چکیده 

        شخصی سازی یک روند رو به رشد در پژوهش بازی وار سازی  است، و چند تن از محققین پیشنهاد دادند که سیستم های بازی نمایی شده  باید مشخصه‌های شخصی را در نظر بگیرند. به هر حال، ایجاد طراحی‌های بازی انگاری شده  خوب یک تلاش فشرده است چرا که این موارد و سیستم‌های طراحی شده در تعامل با هر کاربر تنها به بار کاری اضافه می کنند. ما انتخاب محتوای شخصی سازی مبتنی بر الگوریتم یادگیری ماشین را برای بررسی بخشی از این مشکل پیشنهاد دادیم و یک فرآیند را برای ایجاد طراحی‌های شخصی ارائه دادیم که خودکار سازی بخشی از اجرا را اجازه می دهد. فرآیند بر اساس چارچوب Deterding’s 2015 برای طراحی‌های بازی نمایی شده، از دیدگاه اتمی مهارت‌های ذاتی، با مراحل اضافی برای انتخاب استراتژی شخصی سازی و ایجاد الگوریتم است. سپس فرآیند را با اجرای بازی نمایی شخصی شده برای یک محیط یادگیری همکاری پشتیبانی شده تشریح می شود، ما از نوع کاربر گیمیفیکیشن برای شخصی سازی و اکتشافاتی برای طراحی موثر گیمیفیکیشن برای طراحی کلی استفاده می کند. نتایج فرآیند طراحی استفاده شده یک مجموعه قواعد اگاه از زمینه، گیمیفیکیشن شخصی سازی شده برای محیط‌های همکاری است. در آخر، ما متدی را برای تفسیر مجموعه قواعد گیمیفیکیشن برای الگوریتم دسته بندی قابل خواندن توسط ماشین با استفاده از القاکننده قانون CN2 ارائه می دهیم. 

1. مقدمه 

         گیمیفیکیشن استفاده از عناصر شبیه به بازی برای محیط‌های غیربازی است [13]. ادبیات موضوعی اخیر پتانسیل گیمفیکیشن را در آموزش ارزیابی کرده اند دریافته اند که چند مفاهیم مثبت، مانند افزایش تعامل و انگیزه [14, 46, 53] همراه با را به پیامدهای منفی، مانند رقابت غیرتولیدی یا اشباع پاداش که به انگیزه زدایی منجر می شود وجود دارد [16, 18]. نویسنده‌های متفاوت به تفاوت‌های مفهومی و شخصی برای توضیح این نتایج ترکیبی اشاره میکنند و برای در نظر گرفتن این ویژگی‌ها خواستار پژوهش بر ویژگی‌ها شدند [3, 40, 59]. چندین محقق پیشنهاد دادند که سیستم‌های بازی انکاری شده باید برای کاربران متفاوت سیستم طراحی شوند تا پتانسیل کامل سیستم‌های بازی انگاری شده را تحقق بخشند [11, 22, 45, 48, 61].

         برخی از پژوهش‌ها در سیستم‌های بازی انگاری شده تطبیقی اجرا شده اند [5]. به هر حال، ما بر تفاوت بین گیمیفیکیشن تطبیقی تاکید می کنیم، که سیستم بازی انگاری شده به شرایط متفاوت، و گیمیفیکیشن شخصی واکنش نشان می دهد، که سیستمی است که قادر به پاسخ دادن ساختار یافته تری به شرایط و مشخصه‌های کاربران است. پژوهش کمی بر سیستم‌های گیمیفیکیشن شخصی سازی شده [6]، و چند مطالعه بر طراحی این سیستم‌ها [4, 49] وجود دارد. یک مسئله اصلی در گیمیفیکیشن شخصی سازی شده این است که اگر یک فرد انتخاب کند که کدام استراتژی شخصی سازی شده برای کدام کاربر انتخاب شود، بسیار زمان بر است، و نیازمند نظارت ثابت است، و بسیار هزینه بر است. هر استرتژی شخصی سازی شده جدید ضرورتا باعث طراحی گیمیفیکیشن با کار فشرده و اجرای کار برای تکثیر است.

این مقاله در نشریه اسپرینگر منتشر شده و ترجمه آن با عنوان طراحی گیمیفیکیشن در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:

A process for designing algorithm-based personalized gamification