[論文レビュー] The Gamification Design Problem

Michael Meder, Brijnesh J. Jain|arXiv (Cornell University)|Jul 3, 2014

Educational Games and Gamification参考文献 21被引用数 3

ひとこと要約

本稿は、ゲームデザイン要素をユーザーに割り当てることで、目標達成に向けた期待寄与を最大化することを目的として、ゲーム化デザイン問題を統計的学習タスクとして定式化する。ユーザーのインタラクションデータの行列分解を提案し、ユーザーとデザイン要素の潜在的嗜好を学習することで、事前定義されたユーザー型やアンケートに依存せずにパーソナライズされたゲーム化を実現する。

ABSTRACT

Under the assumptions that (i) gamification consists of various types of users that experience game design elements differently; and (ii) gamification is deployed in order to achieve some goal in the broadest sense, we pose the gamification problem as that of assigning each user a game design element that maximizes their expected contribution in order to achieve that goal. We show that this problem reduces to a statistical learning problem and suggest matrix factorization as one solution when user interaction data is given. The hypothesis is that predictive models as intelligent tools for supporting users in decision-making may also have potential to support the design process in gamification.

研究の動機と目的

• ゲームデザイン要素への反応における個人差を考慮した、効果的なゲーム化システムを設計する課題に対処すること。
• アンケートに基づく従来のユーザー分類やプレーヤータイプに依存する手法を越え、偏りや時間的コストが生じる可能性があるため、それらを避けること。
• 目標志向の最適化問題としてゲーム化を定式化し、事前に定義された目標へのユーザーの寄与を最大化することを目的とすること。
• 観察されたインタラクションパターンに基づいて、個々のユーザーに適合したゲームデザイン要素を推薦するデータ駆動型の統計的手法を開発すること。
• パーソナライズされたゲーム化デザインに、スケーラブルで原理的根拠のある方法としての行列分解の有効性を検討すること。

提案手法

• ユーザーuがゲームデザイン要素gに対して感じると考えられる価値を表す、ユーティリティスコア行列Sを用いて、ゲーム化デザイン問題を行列補完タスクとして定式化する。ここで、s_ugはユーザーuのゲームデザイン要素gに対する認識価値を表す。
• スパースなユーザー-デザイン行列Sを、低ランクの潜在要因行列に分解するための行列分解を適用する：ユーザーのベクトルx_u ∈ ℝ^k およびゲームデザイン要素のベクトルy_g ∈ ℝ^k。
• 内積を用いて欠損スコアを予測する：ŝ_ug = x_u^T y_g。これにより、各ユーザーに対して最適なデザイン要素の推薦が可能になる。
• 既知のユーザー-デザインペアの集合Pにおける誤差の二乗和を最小化する最適化問題を解く：min_{x_*, y_*} Σ_{(u,g)∈P} (s_ug - x_u^T y_g)^2。
• 学習された潜在要因を、ユーザーの嗜好やデザイン要素の特徴の暗黙的表現として解釈し、人為的に定義されたプレーヤータイプの代替となるデータ駆動型の手法を提供する。
• 潜在空間ℝ^kを連続的な埋め込み空間とみなす。ここで、ユーザー間およびデザイン要素間の類似性は、期待される関与度を反映する。

実験結果

リサーチクエスチョン

• RQ1 ゲームデザイン要素への反応における個人差を考慮しつつ、ユーザー寄与を最大化するように、ゲーム化を体系的かつ効果的に設計する方法は何か？
• RQ2 アンケートや事前定義されたプレーヤータイプに依存せずに、ユーザーのインタラクションデータを活用して、自動的にパーソナライズされたゲームデザイン要素の推薦を導き出すことは可能か？
• RQ3 行列分解は、ゲーム化文脈において、ユーザーの潜在的嗜好とデザイン要素の特徴をどの程度正確にモデル化できるか？
• RQ4 従来の顧客セグメンテーションやプレーヤータイプに代わる潜在要因モデルが、ゲーム化デザインに与えるインパクトは何か？
• RQ5 ゲーム化デザインプロセスを、ユーザー行動データに基づく統計的学習問題としてどのように形式化できるか？

主な発見

• ゲーム化デザイン問題は、ユーザーのインタラクションデータを用いて行列補完タスクとして再定式化可能であり、これによりデータ駆動型のパーソナライズが実現できる。
• 行列分解は、スパースなユーティリティスコア行列から、ユーザーおよびデザイン要素の潜在的要因を効果的に学習でき、未観測のデザイン要素に対するユーザーの嗜好を予測可能である。
• 行列分解によって得られた潜在要因は、ユーザー嗜好やデザイン要素の特徴の暗黙的表現として解釈可能であり、人為的に定義されたプレーヤータイプの計算的代替手段として機能する。
• 観察されたユーザー行動から直接学習することで、アンケートやチェックリストに起因するバイアスや高コストな作業を回避できる。
• 明示的なユーザー分類を必要とせず、目標達成に向けた期待寄与を最大化するように、ゲームデザイン要素をユーザーにパーソナライズして割り当てることが可能である。
• フレームワークは拡張可能であり、今後の研究で時間的動的要因や行動ベースの分類器を統合できるが、データ制限のためこれらは今後の研究に委ねられている。