[论文解读] Data-driven Design: A Case for Maximalist Game Design

Gabriella A. B. Barros, Michael Cerny Green+2 more|arXiv (Cornell University)|May 30, 2018

Digital Games and Media参考文献 27被引用 3

一句话总结

本文提出了一种基于数据驱动的极繁主义游戏设计方法，通过 Data Adventures 框架将多样化的开放数据源（如 Wikipedia 和 OpenStreetMap）整合至程序化生成的冒险游戏中。该方法构建了一个以数据转换与保真度、功能性与装饰性内容平衡为核心的设计空间，同时强调了偏见、错误信息及对真实个体不当表征等伦理风险。

ABSTRACT

Maximalism in art refers to drawing on and combining multiple different sources for art creation, embracing the resulting collisions and heterogeneity. This paper discusses the use of maximalism in game design and particularly in data games, which are games that are generated partly based on open data. Using Data Adventures, a series of generators that create adventure games from data sources such as Wikipedia and OpenStreetMap, as a lens we explore several tradeoffs and issues in maximalist game design. This includes the tension between transformation and fidelity, between decorative and functional content, and legal and ethical issues resulting from this type of generativity. This paper sketches out the design space of maximalist data-driven games, a design space that is mostly unexplored.

研究动机与目标

• 探索受艺术极繁主义启发的、融合异构数据源的数据驱动游戏设计空间。
• 考察为游戏性而转换数据与保留原始数据形式（保真度）之间的权衡。
• 研究数据在游戏内容中作为功能性与装饰性元素的双重作用。
• 识别从开放数据中生成游戏时可能面临的伦理与法律挑战，如偏见、错误信息或不准确数据。
• 提出一个支持创造力、学习与数据批判性参与的极繁主义游戏设计框架。

提出的方法

• 利用 Data Adventures 系列游戏生成器，从 Wikipedia 和 OpenStreetMap 等开放数据中创建冒险游戏。
• 沿着两个维度映射设计空间：数据转换 vs. 数据保真度，以及功能 vs. 装饰性。
• 应用程序化内容生成（PCG）技术，将数据重新组合为以叙事为核心的游戏，例如谋杀谜案类游戏。
• 分析生成游戏的叙事连贯性、数据准确性以及伦理影响，如错误表征或偏见。
• 通过类比数据游戏设计与拼贴、采样和混音等艺术实践，构建概念框架。
• 评估真实案例，包括虚构化真实名人死亡的游戏，以评估伦理风险。

实验结果

研究问题

• RQ1 以数据为基础设计的游戏被称为极繁主义，其含义是什么？这与传统程序化游戏设计有何不同？
• RQ2 为游戏性而转换数据与保持对原始数据源保真度之间的权衡是什么？
• RQ3 功能性与装饰性地使用数据如何塑造数据驱动游戏的特性与质量？
• RQ4 极繁主义数据驱动游戏可实现何种目的？目的如何影响设计选择？
• RQ5 在游戏生成中结合开放数据会引发哪些新的法律与伦理问题，如偏见、错误信息或冒犯性内容？

主要发现

• Data Adventures 生成器成功利用开放数据创建了可玩的冒险游戏，包括基于真实人物与地点的叙事性谋杀谜案。
• 在生成内容中观察到显著偏见，100 场游戏中最常出现的10个地点中有8个位于北美洲，反映出 Wikipedia 和 DBpedia 数据中的偏见。
• 发生了数据误表征的案例，例如搜索玛格丽特·撒切尔时返回了昂山素姬的图片，凸显了自动化数据关联的风险。
• 涉及真实名人作为受害者或罪犯的游戏（如贾斯汀·比伯的虚构谋杀）引发了伦理担忧，可能造成无意伤害或公众认知偏差。
• 使用社交媒体数据或热门话题会增加生成冒犯性或挑衅性内容的风险，因其可能关联到易变或刻板的联想。
• 尽管存在风险，数据驱动的极繁主义游戏仍具有潜力，可通过叙事与游戏机制让玩家与数据互动，实现引人入胜且个性化的学习体验。