Hexad-12：开发和验证游戏化用户类型Hexad量表的短版本

文献标题

Hexad-12: Developing and Validating a Short Version of the Gamification User Types Hexad Scale

文献信息

• 主题领域: 用户类型建模、游戏化研究、人机交互
• 关键词: 游戏化, 个性化, Hexad, 用户类型, 游戏玩家类型, 定制化游戏化, 自适应游戏化

研究背景与问题

• 问题概述:

  • 原24题目的Hexad量表用于评估不同用户对于游戏化系统的偏好，然而其长度可能导致在线调研中的弃答率升高、回答者的屏幕疲劳增加，从而降低数据质量。
  • 在工业和快速迭代的用户体验（UX）设计场景中，长量表不利于集成与应用。
  • 当前用于动态个性化游戏化的工具侵入性较高，可能破坏沉浸感。

• 重要性:

  • 量表优化有助于提升问卷完成率和数据质量，进而提高个性化游戏化设计的效果。
  • 对Hexad模型进行缩短优化可推动其在研究与工业场景的广泛普及，特别是在移动设备和时间受限的应用场景中。

• 研究动机与相关工作:

  • 当前研究表明，不同用户类型对游戏化元素的偏好差异显著，量表个性化显得尤为重要。
  • 现有的Bartle和BrainHex模型普适性与模型验证有限，Hexad是专门针对游戏化情境开发的用户类型模型，具有一定优势。
  • 此前发现Hexad-24在特定维度上的模型拟合度与测量一致性存在问题，亟需优化。

解决方案

• 方法与解决方案:

  • 开发并验证12题目版本的Hexad用户类型量表（Hexad-12），以替代原来的24题目版本（Hexad-24）。
  • 使用探索性因子分析法（EFA）和确认性因子分析法（CFA），选取每个用户类型的最佳条目，确保新量表能够保留原模型的理论构造。

• 创新之处:

  • 提出12题目短版量表（Hexad-12），显著缩短完成时间，同时在内部一致性、模型拟合度、收敛和区分效度方面显著优于Hexad-24，实现高效、可靠的用户类型评估。
  • 关注不同用户类型中对游戏化元素的独特需求，提升工具在静态与动态游戏化适配中的实用性。

• 实施步骤与关键技术:

  1. 条目选取:
     • 从两个先前数据集（样本量共882）中通过EFA选取合适条目。
     • 使用内部一致性分析和因素载荷值交叉对比评估每个条目的贡献。
  2. 模型验证:
     • 在新数据集中（样本量1101）运用CFA测试Hexad-12在模型拟合及信效度上的表现。
  3. 与Hexad-24对比:
     • 比较Hexad-12与Hexad-24的模型拟合度（RMSEA、CFI、TLI等）。
     • 验证Hexad-12是否忠实反映原24题目量表的构造。

研究成果

• 具体成果:

  • Hexad-12在心理测量学属性（模型拟合度、信效度）上优于Hexad-24。
  • Hexad-12的结构更清晰，六个用户类型彼此区分更明显。
  • 模型拟合度结果显示：Hexad-12的RMSEA=0.04、CFI=0.98、TLI=0.97，均处于优秀水平。
  • 五种用户类型的内部一致性达到可接受水平（Cronbach's α ≥ 0.7），只有Achiever类型稍低（Cronbach's α = 0.67）。

• 与现有解决方案的比较优势:

  • Hexad-12克服了Hexad-24在模型拟合和量表有效性上的问题，提供了时间效率更高的评估方式。
  • 针对移动设备、快速UX迭代及时间受限的应用场景，Hexad-12用时更少、更便捷。

• 实验或评估结果:

  • 二元与典型相关分析显示，Hexad-12能很好地反映Hexad-24的构造，共享近100%的变量方差。
  • 在用户类型区分效度上，Hexad-12明显超越Hexad-24。

• 局限性与未来方向:

  1. 条目方面:
     • Hexad-12部分类型（如Free Spirit）在特定理论构面（如自我表达和好奇心）上未被完整覆盖，需进一步优化。
  2. 稳定性问题:
     • 未验证Hexad-12的重测信度，后续研究需要探索用户类型的时间稳定性。
  3. 推广与泛化:
     • Hexad-12主要基于英语环境开发，尚需扩展至更多语言和文化背景。
     • 对不同年龄段（如儿童、老年人）的适用性尚待验证。
  4. 研究方法限制:
     • 当前基于量表精简与验证路径，未来可结合定性方法（如专家及用户访谈）增强量表的理论构造。

该文献通过提出精简版本的Hexad模型量表，为学术研究与工业应用中游戏化用户类型的高效测量提供了有力工具，并且通过系统验证表明了其有效性与可靠性，为个性化用户体验设计开辟了新方向。