ; Springer: برلین، آلمان، 2018; صص 131-159. [ Google Scholar ]
  2. گونگ، اچ. هاسینک، آر. Maus, G. Pokémon Go در مورد جغرافیا به ما چه می آموزد؟ Geogr. Helv. 2017 ، 72 ، 227-230. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  3. جوهاز، ال. Hochmair، HH کجا همه آنها را بگیریم؟—تحلیل جغرافیایی مکان‌های پوکمون گو. ژئو اسپات. Inf. علمی 2017 ، 20 ، 241-251. [ Google Scholar ] [ CrossRef ]
  4. آووریس، ن. سینتوریس، سی. Yiannoutsou، N. دستورالعمل های طراحی برای بازی های موبایل مبتنی بر مکان برای یادگیری. در مجموعه مقالات هفدهمین کنفرانس ACM در مورد طراحی تعامل و کودکان، پاترا، یونان، 4 تا 5 نوامبر 2018؛ صص 741-744. [ Google Scholar ]
  5. لامارتی، اف. عید، م. Saddik, AE مروری بر بازی های جدی. بین المللی جی. کامپیوتر. فناوری بازی 2014 ، 2014 ، 11. [ Google Scholar ] [ CrossRef ]
  6. چانگ، ام. Goodman, E. FIASCO: رابط بازی برای بازی مبتنی بر مکان. در مجموعه مقالات پنجمین کنفرانس طراحی سیستم‌های تعاملی: فرآیندها، تمرین‌ها، روش‌ها و تکنیک‌ها، کمبریج، MA، ایالات متحده آمریکا، 1-4 اوت 2004. صص 329-332. [ Google Scholar ]
  7. میزویاما، اچ. یاماگوچی، اس. Sato, M. یک رویکرد بازی‌سازی مبتنی بر بازار پیش‌بینی برای تقویت اشتراک دانش در سازمان‌ها. شبیه سازی Gaming 2019 , 50 , 572–597. [ Google Scholar ] [ CrossRef ]
  8. مسکه، سی. براکمن، تی. ویلمز، ک. استیگلیتز، اس. همکاری اجتماعی و بازی سازی. در گیمیفیکیشن ؛ Springer: برلین، آلمان، 2017; صص 93-109. [ Google Scholar ]
  9. اشمید، ا. Schoop, M. ویژگی های بازی ذاتی مذاکرات الکترونیکی. در مجموعه مقالات کنفرانس آکادمی بریتانیا برای سیستم های اطلاعاتی 2018 (UKAIS 2018)، آکسفورد، بریتانیا، 19 تا 21 مارس 2018. [ Google Scholar ]
  10. چن، HJH; Hsu, HL تأثیر یک بازی جدی بر یادگیری واژگان و محتوا. محاسبه کنید. کمک لانگ. فرا گرفتن. 2019 ، 1–22. [ Google Scholar ] [ CrossRef ]
  11. پترسون، ام. بازی‌های رایانه‌ای و شبیه‌سازی در یادگیری زبان به کمک رایانه: یک متاآنالیز تحقیق. شبیه سازی بازی 2010 ، 41 ، 72-93. [ Google Scholar ] [ CrossRef ]
  12. Johnson, WL استفاده جدی از یک بازی جدی برای یادگیری زبان. جلو. آرتیف. هوشمند Appl. 2007 ، 158 ، 67. [ Google Scholar ]
  13. Taillandier، F. Adam, C. بازی های آماده استفاده: یک بازی جدی برای آموزش مدیریت ریسک طبیعی. شبیه سازی Gaming 2018 , 49 , 441–470. [ Google Scholar ] [ CrossRef ]
  14. کاستلتی، آ. کومینولا، ا. فاچینی، ا. جولیانی، م. برادرانی، پ. هررا، اس. ملنهورست، ام. میشل، آی. نواک، جی. پسینی، سی. و همکاران رویکردهای Gamified برای سیستم های مدیریت آب: یک مرور کلی در شبکه های هوشمند آب: رویکرد سیستم های فیزیکی-سایبری ؛ Taylor Francis CRC Press: Boca Raton, FL, USA, 2017; صص 164-197. [ Google Scholar ]
  15. مدنی، ک. پیرس، TW; میرچی، ع. بازی های جدی در مدیریت محیط زیست. حفظ کنید. جامعه شهرها 2017 ، 29 ، 1-11. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. پوپلین، آ. وموری، ک. بازی فضایی برای مذاکرات و اجماع سازی در برنامه ریزی شهری: YouPlaceIt! در Geogames و Geoplay ; Springer: برلین، آلمان، 2018; صص 63-90. [ Google Scholar ]
  17. دیویش، او. پوپلین، آ. Sofronie, S. بازی سازی مشارکت مدنی: دو آزمایش در بهبود مهارت های شهروندان برای انعکاس جمعی در مورد مسائل فضایی. J. فناوری شهری. 2016 ، 23 ، 81-102. [ Google Scholar ] [ CrossRef ]
  18. Poplin، A. مشارکت عمومی بازیگوش در برنامه ریزی شهری: مطالعه موردی برای بازی های جدی آنلاین. محاسبه کنید. محیط زیست سیستم شهری 2012 ، 36 ، 195-206. [ Google Scholar ] [ CrossRef ]
  19. Abt، CC Serious Games ; انتشارات دانشگاه آمریکا: نیویورک، نیویورک، ایالات متحده آمریکا، 1987. [ Google Scholar ]
  20. آنتونیو، وی. Schlieder، C. الگوهای مشارکت، VGI و گیمیفیکیشن. In Proceedings of the AGILE 2014، Castellón، اسپانیا، 3-6 ژوئن 2014; صص 3-6. [ Google Scholar ]
  21. جوکار ارسنجانی، ج. Bakillah, M. درک رابطه بالقوه بین متغیرهای اجتماعی-اقتصادی و مشارکت در OpenStreetMap. بین المللی جی دیجیت. زمین 2015 ، 8 ، 861-876. [ Google Scholar ] [ CrossRef ]
  22. بوداتوکی، NR; Haythornthwaite، C. انگیزه برای همکاری آزاد: مدل های جمعیت و جامعه و مورد OpenStreetMap. صبح. رفتار علمی 2013 ، 57 ، 548-575. [ Google Scholar ] [ CrossRef ]
  23. موکنیک، FB؛ Zipf، A.; Raifer, M. The OpenStreetMap folksonomy و تکامل آن. ژئو اسپات. Inf. علمی 2017 ، 20 ، 219-230. [ Google Scholar ] [ CrossRef ]
  24. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. هاکلی، م. بسیوکا، اس. آنتونیو، وی. Ather، A. برای نقشه برداری خوب یک منطقه به چند داوطلب نیاز است؟ اعتبار قانون لینوس برای اطلاعات جغرافیایی داوطلبانه کارتوگر. J. 2010 , 47 , 315-322. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. ما، دی. سندبرگ، ام. Jiang, B. مشخص کردن ناهمگونی داده ها و جامعه OpenStreetMap. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 535-550. [ Google Scholar ] [ CrossRef ]
  27. نیس، پ. Zielstra، D. تحولات اخیر و روندهای آینده در تحقیقات داوطلبانه اطلاعات جغرافیایی: مورد OpenStreetMap. اینترنت آینده 2014 ، 6 ، 76-106. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. زیلسترا، دی. Zipf، A. مطالعه مقایسه ای داده های جغرافیایی اختصاصی و اطلاعات جغرافیایی داوطلبانه برای آلمان. در مجموعه مقالات سیزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، گیماراس، پرتغال، 11-14 مه 2010. [ Google Scholar ]
  29. ناپولیتانو، ام. Mooney, P. MVP OSM: ابزاری برای شناسایی مناطق با کیفیت بالای فعالیت مشارکت کنندگان در OpenStreetMap. گاو نر Soc. کارتوگر. 2012 ، 45 ، 10-18. [ Google Scholar ]
  30. کلمن، دی. جورجیادو، ی. Labonte, J. اطلاعات جغرافیایی داوطلبانه: ماهیت و انگیزه تولیدکنندگان. بین المللی جی. اسپات. بررسی زیرساخت های داده 2009 ، 4 ، 332-358. [ Google Scholar ]
  31. وبر، جی. طراحی تجربیات جذاب با بازی های واقعیت افزوده مبتنی بر مکان برای محیط های گردشگری شهری. دکتری پایان نامه، دانشگاه بورنموث، بورنموث، انگلستان، 2017. [ Google Scholar ]
  32. Harteveld, C. Triadic Game Design: Balancing Reality, Meaning and Play ; Springer Science & Business Media: برلین، آلمان، 2011. [ Google Scholar ]
  33. Juul, J. بازی، بازیکن، جهان: به دنبال قلب بازی بودن. در مجموعه مقالات کنفرانس بین المللی DiGRA، اوترخت، هلند، 4-6 نوامبر 2003. صص 30-45. [ Google Scholar ]
  34. سالن، ک. Zimmerman, E. Rules of Play: Game Design Fundamentals ; مطبوعات MIT: کمبریج، MA، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  35. Huizinga, J. Homo Ludens: A Study of the Play-Element in Culture ; Routledge & Kegan Paul: لندن، بریتانیا، 1944. [ Google Scholar ]
  36. رودریگز-پوپو، ال. کاستلین، اس. Granell, C. در مورد معیارهای بازی‌های آگاه از مکان. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 299. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. شل، جی . هنر طراحی بازی: کتابی از لنزها . AK Peters/CRC Press: Boca Raton، FL، ایالات متحده آمریکا، 2019. [ Google Scholar ]
  38. Schoenau-Fog, H. The Player Engagement Process-An Exploration of Continuation Desire در بازی های دیجیتال. در مجموعه مقالات پنجمین کنفرانس بین المللی DiGRA، اوترخت، هلند، 14 تا 17 سپتامبر 2011. [ Google Scholar ]
  39. مالون، TW; Lepper، MR سرگرم کردن یادگیری: طبقه بندی انگیزه های درونی برای یادگیری. در استعداد، یادگیری و آموزش ؛ Lawrence Erlbaum Associates: Mahwah, NJ, USA, 1987; جلد 3، ص 223-253. [ Google Scholar ]
  40. Koster, R. Theory of Fun for Game Design ; رسانه O’Reilly: سباستوپل، کالیفرنیا، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  41. Yee, N. انگیزه های بازی در بازی های آنلاین. رفتار روانشناسی سایبری. 2006 ، 9 ، 772-775. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  42. Stampfl, NS Die verspielte Gesellschaft: Gamification or Leben im Zeitalter des Computerspiels ; Heise Medien: هانوفر، آلمان، 2012. [ Google Scholar ]
  43. بستان، ب. Tingoy، O. طراحی بازی و روانشناسی گیمر. در روانشناسی و رفتار گیمر ; Springer: برلین، آلمان، 2016; صص 105-121. [ Google Scholar ]
  44. Hiwiller, Z. بازیکنان تصمیم‌گیری: ملزومات طراحی بازی و هنر درک بازیکنان شما . سوارکاران جدید: برکلی، کالیفرنیا، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  45. Deci، EL; رایان، RM مروری بر نظریه خود تعیینی: دیدگاه دیالکتیکی ارگانیسمی. در کتابچه راهنمای تحقیقات خود تعیین ; انتشارات دانشگاه روچستر: روچستر، نیویورک، ایالات متحده آمریکا، 2002; صص 3-33. [ Google Scholar ]
  46. بوسویک، ا. تیسن، تی. Peelen, E. The Experience Economy: A New Perspective ; آموزش پیرسون: رودخانه فوقانی سادل، نیوجرسی، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  47. Csikszentmihalyi، M. فراتر از خستگی و اضطراب ; Jossey-Bass: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  48. رایان، آر.ام. Rigby، CS; Przybylski، A. کشش انگیزشی بازی های ویدیویی: رویکرد نظریه خود تعیین کننده. انگیزه احساساتی 2006 ، 30 ، 344-360. [ Google Scholar ] [ CrossRef ]
  49. وانستینکیست، م. Niemiec، CP; Soenens، B. توسعه پنج نظریه کوچک تئوری خودمختاری: مروری تاریخی، روندهای نوظهور و جهت گیری های آینده. در دهه پیش رو: دیدگاه های نظری در مورد انگیزه و پیشرفت . Emerald Group Publishing Limited: Bingley، UK، 2010; صص 105-165. [ Google Scholar ]
  50. ویزر، پی. بوچر، دی. سلینا، اف. De Luca, V. A Taxonomy of Motivational Affordances for Meaning Gamified and Persuasive Technologies. در مجموعه مقالات سومین کنفرانس بین المللی ICT برای پایداری (ICT4S)، کپنهاگ، دانمارک، 7-9 سپتامبر 2015. صص 271-280. [ Google Scholar ]
  51. اسکینر، رفتار عملگر BF. صبح. روانی 1963 ، 18 ، 503. [ Google Scholar ] [ CrossRef ]
  52. ریگبی، اس. Ryan, RM چسبیده به بازی‌ها: چگونه بازی‌های ویدیویی ما را جذب می‌کنند و ما را نگه می‌دارند . AbC-CLIO: سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  53. مک گونیگال، جی. واقعیت شکسته است: چرا بازی ها ما را بهتر می کنند و چگونه می توانند جهان را تغییر دهند . پنگوئن: نیویورک، نیویورک، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  54. زیچرمن، جی. کانینگهام، سی. گیمیفیکیشن با طراحی: پیاده سازی مکانیک بازی در برنامه های وب و موبایل . رسانه O’Reilly: سباستوپل، کالیفرنیا، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  55. Schlatter، BE; هرد، ژئوچینگ AR: مخفی کاری قرن بیست و یکم. J. Phys. آموزش. بازآفرینی رقص 2005 ، 76 ، 28-32. [ Google Scholar ] [ CrossRef ]
  56. Schlieder, C. Geogames Organizer’s Guide v1.0 ; گزارش فنی؛ Universität Bamberg: Bamberg، آلمان، 2014. [ Google Scholar ]
  57. دوگان، ای. مربع کردن دایره (جادویی): تعریف و تاریخچه مختصری از بازی های فراگیر. در شهرهای قابل بازی ؛ Springer: برلین، آلمان، 2017; صص 111-135. [ Google Scholar ]
  58. شلیدر، سی. کیفر، پ. Matyas, S. Geogames: طراحی بازی های مبتنی بر مکان از بازی های رومیزی کلاسیک. IEEE Intell. سیستم 2006 ، 21 ، 40-46. [ Google Scholar ] [ CrossRef ]
  59. مایرا، اف. Lankoski، P. بازی در یک واقعیت ترکیبی: رویکردهای جایگزین در طراحی بازی. در Digital Cityscapes: Merging Digital and Urban Playspaces ; de Souza e Silva, A., Sutko, DM, Eds.; پیتر لانگ: نیویورک، نیویورک، ایالات متحده آمریکا، 2012; صص 129-147. [ Google Scholar ]
  60. Matyas, S. Gemeinschaftliche Qualitätsgesicherte Erhebung und Semantische Integration von Raumbezogenen Daten ; انتشارات دانشگاه بامبرگ: بامبرگ، آلمان، 2011; جلد 7. [ Google Scholar ]
  61. داوودوویچ، ن. مونی، پی. Stoimenov, L. تحلیلی از شیوه ها و الگوهای برچسب گذاری در مناطق شهری در OpenStreetMap. در مجموعه مقالات کنفرانس AGILE 2016، هلسینکی، فنلاند، 14-17 ژوئن 2016. ص 14-17. [ Google Scholar ]
  62. Kaminske, V. Die räumliche Wahrnehmung: Grundlage für Geographie und Kartographie ; Wissenschaftliche Buchgesellschaft: دارمشتات، آلمان، 2012. [ Google Scholar ]
  63. ویل، سی. زبان الگو برای طراحی بازی‌های مبتنی بر مکان. دکتری پایان نامه، دانشگاه RWTH آخن، آخن، آلمان، 2013. [ Google Scholar ]
  64. Egenhofer، MJ; مارک، DM Naive Geography. در کنفرانس بین المللی نظریه اطلاعات مکانی ; Springer: برلین، آلمان، 1995; صص 1-15. [ Google Scholar ]
  65. Cresswell, T. Place: An Introduction ; جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  66. وسترهولت، آر. گروب، ام. Zipf، A.; Burghardt, D. به سوی تحلیل آماری و تجسم مکانها. در مجموعه مقالات دهمین کنفرانس بین المللی علوم اطلاعات جغرافیایی (GIScience 2018)، ملبورن، استرالیا، 28 تا 31 اوت 2018. [ Google Scholar ]
  67. وسترهولت، آر. Mocnik، FB مقدمه ای بر کارگاه PLATIAL’18 در مورد تجزیه و تحلیل Platial. در مجموعه مقالات اولین کارگاه در مورد تجزیه و تحلیل Platial (PLATIAL’18)، هایدلبرگ، آلمان، 20-21 سپتامبر 2018؛ صص 1-5. [ Google Scholar ]
  68. وسترهولت، آر. Mocnik، FB مقدمه ای بر دومین سمپوزیوم بین المللی در علوم اطلاعات Platial. در مجموعه مقالات دومین سمپوزیوم بین المللی علوم اطلاعات Platial (PLATIAL’19)، کاونتری، بریتانیا، 5 تا 6 سپتامبر 2019؛ صص 1-3. [ Google Scholar ]
  69. Purves، RS; زمستان، اس. Kuhn, W. مکانها در علم اطلاعات. J. Assoc. Inf. علمی تکنولوژی 2019 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  70. رید، جی. طراحی تصادفی: ترکیب مصنوعات دنیای واقعی در بازی‌های مبتنی بر مکان. DIMEA 2008 ، 8 ، 10-12. [ Google Scholar ]
  71. نولان، سواد جغرافیایی RE: بزرگسالان چقدر دنیایی را که در آن زندگی می کنند درک می کنند. آموزش پایه بزرگسالان 2002 ، 12 ، 134-144. [ Google Scholar ]
  72. گالانی، ل. سواد جغرافیایی به عنوان مبنایی برای ساخت هویت فرهنگی. یورو جی. جئوگر. 2016 ، 7 ، 17-23. [ Google Scholar ]
  73. هویزنگا، جی. دریاسالار، دبلیو. آکرمن، اس. یادگیری مبتنی بر بازی Dam، GT Mobile در آموزش متوسطه: تعامل، انگیزه و یادگیری در یک بازی شهری موبایل. جی. کامپیوتر. کمک کنید. فرا گرفتن. 2009 ، 25 ، 332-344. [ Google Scholar ] [ CrossRef ]
  74. Bartle، R. Hearts، قمه، الماس، بیل: بازیکنانی که برای MUD مناسب هستند. J. MUD Res. 1996 ، 1 ، 19. [ Google Scholar ]
  75. بل، م. چالمرز، ام. بارخوس، ال. هال، م. شروود، اس. تننت، پ. براون، بی. رولند، دی. بنفورد، اس. کاپرا، م. و همکاران آمیختن بازی های موبایل با زندگی روزمره. در مجموعه مقالات کنفرانس SIGCHI در مورد عوامل انسانی در سیستم های محاسباتی، مونترال، QC، کانادا، 22-27 آوریل 2006. صص 417-426. [ Google Scholar ]
  76. هونیکه، آر. لبلانک، ام. Zubek, R. MDA: رویکردی رسمی برای طراحی بازی و تحقیقات بازی. در مجموعه مقالات کارگاه AAAI در مورد چالش ها در بازی هوش مصنوعی، سن خوزه، CA، ایالات متحده آمریکا، 25-26 ژوئیه 2004. جلد 4، ص. 1722. [ Google Scholar ]
  77. فرانتی، پ. ماریسکو-ایستودور، آر. Sengupta, L. O-Mopsi: بازی جهت یابی موبایل برای گشت و گذار، ورزش و آموزش. ACM Trans. چندتایی. محاسبه کنید. اشتراک. Appl. 2017 ، 13 ، 56. [ Google Scholar ] [ CrossRef ]
  78. سلینو، آی. سریزا، دی. کونتسا، اس. کوروبولو، ام. دل آگلیو، دی. واله، ای. فومئو، اس. Piccinini، F. Urbanopoly: جمع‌آوری و ارزیابی کیفیت داده‌های مرتبط ژئو فضایی از طریق یک بازی محاسباتی انسانی. در مجموعه مقالات دهمین چالش وب معنایی، بوستون، MA، ایالات متحده آمریکا، 11-15 نوامبر 2012; صص 148-163. [ Google Scholar ]
  79. کولی، ا. Thebault-Spieker، J. لین، AY؛ دگرن، دی. فیشمن، بی. هاکیلا، جی. کوئل، ک. نیسی، وی. نونس، نیوجرسی؛ ونیگ، ن. و همکاران جغرافیای Pokémon GO: اثرات مفید و مشکل ساز بر مکان ها و حرکت. در مجموعه مقالات کنفرانس CHI 2017 در مورد عوامل انسانی در سیستم های محاسباتی، دنور، CO، ایالات متحده، 6-11 مه 2017؛ صص 1179–1192. [ Google Scholar ]
  80. زمستان، اس. ریشتر، KF; بالدوین، تی. کاودون، ال. استرلینگ، ال. داکهام، ام. کیلی، ا. رجبی فرد، ع. بازی های موبایل مبتنی بر مکان برای کسب دانش فضایی. در مجموعه مقالات کارگاه 2011 مهندسی شناختی برای موبایل GIS ; CEUR-WS: آخن، آلمان، 2011. [ Google Scholar ]
  81. کریگی، تی. نالیوکا، ک. پاترسون، ن. Haahr, M. طراحی و ارزیابی تجربه بازیکن از یک بازی موبایل مبتنی بر مکان. در مجموعه مقالات ششمین کنفرانس نوردیک در مورد تعامل انسان و رایانه: گسترش مرزها، ریکیاویک، ایسلند، 16-20 اکتبر 2010. صص 92-101. [ Google Scholar ]
  82. نول، ام. نوهیزر، ک. وگت، جی. رودلف-کلف، A. Einflussfaktoren der gebauten Umwelt auf wahrgenommene Aufenthaltsqualität bei der Nutzung städtischer Räume. Umweltpsychologie 2014 ، 18 ، 84-102. [ Google Scholar ]
  83. اولیویرا، وی. مورفولوژی شهری: مقدمه ای بر مطالعه شکل فیزیکی شهرها . Springer International Publishing: برلین، آلمان، 2016. [ Google Scholar ]
  84. Bedö، V. اندازه و شکل زمین بازی: تحقیق از طریق رویکرد طراحی بازی. در شهرهای قابل بازی: شهر به عنوان زمین بازی دیجیتال ; Nijholt، A.، Ed. Springer: سنگاپور، 2017; صص 67-86. [ Google Scholar ]
  85. Bestgen، AK; ادلر، دی. کوچینکه، ال. دیکمن، اف. تجزیه و تحلیل اثرات شاخص های مبتنی بر VGI بر حافظه فضایی و عملکرد ناوبری. KI – Künstliche Intell. 2017 ، 31 ، 179-183. [ Google Scholar ] [ CrossRef ]
  86. ریشتر، KF; Winter، S. جنبه های شناختی: مردم چگونه نقاط دیدنی را درک می کنند، به خاطر می سپارند، فکر می کنند و در مورد آنها صحبت می کنند. در Landmarks: GIScience for Intelligent Services ; انتشارات بین المللی Springer: برلین، آلمان، 2014; صص 41-108. [ Google Scholar ]
  87. انگل، اس. Nacke، LE تأثیرات متنی بر تجربه بازیکن موبایل – یک مدل تجربه کاربر بازی. سرگرم کردن. محاسبه کنید. 2013 ، 4 ، 83-91. [ Google Scholar ] [ CrossRef ]
  88. واندکاستیل، ا. Devillers, R. بهبود کیفیت اطلاعات جغرافیایی داوطلبانه با استفاده از یک سیستم توصیه‌کننده برچسب: مورد OpenStreetMap. در OpenStreetMap در GIScience ; Springer: برلین، آلمان، 2015; صص 59-80. [ Google Scholar ]
  89. لیچ، پی جی. میلینگ، م. Salz, R. IETF RFC4122: A Universally Unique Identifier (UUID) URN Namespace ; استاندارد، کارگروه مهندسی اینترنت: فرمونت، کالیفرنیا، ایالات متحده آمریکا، 2005. [ Google Scholar ]
  90. LeSage, J. اقتصاد سنجی فضایی. کتاب روشها و کاربردهای تحقیق در جغرافیای اقتصادی ; انتشارات ادوارد الگار: چلتنهام، انگلستان، 2015. [ Google Scholar ]
  91. کلتنر، اس. اشمیت، ام. Steinmann، R. Barrieren und Motivatoren von VGI-Projekten aus Gender-Perspektive. In Proceedings of the Geoinformationssysteme 2013: Beiträge zum 18. Münchner Fortbildungsseminar 2013، مونیخ، آلمان، 8-11 آوریل 2013; ص 217-226. [ Google Scholar ]
  92. ماتیسک، آ. فافن باخ، سی. Reuber, P. Methoden der empirischen Humangeographie ; Westermann: Brunswick، آلمان، 2013. [ Google Scholar ]
  93. Lehmann, L. بازی‌های موبایل مبتنی بر مکان: وضعیت هنر و چالش‌های آینده برای توسعه بازی‌های مبتنی بر مکان برای دستگاه‌های تلفن همراه . GRIN Verlag: Norderstedt، آلمان، 2012. [ Google Scholar ]
  94. جیکوب، JTPN؛ کوئلیو، مسائل AF در توسعه بازی های مبتنی بر مکان. بین المللی جی. کامپیوتر. فناوری بازی 2011 , 2011 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  95. گرینلند، اس. سن، اس جی. Rothman، KJ; کارلین، جی بی. پول، سی. گودمن، SN; آلتمن، آزمون‌های آماری DG، مقادیر P، فواصل اطمینان و قدرت: راهنمای تفسیرهای نادرست. یورو J. Epidemiol. 2016 ، 31 ، 337-350. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  96. گتیس، ع. Ord, JK تجزیه و تحلیل ارتباط فضایی با استفاده از آمار فاصله. Geogr. مقعدی 1992 ، 24 ، 189-206. [ Google Scholar ] [ CrossRef ]
  97. Ord، JK; Getis، A. آمار خودهمبستگی فضایی محلی: مسائل توزیع و یک برنامه کاربردی. Geogr. مقعدی 1995 ، 27 ، 286-306. [ Google Scholar ] [ CrossRef ]
  98. آنسلین، ال. سیبری، آی. اسمیرنوف، او. تجسم همبستگی فضایی چند متغیره با پنجره های پیوندی پویا. در مجموعه مقالات کارگاه CSISS در مورد ابزارهای جدید برای تجزیه و تحلیل داده های فضایی، سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 10-11 مه 2002. [ Google Scholar ]
  99. بودانسکی، ای. گریبوف، آ. Pilouk، M. صاف کردن و فشرده سازی خطوط به دست آمده با تبدیل شطرنجی به برداری. در مجموعه مقالات کارگاه بین المللی شناخت گرافیک ; Springer: برلین، آلمان، 2001; صص 256-265. [ Google Scholar ]
  100. آدامز، ای. Dormans, J. Game Mechanics: Advanced Game Design ; New Riders: Indianapolis، IN، USA، 2012. [ Google Scholar ]
  101. وانگ، اچ. سیستم‌های پاداش بازی Sun، CT: تجربیات بازی و معانی اجتماعی. در مجموعه مقالات کنفرانس بین المللی DiGRA 2011، هیلورسوم، هلند، 14 تا 17 سپتامبر 2011; جلد 114. [ Google Scholar ]
  102. لی، CI; چن، IP; حسیه، CM; Liao، CN جنبه های طراحی سیستم های امتیازدهی در بازی. هنر دس. Rev. 2016 , 5 , 26-43. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  103. موکنیک، FB؛ لودویگ، سی. گرینبرگر، AY; جیکوبز، سی. کلونر، سی. رایفر، ام. منابع داده مشترک در حوزه جغرافیایی – طرح طبقه بندی و تکنیک های تجسم مربوطه. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 242. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  104. بوکل، ام. نواک، جی. بیک، ام. به سوی گیمیفیکیشن تطبیقی: ترکیبی از تحولات کنونی. در مجموعه مقالات بیست و پنجمین کنفرانس اروپایی سیستم های اطلاعاتی، گیمارش، پرتغال، 5 تا 10 ژوئن 2017. انجمن سیستم‌های اطلاعاتی: آتلانتا، GA، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  105. گوبل، اس. وندل، وی. شخصی سازی و سازگاری. در بازی های جدی ; Springer: برلین، آلمان، 2016; صص 161-210. [ Google Scholar ]
  106. آسدو، ا. جانسون، PA محدوده خانه و زیستگاه: استفاده از ویژگی‌های زمینی برای تعریف مناطق شهری از پایین به بالا. ترانس. GIS 2019 . [ Google Scholar ] [ CrossRef ]
  107. وسترهولت، R. جنبه های روش شناختی تحلیل فضایی فیدهای رسانه های جغرافیایی اجتماعی: از مکان ها به سمت مکان ها. gis.Science 2019 ، 31 ، 65-76. [ Google Scholar ]
  108. بلومکه، م. رسچ، بی. لچنر، سی. وسترهولت، آر. Kolb، JP ادغام اطلاعات جغرافیایی در تحقیقات پیمایشی: برنامه های کاربردی فعلی، چالش ها و راه های آینده. Surv. Res. Methods 2017 ، 11 ، 307-327. [ Google Scholar ]
Ijgi 09 00129 g001 550
شکل 1. رابط StreetComplete . ( الف ) نمای کلی مبتنی بر نقشه. ( ب ) منوی انتخاب دسته های کار ترجیحی؛ ( ج ) نمونه ای از کمک بصری که از پاسخگویی به وظایف پشتیبانی می کند.
Ijgi 09 00129 g002 550
شکل 2. نمای کلی دو سیستم امتیازدهی مورد استفاده. ( الف ) نمرات تصادفی مکانی؛ ( ب ) و نمرات ساختار یافته فضایی که یک الگوی خوشه بندی را نشان می دهد.
Ijgi 09 00129 g003 550
شکل 3. تصاویر صحنه های معمولی موجود در زمین بازی.
Ijgi 09 00129 g004 550
شکل 4. نمودارهای جعبه و هیستوگرام متغیرها که تفاوت معنی داری را در مقادیر میانگین برای دو گروه آزمایش شده نشان می دهد. ( الف ) مدت بازی؛ ( ب ) و ضریب انحراف. رنگ بنفش نشان دهنده گروه درمان و رنگ خاکستری نشان دهنده گروه کنترل است.
Ijgi 09 00129 g005 550
شکل 5. خوشه های فضایی با ارزش بالا و کم از بازدیدهای کار. ( الف ) تنظیم تصادفی فضایی؛ ( ب ) و ساختار مکانی.
Ijgi 09 00129 g006 550
شکل 6. رابطه فضایی دو متغیره بین تعداد بازدید از مکان های وظیفه و امتیازات اطراف آنها. ( الف ) تنظیم تصادفی فضایی؛ ( ب ) و ساختار مکانی.
Ijgi 09 00129 g007 550
شکل 7. مروری بر مسیرهای GPS همه بازیکنان. بخش‌های خط مسیرها برای نمایش با استفاده از روش تقریب چند جمله‌ای با هسته نمایی (PAEK) هموار شدند [ 99 ]. ( الف ) تنظیم تصادفی فضایی؛ ( ب ) و ساختار مکانی.
Ijgi 09 00129 g008 550
شکل 8. هیستوگرام پاسخ به دو سوال پرسشنامه. ( الف ) سؤال در مورد مناسب بودن نمرات اعطا شده؛ ( ب ) سوال در مورد تمایل آزمودنی ها به بازی بدون امتیاز. نوارهای بنفش نشان دهنده پاسخ گروه درمان و نوارهای خاکستری به ترتیب نشان دهنده پاسخ گروه کنترل است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید