论文阅读-26-05w4

每周论文阅读笔记~

Emotion Design for Video Games: A Framework for Affective Interactivity

把情绪理解为一个跨时间、依赖上下文、由互动持续构成的动态构成，建立一个“游戏-玩家情绪交互”的统一理论框架，提出一种通过“情绪反馈闭环”实现情绪自适应游戏的方法论

有关情绪（Emotion）

Emotion 并不等于所有的 Affective States（情感状态），Emotion 的特点在于持续时间较短、强度较高，并且往往由某个具体事件触发。
$$
Affect = Emotion + moood + attitude + ….
$$

现代心理学对于“Emotion 到底是什么”并没有统一的答案。不同理论对于情绪的本质、结构与来源有着明显不同的理解。有关情绪是 连续的/离散的，是 人类天生固有的/大脑结合环境与经验动态构建出来的（很哲学了)

有关情绪的研究，有一定的共识：情绪由多个部分组成（生理、行为、主观感受），情绪与个体对事件的主观评估密切相关，并且会受到环境、context 和个体差异的影响。

情绪是一个随时间持续变化与演化的动态过程。

Emotion 在生产中的实际应用

同一个产品，在不同人的 appraisal 下，会产生不同的理解与情感体验（1000个读者有1000个哈姆雷特）

Norman基于认知处理过程，提出了设计的三个层级

​ 本能层（visceral level）：对应直觉性的即时反应

​ 行为层（behavior level）：对应使用过程中的行为与操作

​ 反思层（reflective level）：对应有意识的主观体验与思考

整个游戏设计过程应该围绕“目标体验的激发”展开（Schell）；玩家会发挥主观能动性寻找符合某种主观体验的内容（比如喜欢 fps，就会玩 fps 类型的游戏）

作品与用户之间的情绪交互循环

the player

​ 1️⃣情绪由多个组成部分构成（例如生理反应、行为表现以及主观感受）

​ 2️⃣ 主观评价（appraisal）是情绪体验中的核心部分

​ 3️⃣ 主观评价（appraisal）的过程以及情绪体验本身会受到 context 的影响

​ 4️⃣ 主观评价（appraisal）的过程以及情绪体验会受到个体差异的影响

​ 5️⃣ 情绪会随着时间不断演化

the game

​ 游戏系统通过“情绪检测 —— 情绪诱发 —— 动态适应”这三个模块，与玩家形成 loop

如何通过 emotional i/o 连接用户和游戏

​ 1️⃣ 游戏如何制造情绪

什么样的 gameplay / narrative / challenge 会诱发目标的情绪

​ 2️⃣ 游戏如何理解情绪

什么样的用户输入能够反应玩家当前的状态

提出的有关情绪设计的游戏设框架

情绪设计不能简单依赖固定的情绪分类或者经验判断，而应该通过用户研究，明确什么样的游戏内容会诱发什么样的情绪体验，什么样的用户输入能够反应玩家当前的情绪

Emotional Output

关注游戏如何通过 narrative、challenge、music、pacing 等游戏元素来诱发目标情绪。

情绪体验不是由游戏内容本身直接决定的，而是玩家在特定的 context 下经过 appraisal 后形成的结果，因此需要结合具体玩家群体进行测试验证

Emotional Input

关注游戏如何理解玩家当前的情绪状态，作为进一步动态调整游戏的依据

---

MDA

从三个方向，Mechanics（机制）、Dynamics（动态）、Aesthetics（美学）来解释游戏的构成以及如何影响玩家的体验。一个优秀的游戏需要达成三者的动态平衡

在设计游戏时，应该先想明白想要给玩家的体验，总结对应的玩法流程，最后落实到游戏的主题机制

Large Language Models in Game Development: Implications for Gameplay, Playability, and Player Experience

当游戏中真正把 LLM 作为游戏系统的一部分时，会对 gameplay、playability 和 px 产生什么影响

gameplay 关注游戏中“玩家能够进行哪些活动”；playability 关注这些活动“能够以多高质量被执行”；px 关注玩家在交互过程中产生的感知与反应

Impact on Gameplay

LLM 在稳定的规则框架上，叠加了概率生成的内容，引入了变化性，但是底层的 gameplay 逻辑仍然稳定

Impact on Playability

LLM 的不稳定容易让 playability 崩溃，如何约束 LLM 的生成自由度？

1️⃣ difficulty calibration。对游戏的 pacing， progression cruve 带了影响

2️⃣ correctness。AI 生成的内容可能本来就是错的

​ 比如说产出一道没有正确答案的选择题。会影响游戏的 fairness，trust，legitimacy

3️⃣ statistical bias。AI 生成的内容是有规律的，player可以抓住规律，利用漏洞，不按照策划的想法进行游戏

Impact on PX