玩家想要什么:游戏后可视化信息的需求

荣誉提名
交互式数据可视化游戏用户体验与玩家行为游戏开发者与设计师电竞运动员与直播主播电竞运动员

文献标题

《玩家需要什么:后游戏可视化中玩家的信息需求》

文献信息

  • 主题领域: 游戏数据可视化与用户研究
  • 关键词: 游戏、玩家、游戏可视化、信息需求、技能提升、后游戏数据分析、竞争游戏、用户体验、训练可视化、数据驱动分析

研究背景与问题

  • 作者发现了哪些问题或挑战?

    • 随着竞争性在线游戏和电竞的普及,玩家需要通过复盘游戏数据和可视化来反思并改进其游戏表现。
    • 尽管游戏内的数据可视化逐渐受到关注,针对玩家核心需求的设计研究却非常有限。
    • 当前的游戏数据可视化主要服务于开发者,而忽略了玩家这一重要用户群体。
  • 为什么这个问题很重要?

    • 如果没有针对用户需求的深入理解,玩家可视化设计可能无法有效地支持技能提升和游戏理解。
    • 系统化理解玩家需求可优化用户体验,促进技能提升,还能帮助更好地开发游戏内用户界面和开发者分析工具。
  • 研究动机与相关工作

    • 本研究旨在弥补这一研究空白,通过探索玩家对后游戏数据可视化的信息需求及其背后的目标来为未来的设计提供指导。
    • 涉及三种流行的竞争游戏类型:即时战略游戏(RTS)、多人在线战术竞技游戏(MOBA)和大逃杀游戏(BR)。

解决方案

  • 作者提出了哪些方法或解决方案?

    • 采用混合方法(半结构化访谈和在线问卷调查)。
    • 研究聚焦于探索:
      • 玩家使用后游戏可视化的目标(学习、反思等)。
      • 决策时依赖的重要信息。
      • 后游戏可视化中需要包含的内容。
  • 该解决方案的创新之处是什么?

    • 综合质性和量化方法,通过访谈深入探讨玩家需求,而通过大规模问卷调查量化各需求的普遍性和重要性。
    • 针对不同类型的游戏进行详细比较,揭示了不同种类游戏玩家的信息需求差异。
    • 提出了后续可视化设计中的高层次设计原则与指导。
  • 实施步骤是什么?使用了哪些关键技术?

    1. 半结构化访谈(N = 16):
      • 招募覆盖不同经验的玩家。
      • 通过分析访谈内容,归纳主题和高层需求。
    2. 在线调查(N = 264):
      • 面向更大样本玩家进行问卷调查。
      • 使用Likert量表评估访谈提炼出的主题的重要性。
      • 应用非参数测试(如Kruskal-Wallis 分析)对不同类型游戏的数据进行统计检验。

研究成果

  • 取得了哪些具体成果?

    1. 玩家目的(为什么使用可视化):
      • 学习与技能提升是主要目标,包括从其他玩家的表现中学习、理解自身错误及游戏局势。
      • 提高效率,尤其是在资源分配、移动路径选择等方面。
      • 预测并反制敌方行动,减少可预测性。
    2. 关键信息需求
      • 所有流派中,位置与移动信息是最重要的。
      • 每类游戏的需求差异显著,如RTS玩家更重视资源与建筑信息,而MOBA玩家更强调角色等级与装备。
    3. 可视化内容
      • 高层概念(如地图控制、战斗影响力)比简单统计数据(如击杀次数、得分)更被看重。
      • 不同类别游戏玩家对可视化数据的细粒度设定需求有所区别。
    4. 数据可信度:
      • 玩家对数据可信度的关注表明,系统设计需确保数据显示的准确性与可解释性。
  • 与现有解决方案相比,它有哪些优势?

    • 直接针对玩家,提出了跨游戏类型的信息需求清单,为可视化设计提供实践参考。
    • 着重讨论如何结合低层数据与高层分析,以更好地服务玩家学习目的。
  • 实验或评估结果是什么?

    • 三类游戏玩家对后游戏可视化使用目的及信息需求的评价表现出显著的差异。
    • 用户对“高层概念”的可视化展现出高度认同,强调了抽象总结数据的重要性。
  • 局限性与未来方向

    • 局限性:
      • 涉及的游戏类型有限,未涵盖第一人称射击游戏等其他流行类型。
      • 假设三类游戏玩家的需求反映全部竞争游戏玩家的普遍需求,可能存在局限。
    • 未来方向:
      • 扩展研究至更多游戏流派和用户群体(如旁观者、分析师)。
      • 进一步探索用户偏好背后的具体动因,开发专用于技能提升的新型可视化工具。
      • 设计和评估考虑长效学习的可视化工具,进行长期实验研究。

输出格式改进和优化

  • 本文成果为后游戏可视化设计提供了详尽的理论和实践指南,尤其适用于需要设计训练工具的研究者及开发者。
  • 未来研究需以本文为基础,结合人机交互研究和可视化最佳实践,进一步提升玩家体验与学习效果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/47678/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445174
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
交互式数据可视化、游戏用户体验与玩家行为
work
职业/产业
游戏开发者与设计师、电竞运动员与直播主播、电竞运动员
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文