[논문 리뷰] Do people's user types change over time? An exploratory study

Ana Cláudia Guimarães Santos, Wilk Oliveira외 2명|arXiv (Cornell University)|2021. 06. 18.

Educational Games and Gamification참고 문헌 45인용 수 13

한 줄 요약

이 탐색적 연구는 게임화 환경에서 사용자 유형이 시간이 지남에 따라 변화하는지 여부를 헥사드 모델을 사용해 조사한다. 6개월 간 74명의 참가자를 대상으로 분석한 결과, 주요 사용자 유형과 하위 척도 점수에 유의미한 변화가 나타나 사용자 유형이 정적보다는 동적인 성격을 띠며, 게임화 시스템에서 고정된 개인화가 이루어진다는 가정에 도전한다.

ABSTRACT

In recent years, different studies have proposed and validated user models (e.g., Bartle, BrainHex, and Hexad) to represent the different user profiles in games and gamified settings. However, the results of applying these user models in practice (e.g., to personalize gamified systems) are still contradictory. One of the hypotheses for these results is that the user types can change over time (i.e., user types are dynamic). To start to understand whether user types can change over time, we conducted an exploratory study analyzing data from 74 participants to identify if their user type (Achiever, Philanthropist, Socialiser, Free Spirit, Player, and Disruptor) had changed over time (six months). The results indicate that there is a change in the dominant user type of the participants, as well as the average scores in the Hexad sub-scales. These results imply that all the scores should be considered when defining the Hexad's user type and that the user types are dynamic. Our results contribute with practical implications, indicating that the personalization currently made (generally static) may be insufficient to improve the users' experience, requiring user types to be analyzed continuously and personalization to be done dynamically.

연구 동기 및 목표

• 게임화 환경에서 사용자 유형이 6개월 간 안정적인지 여부를 조사하는 것.
• 초기 평가 기반으로 정적 사용자 유형 분류의 신뢰성을 게임화 시스템에서 평가하는 것.
• 동적인 사용자 유형이 개인화된 게임화 설계에 끼치는 영향을 탐색하는 것.
• 사용자 경험 향상을 위해 지속적인 사용자 유형 평가의 필요성을 규명하는 것.
• 행동 데이터 또는 머신러닝을 활용해 사용자 유형 변화를 예측하는 데 기초가 되는 향후 연구 기반 마련

제안 방법

• 6개월 간격으로 74명의 참가자에게 헥사드 사용자 유형 설문지를 시행하였다.
• 참가자를 여섯 가지 사용자 유형으로 분류하기 위해 헥사드 모델을 사용하였다: 성취자, 후원자, 사회적 유형, 자유정신형, 플레이어, 뒤바꿈형.
• 두 시점 간 주요 사용자 유형과 모든 헥사드 하위 척도 평균 점수를 비교하였다.
• 사용자 유형 프로파일의 시간에 따른 변화를 탐지하기 위해 종단적 탐색 연구를 수행하였다.
• 사용자 유형 점수와 우세도의 차이를 분석하여 사용자 프로파일의 안정성을 평가하였다.
• 초기 데이터 또는 상호작용 로그를 활용해 사용자 유형 변화를 예측하는 예측 모델링을 포함한 향후 연구 방향을 제안하였다.

실험 결과

연구 질문

• RQ1 게임화 환경에서 사람들의 주요 사용자 유형이 6개월 간 변화하는가?
• RQ2 헥사드 하위 척도 평균 점수가 시간이 지남에 따라 안정적인가, 아니면 유의미하게 변화하는가?
• RQ3 개별 사용자 유형 프로파일이 여러 평가 간 일관성 유지 정도는 어느 정도인가?
• RQ4 사용자 유형의 동적 성격이 게임화 시스템에서 정적 개인화의 효과성에 어떤 영향을 미치는가?
• RQ5 evolving 사용자 프로파일에 대응하는 적응형 게임화 시스템 설계에 있어 어떤 함의가 있는가?

주요 결과

• 참가자 다수(50% 이상)가 첫 번째 평가와 두 번째 평가 사이에 주요 사용자 유형에 변화를 보였다.
• 두 시점 간 헥사드 하위 척도 평균 점수에 유의미한 차이가 발견되어 동기 프로파일의 변화를 시사하였다.
• 연구에서 사용자 유형이 시간이 지남에 따라 안정되지 않음을 관찰하여, 게임화 설계에서 고정된 사용자 프로파일을 가정하는 데 도전하였다.
• 결과적으로 단일 평가 기반 정적 개인화 전략이 사용자 참여를 유지하는 데 부족할 수 있음을 시사하였다.
• 연구는 사용자 유형 변화에 대응하기 위해 지속적인 모니터링과 동적 적응이 필요하다고 강조하였다.
• 향후 연구는 초기 설문지 응답 또는 상호작용 데이터를 활용해 사용자 유형 변화를 예측하는 모델링을 탐색해야 한다.