Софтуерът за игри може да персонализира програмите за терапия

Нововъзникващите изследвания показват, че софтуерните програми, които използват функции на играта в неигрови контексти, могат да подобрят индивидуалната мотивация за спазване на предписани или препоръчани режими на терапия.

Инженерите от Пен Щат използват машинно обучение за обучение на компютри за разработване на персонализирани режими на психическа или физическа терапия - например за преодоляване на безпокойството или възстановяване след нараняване на рамото - толкова много хора могат да използват специално разработена програма.

„Искаме да разберем човешкото и екипното поведение, което мотивира ученето, в крайна сметка да разработи персонализирани методи на обучение, вместо универсалния подход, който често се използва“, каза д-р Конрад Тъкър, асистент по инженерни технологии за дизайн .

„Използването на хората за индивидуална оценка на другите не е ефективно или устойчиво във времето или човешките ресурси и не се разширява добре до голям брой хора“, каза Тъкър.

„Трябва да обучим компютри да четат отделни хора. Gamification изследва идеята, че различните хора са мотивирани от различни неща. "

За да започнат да създават компютърни модели за терапевтични програми, изследователите тестваха как най-ефективно да направят завършването на дадена физическа задача в игрално приложение чрез включване на функции на играта като точкуване, аватари, предизвикателства и конкуренция.

„Тук изследваме как геймификацията може да бъде приложена към здравето и уелнес, като се фокусираме върху физически интерактивни геймифицирани приложения“, каза Кристиан Лопес, студент по индустриално и производствено инженерство, който помогна за провеждането на тестовете с помощта на игрална среда за виртуална реалност.

В тестовете за виртуална реалност изследователите помолиха участниците да избягват физически препятствията, докато се движат през виртуална среда. Системата на играта записва действителните им позиции на тялото с помощта на сензори за движение и след това отразява движенията им с аватар във виртуална реалност.

Участниците трябваше да се огънат, да приклекнат, да вдигнат ръце и да скочат, за да избегнат препятствия. Участникът успешно избягва виртуално препятствие, ако никоя част от аватара му не докосне препятствието. Ако са осъществили контакт, изследователите са оценили тежестта на грешката по това колко от аватара е докоснал препятствието.

В един от дизайните на приложенията участниците биха могли да спечелят повече точки, като се придвижват, за да събират виртуални монети, което понякога ги кара да удрят препятствие.

„С увеличаването на сложността на задачите участниците се нуждаят от повече мотивация, за да постигнат същото ниво на резултатите“, каза Лопес. „Без значение колко ангажираща е дадена характеристика, тя трябва да насочи участника към изпълнение на целта, вместо да се връща назад или да губи време за тангенциална задача. Добавянето на повече функции не увеличава непременно производителността. "

Тъкър и Лопес създадоха предсказващ алгоритъм за прогнозиране на резултата от дадено събитие. Инструментът помогна да се класира потенциалната полезност на дадена игрална функция. След това тестваха колко добре всяка игра включва мотивирани участници при изпълнение на задачите за виртуална реалност.

Те сравниха резултатите от тестовете си с прогнозите на алгоритъма като доказателство за концепцията и установиха, че формулата правилно предвижда коя игра включва най-мотивираните хора във физически интерактивните задачи.

Изследователите установиха, че gamified приложения със система за оценка, възможност за избор на аватар и награди по време на игра водят до значително по-малко грешки и по-висока производителност от тези със система за победа или загуба, рандомизиран геймърски произход и базирани на производителността награди.

Шестдесет и осем участници тестваха два дизайна, които се различаваха само по характеристиките, използвани за изпълнение на същия набор от задачи.

Изследователите избраха тестваните функции на играта от най-високо класираните игри в магазина за приложения на Google Play, като се възползваха от функциите, които правят игрите склонни да се възползват и могат да се възпроизвеждат отново, а след това стесниха избора въз основа на наличната технология.

След това техният алгоритъм класира характеристиките на играта по това колко лесно дизайнерите могат да ги внедрят, физическата сложност на използването на функцията и въздействието на функцията върху мотивацията и способността на участника да изпълни задачата.

Изследователите откриха, че ако дадена функция на играта е твърде технологично трудна за включване в играта, твърде физически сложна, не предлага достатъчно стимули за допълнителни усилия или работи срещу крайната цел на играта, тогава функцията има ниска потенциална полезност.

Резултатите от проучването се появяват в списанието Компютри в човешкото поведение. Изследователите вярват, че техните открития могат да помогнат за повишаване на производителността на работното място и за персонализиране на класни стаи за виртуална реалност за онлайн обучение.

„Културата на игрите вече е изследвала и овладяла психологическите аспекти на игрите, които ги правят ангажиращи и мотивиращи“, каза Тъкър. „Искаме да използваме тези знания за целта на индивидуализираната оптимизация на работата на работното място.“

За целта Тъкър и Лопес искат да свържат производителността с психическото състояние по време на тези игрални физически задачи. Сърдечната честота, електроенцефалограмните сигнали и изражения на лицето ще бъдат използвани като прокси за настроението и психическото състояние, докато изпълняват задачи за свързване на настроението с функции на играта, които влияят на мотивацията.

Източник: Penn State