努力工作,更努力地玩乐:高强度游戏有助于从高精神工作负荷任务中恢复
荣誉提名作者
游戏用户体验与玩家行为严肃游戏与功能游戏运动员与健身爱好者电竞运动员
研究背景与问题
- 作者发现了哪些问题或挑战? 游戏被认为是一种有效的工作后恢复手段,但高认知投入的游戏对恢复的效果存在争议。传统的认知负荷模型(MWL)指出人们需要在高-低MWL之间进行循环以达到最佳状态,而高MWL游戏可能违背这一原则。此外,工作任务特点如何影响游戏恢复效果也尚未清晰。
- 为什么这个问题很重要? 工作相关压力会对心理健康和工作效率造成长期负面影响,有效的恢复活动可以缓解这些影响。探索与游戏相关的恢复经验有助于优化工作后恢复策略,并支持游戏在现实情境中的应用。
- 研究动机与相关工作:
- 现有研究表明,游戏可促进心理恢复,但关于认知负荷如何影响游戏体验及恢复的动态机制仍不明确。
- 部分研究(如Wulf等)表明,不同的认知负荷在工作及游戏中可支持不同的恢复效果,但工作任务需求对恢复活动选择及效果的影响尚未被充分研究。
解决方案
- 作者提出了哪些方法或解决方案? 作者设计并实施了一项实验,比较了高、低MWL游戏对高、低MWL工作任务后的恢复效果。他们使用了功能性近红外光谱(fNIRS)技术和自评量表,结合生理与心理数据对恢复进行多维度评估。
- 该解决方案的创新之处是什么?
- 通过同时测量脑部活动(fNIRS)和主观恢复评估,提供恢复体验的全面视角。
- 提出了一个新的模型,描述工作和恢复过程中的MWL动态及其对恢复体验的作用。
- 探索高MWL游戏的潜在恢复优势,并分析其与心理脱离、掌控感、放松等维度的关联。
- 实施步骤是什么?使用了哪些关键技术?
- 实验设计:
- 实施了2×2的实验设计:对40名参与者进行高/低MWL的工作任务和游戏组合测试。
- 工作任务使用音频转录任务,游戏使用经典的Pacman。
- 测量工具:
- 主观量表:NASA-TLX评估MWL、REQ评估恢复体验、ADACL评估能量唤起水平。
- 生理数据:使用fNIRS监测额叶脑区(DLPFC和OFC)的脑活动。
- 数据处理:
- 使用统计分析(混合ANOVA)和线性回归探索主观与生理数据之间的关系。
- 实验设计:
研究成果
- 取得了哪些具体成果?
- 游戏中的高MWL条件能有效促进工作后的心理脱离和掌控体验,有助于提升整体恢复效果。
- 工作任务的MWL会影响游戏中的恢复需求,且高MWL任务增加了掌控感需求。
- fNIRS结果揭示,高MWL游戏在游戏初期激活了DLPFC和OFC,但游戏中失败事件降低了这些脑区的激活水平。
- 提出了一个模型,说明MWL在工作与恢复体验中的作用——制定游戏层级(高/低MWL)可帮助工人根据工作负荷智能调整自己的恢复活动。
- 与现有解决方案相比,它有哪些优势?
- 综合了心理问卷和生理数据,提供了更细致的恢复动态分析。
- 挑战了传统MWL观点,指出高MWL游戏可对恢复起到正面作用。
- 解锁了fNIRS在恢复研究中的潜力,提出其未来可用于实时恢复管理。
- 实验或评估结果是什么?
- 主观恢复: 高MWL游戏显著提高了心理脱离和掌控维度的恢复效果,但放松维度受到挑战和负面情绪的影响未显著提高。
- 脑活动: 高MWL游戏前期激活DLPFC和OFC,但游戏失败事件导致去激活现象,提示挑战失败可能抑制恢复效果。
- 统计验证: fNIRS数据与恢复体验(心理脱离、掌控等维度)以及游戏MWL显著相关。
- 局限性与未来方向:
- 游戏类型:仅使用了Pacman游戏,缺乏对不同游戏类型的比较研究。
- 情境限制:工作任务为模拟任务,缺乏真实工作情境下的验证。
- 建议未来研究关注:延长工作与游戏间隔时间、研究任务复杂度对恢复需求的演化、以及生理数据在不同工作-恢复循环中的动态变化。
综上,这项研究为使用高MWL游戏进行工作恢复提供了科学支持,并提出一种结合生理与心理动态分析的创新框架,对后续的恢复体验研究和真实世界应用具有重要启示。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 高认知负荷的游戏能否有效促进工作后的心理恢复?分类: 特定疗法模态(ASMR、双耳节拍、冥想、游戏)的心理干预同类问题arrow_forward
- 工作任务的负荷特性如何影响游戏的恢复效果?分类: 特定疗法模态(ASMR、双耳节拍、冥想、游戏)的心理干预同类问题arrow_forward
- 高负荷游戏在恢复体验中如何影响心理分离、控制感和放松感?分类: 特定疗法模态(ASMR、双耳节拍、冥想、游戏)的心理干预同类问题arrow_forward
lightbulb
现实痛点
1- 工作压力使人们难以完全放松和恢复精神。分类: 特定疗法模态(ASMR、双耳节拍、冥想、游戏)的心理干预同类问题arrow_forward
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713915
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
荣誉提名
group
作者
5 位作者
sell
研究子方向
游戏用户体验与玩家行为、严肃游戏与功能游戏
work
职业/产业
运动员与健身爱好者、电竞运动员
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文