JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

我们提出了一种方法,能够测量观众在社交数字游戏中的参与度,结合生理和自我报告的数据。由于这个数字游戏涉及一群自由移动的人,体验是使用同步技术拍摄的,该技术将生理数据与游戏中的事件联系起来。

摘要

这种方法的目的是评估一组有运动跟踪系统的参与者在社交数字游戏中观众参与的明确和隐含的衡量指标。在不局限于屏幕内的游戏环境中,测量参与度的不同维度(如生理觉醒)可能具有挑战性。研究的重点是比赛的观众和他们根据互动性参与的差异。参与度通过生理和自我报告的觉醒以及实验结束时的参与问卷来衡量。生理觉醒是用电皮活性 (EDA) 传感器测量的,这些传感器记录便携式设备 (EDA 框) 上的数据。可移植性是必不可少的,因为游戏的性质,这是类似于一个真人大小的乒乓球,包括许多参与者移动。为了全面了解游戏事件,使用三台摄像机拍摄游戏场地的三个角度。为了将 EDA 数据与游戏中发生的事件同步,使用带有数字数字的框并放入摄像机的帧中。信号从同步框同时发送到 EDA 框和灯箱。灯箱向摄像机显示同步号码,相同的数字也记录在 EDA 数据文件上。这样,就可以记录在大型空间中自由移动的许多人的 EDA,并将此数据与游戏中的事件同步。在我们特定的研究中,我们能够评估唤醒不同相互作用条件的差异。这种方法的局限性之一是信号发送距离不能超过20米。因此,这种方法适用于在玩家数量不限但空间有限的游戏中记录生理数据。

引言

研究比赛观众的经验有助于更好地了解比赛的积极和消极方面,反过来,可以帮助改善其设计1。博彩业最近的创新使新型体验从传统的基于游戏机的游戏2向前发展。使用不局限于屏幕内的运动跟踪系统的数字游戏,观众不必再被定位在固定位置。这一新的现实在评估观众体验方面带来了挑战。实验是在游戏创作者的工作室进行的,但可以在实验室设置或其他有足够的空间来适应游戏的环境中复制。

这种方法的目的是衡量社交数字游戏中的观众参与度。更确切地说,当观众能够访问影响游戏的 Web 应用程序时,将测量导致参与度的唤醒。此方法结合了生理和自我报告的数据。由于这个游戏是社交的,涉及一群移动的人,实验被拍摄。通过使用摄像头和便携式生理设备,我们能够将生理数据与游戏中的事件同步。便携式设备 (EDA 盒) 是连接到记录生理活动的电极的 3D 打印盒。这些盒子有一个开/关开关,视觉指示器,一个微型SD卡插槽和充电插槽。视觉指标有助于排除故障。例如,这些指示微系统是否正常工作,显示蓝牙和 Wi-Fi 连接的状态,以及是否记录了生理数据。

使用生理测量是衡量游戏参与度的一种常见和验证的方法生理价值已在视频游戏4的背景下测量。它也已被用于其他研究领域,如教育5。由于情感参与是无法观察到的,自我报告可能有偏见,查兰等人已经使用生理觉醒来评估情绪参与的学习者正在解决问题5。他们用电皮活性(EDA)测量生理觉醒,这是一种广泛使用的方法6。EDA是皮肤导电性的测量,根据汗腺活性的差异而变化此测量与实时情绪变化的重要相关性。EDA 与许多结构相关,如压力、兴奋、挫折和参与度7。因此,建议将EDA数据与自报响应进行补充,将数据与正确的构造3关联。自我评估马尼金(SAM)是一个自我报告的象形尺度,评估情感的三个维度:价值,觉醒和支配8。当前的工作使用唤醒维度,使用视觉 9 点 Likert 刻度进行评估,范围从平静到兴奋。感知觉醒已与生理觉醒7结合使用。

在传统的电子游戏环境中,观众坐在椅子上,在实验期间或多或少地保持相同的位置。他们预计会查看操作发生的屏幕。这种设置已经看到在以前的游戏研究使用生理数据9。在这种情况下,在记录生理数据10的同时开始录制游戏很简单。

在屏幕外播放的新数字游戏中,参与者站立并可以自由移动,传统的 EDA 录制可能不合适。这项研究中使用的游戏类似于真人大小的乒乓球11。这场比赛由一个球和两个桨组成,每个桨都放在比赛场地的四肢上。玩家移动桨,以便将球从球场的一端推到另一端。在用于此研究的版本中,游戏被投影在地面上,玩家使用他们的身体作为桨的控制器。运动检测技术允许桨跟随位于操场对面的两名玩家。玩家如何防止球击中他们身后的虚拟墙的例子出现在 图1中。游戏还包括站在操场两侧的观众,他们可以使用智能手机来影响游戏。使用移动网络应用程序,观众可以投票选出某些可能帮助或伤害玩家的电源或障碍物(例如,更少的墙壁与更多的球,或调节球的速度)。得票最多的选项获胜。

在这项研究中,我们调查了互动对观众的影响。交互的条件有或没有智能手机。我们比较了观众在这两个条件下的参与程度。用于交互性条件的主体内设计,以评估唤醒的差异,从而评估参与度。在目前的研究中,12人组是理想的促进生态有效性的游戏12。两个人作为球员和10人作为观众。只有两个EDA框可供我们的研究,所以我们共有8个组,总共16个EDA数据集(两个参与者每组12个EDA记录)。每个公众被随机分配到两个游戏,访问他们的智能手机,以影响游戏和一个游戏,而不能访问他们的智能手机。游戏参与文献表明,提供许多互动选项可以导致更高的参与度13。教育研究发现,生理觉醒与情感参与有关。基于游戏参与文学和教育研究,我们假设,让观众接触互动将增加觉醒,进而增加他们的参与度。

与玩家体验研究相反,关于数字游戏观众的研究很少使用心理生理学措施。他们大多以问卷14、观察15和访谈16完成。在观众中使用心理生理测量方法的一个困难是,他们往往是一个群体,他们的动作比球员的动作更难以预测。此方法使用多个摄像头捕获参与者和灯箱,使参与者的视频和生理数据能够连接。

由于我们使用智能手机条件的内在主题设计,每个受试者都参加了两个具有交互性条件的游戏,使用他们的智能手机,并在控制条件下参加一个游戏,而无需使用他们的智能手机。因此,将 EDA 数据与每场比赛的开始和结束同步对于评估每个交互状态的差异至关重要。由于房间的尺寸,不可能在观众身上同时开始录制所有三台摄像机。为了克服这个问题,我们使用了一种新的同步技术,称为无线同步协议,用于获取多式联运用户数据17。蓝牙低能量 (BLE) 信号从同步框同时发送到 EDA 框和灯箱(见图 2)。同步框是一个 3D 打印框,带有开/关、自动/手动开关和按钮。手动功能用于使用按钮测试信号。这些信号是从一个开始,显示在 3D 打印灯箱上的增量数字。摄像机上显示数字,EDA 数据文件上也记录相同的数字(见 图 3)。这允许将游戏中发生的事件同步到 EDA 录制中的变化。在我们的例子中,确定的事件是三场比赛的开始和结束。然后,我们可以将游戏链接到条件和参与者编号。通过这种方式,我们确定了哪个数据集与每个条件相对应。

下一节描述了允许使用考特曼奇等人开发的技术的协议。我们调整了技术来回答我们的研究问题。本协议从我们机构的道德委员会获得了道德证书。在此协议中,我们使用生理设备18,安装在3D打印外壳中。我们将将设备称为 EDA 框(用于记录参与者 EDA 的框)、灯箱(带有数字光的框)和同步框(向 EDA 框发送信号的框和用于同步数据的灯箱)。支持无线同步协议以获取多式联运用户数据17 的同步软件嵌入到框中。

研究方案

以下协议在数据收集开始前已得到蒙特利尔国际委员会道德委员会的批准。

1. 实验参与者筛查

  1. 招募18岁及以上的学员。确保参与者了解实验的语言,可以站立20分钟,拥有智能手机,最长5年,没有皮肤过敏或敏感性,没有心脏起搏器,不患有癫痫或任何其他诊断的健康问题。
  2. 招募一群朋友,和其他一群不认识的人,以控制熟悉。组大小必须根据研究的目的、研究的游戏和可用房间的大小来确定。
  3. 安排参与者。规定一组人认识对方的日期和时间,并在最方便的日期对不认识的人进行分组。
  4. 请参与者为智能手机充电,并将充电器带到数据收集会话中。

2. 条件和实验设计

  1. 通过将每个参与者编号与每场比赛的两个交互条件关联起来,为交互状态准备随机化表。还将号码分配给球员和将佩戴 EDA 盒的观众。

3. 准备

注意:执行协议需要这些材料:EDA 框,用于记录参与者的 EDA 的框:灯箱,装有点亮数字号码的盒子:和同步框,向EDA框发送信号的框和同步数据的灯箱。还需要两个臂章、EDA电极、EDA 传感器、医疗胶带和防腐湿巾。

  1. 将 EDA 盒、三个灯箱和同步盒插入充电站。
  2. 在演播室打开游戏(投影仪和3D扫描仪的运动检测技术),并通过运行它通过一个完整的游戏测试游戏。
  3. 将同意书、实验前问卷和球衣放在问候区的桌子上。
  4. 测试灯箱的蓝牙连接。将同步框设置为手动。
    1. 打开三个灯箱、两个 EDA 盒、EDA 盒上的蓝牙和同步盒。
    2. 按同步框上的脉冲按钮。灯箱会闪烁数字01。
    3. 关闭同步框、灯箱和 EDA 框。
  5. 设置同步框和灯箱以进行收集。将灯箱放在每个相机的视图中。
    1. 将同步框放在三脚架上,高度为 6 英尺。
    2. 将同步框设置为自动。
  6. 拔下电池并放入摄像机中。
    1. 检查电池功率可以记录超过一小时。
  7. 放置相机,以便框架包括游戏付费场和灯箱的所有四肢。将两个低光摄像机放在竞技场的对面角落,将职业中场放在更高的三脚架上,以便对比赛场地进行头顶拍摄。
  8. 确保框架包括完整的操场和1米左右的区域,以及灯箱。确保同步框距离参与者站立位置不超过 20 米,否则脉冲不会传输。

4. 欢迎与会者

  1. 在前门迎接参与者。告诉他们去坐在桌旁。
  2. 一旦所有参与者都到达并就座,描述将用于收集本研究数据的工具。此说明应写入同意书。然后,告诉两个随机选择的参与者跟随研究人员安装EDA设备。在此期间,其他参与者可以开始填写实验前问卷。
  3. 要求参与者阅读并签署同意书。逐字记录:"我会请你阅读同意书。两个副本是相同的。一个是给你的:一个是给我的请回答所有问题并签署两份副本。
  4. 绕开桌子签署同意书,核实所有问题是否已得到答复,并将同意书的一份副本放入指定用于此目的的文件夹中,并给参与者第二份副本。
  5. 要求参与者穿上带有参与者编号的球衣。

5. 安装生理装置

  1. 要求参与者从非主导手中取出任何珠宝。
  2. 使用防腐擦拭清洁放置电极的区域。从电极中取出塑料,放在参与者的手中。
  3. 捕捉两个电极上的两个传感器。红线必须放在拇指的一侧。黑线必须放在另一边,在粉红色的手指下。
  4. 将传感器导线插入 EDA 框的 A3 端口。询问参与者是否有汗湿的手掌。如果他们说,他们这样做,包裹医疗胶带周围的电极,而不接触金属部分。
  5. 在手掌上添加臂章,以确保传感器和电极到位。
  6. 打开 EDA 设备。检查蓝牙开关是否仍处于打开。
  7. 检查四个灯是否闪烁。
  8. 请注意参与者的编号以及与每个参与者相关的 EDA 框序列号的编号。
  9. 将 EDA 盒放在皮带上或参与者的口袋里。如果参与者的衣服不允许放置,请给他们一条皮带,并将 EDA 钩在皮带上。
  10. 要求佩戴EDA盒子的参与者与其他参与者一起返回餐桌,并填写实验前问卷。

6. 记录基线

  1. 从没有 EDA 的参与者开始,在桌旁转,检查所有问题是否都已得到解答。如果问卷完成,则将其与参与者的同意表一起放入文件夹中。
  2. 所有参与者完成实验前问卷后,步行前往游戏工作室。
  3. 然后,记录基线。
    1. 为此,告诉参与者校准工具,并要求他们平静地呼吸,并在眼前修复2分钟的东西。
    2. 同时,关闭 EDA 设备,然后打开。
    3. 启动一个2分钟的限时器。2 分钟后,关闭 EDA 设备并重新打开。

7. 开始实验

  1. 开始录制三个摄像机,然后打开三个灯箱。
  2. 验证灯箱和完整的游戏场地是否仍在摄像机帧内。
  3. 验证同步框是否自动打开并打开同步框。
  4. 10s 后,灯箱上的数字会闪烁。
    注意:这表明同步框会自动将脉冲每 10s 发送一次到灯和 EDA 框。
  5. 解释游戏,告知游戏就像乒乓球,一个人会理解,而玩。要获胜,一名球员需要得到3分。一些公众会使用智能手机通过访问投影在操场上的网站 URL 来影响游戏。
  6. 使用随机表,其中附有每个条件的参与者数量,告诉参与者谁将玩游戏,谁将作为观众在场边。
    注:为了本研究的目的,由于正在研究观众的参与度,因此不能选择佩戴EDA盒子的参与者作为游戏参与者。
  7. 告诉参与者哪些观众将使用他们的智能手机。请观众影响比赛。告诉参与者呆在比赛场地一米以内。

8. 开始游戏

  1. 告诉游戏技术人员打开投影仪和运动检测技术来启动游戏。
  2. 告诉玩家这个场景。逐字:"这里是上下文:你走在公共空间,你看到这个游戏。你决定参加。
  3. 当参与者玩耍时,可视检查灯光是否每 10 次闪烁一次。
  4. 在每场比赛之间,请观众(而不是玩家)在URL上的智能手机上填写自我评估马尼金(SAM)比例表8 问卷。给他们问卷的链接。当第一场比赛结束后,请所有观众,而不是玩家,在智能手机上填写一份有关体验的调查问卷。确保他们使用三个比例回答三个问题。不要评估游戏本身,而是在参与过程中的感觉。

9. 去除生理装置

  1. 逐字阅读:"非常感谢您参加比赛。最后一场比赛结束了。观众现在将填写两份纸质问卷,玩家可以离开。请跟我到问候室。
    1. 要求所有观众,除了那些与EDA,回到桌子上。他们将回答UES-SF两次,一次思考他们什么时候有智能手机,一次当他们没有智能手机,这是写在问卷的说明。逐字:"参与者使用生理工具,可以在餐桌上等待。其他人可以填写实验问卷的结尾,请通过清楚地解释其含义来广泛回答。他们可以问问题,如果有的话。
  2. 要求参与者返回 EDA 框;关闭设备和设备的蓝牙。
    1. 从 A3 端口拔下传感器,取下臂章,从电极上取下传感器。
    2. 请参与者取出手上的医疗胶带和电极。给参与者一个组织,从手中取出奶油。
    3. 从 EDA 框中删除微型 SD 卡并重复步骤 9.2。与其他EDA参与者一起达到9.2.3。

10. 向与会者汇报情况

  1. 将 EDA 参与者带到其他参与者坐的餐桌上。
  2. 请参与者填写经验问卷的结尾。请参与者通过清楚地解释他们的意思来广泛回答。告诉他们向实验者寻求帮助,以防他们有问题。
  3. 将填写的实验后问卷与实验前问卷和同意表放在文件夹中。
  4. 向与会者汇报情况。一旦他们完成,感谢他们的参与,告诉他们有关赔偿,并带他们出去。

11. 清理材料

  1. 关掉三个灯箱。
  2. 停止三台摄像机的录制,并从三台摄像机中取出电池和 SD 卡。将相机电池放在充电器中。
  3. 关闭同步框,将 EDA 框、灯箱和同步框插入充电站。

12. 生理数据管理

  1. 将EDA盒中的微型SD卡放入适配器中。将数据传输到按参与者编号命名的文件夹中的计算机。从 SD 卡中删除文件。
  2. 选择所有数据并将其放入电子表格中。隐藏没有用的列。选择大约行 1 到行 3,000,并制作一个散射图。如果所有数据都在 240 到 550 之间,则数据有效。
  3. 通过选择事件列并对其进行排序,验证同步框生成的标记是否存在。按控器 Z 以恢复标记的排序。
    注:生成的所有标记都将可见。有时有标记没有出现。这不是问题,只有一个标记将提供一个参考点。从此,可以使用相机的时间计算事件的开始和结束。每秒有 100 个数据点。
  4. 添加一个event_start_end列。观看影片,当事件开始时,计算事件的时间和最后一个标记之间的差额。当发现与事件开始相关的秒数时,在电子表格文件中添加名为"event1_start"的标记。在活动结束时也这样做。
  5. 重复基线的步骤 12.4。
  6. 添加所有标记时,以.txt格式导出电子表格(tab 划界文本)。
    注:每个参与者将有两个电子表格,一个带有实验数据,一个带有基线数据。
  7. 导入这些文件的软件,为这些EDA框开发(见下一节)19。这将生成一个准备好进行分析的文件,其中包含相关时间、绝对时间、事件和 EDA 信号。
  8. 将文件上传到 EDA 分析软件
  9. 点击 "添加项目"。添加标题。添加描述。输入项目日期和参与者总数。
  10. 单击项目名称。点击 实验设计。单击 信号 并选择生理学、EDA、蓝盒录音机、蓝盒和版本 3.0。
  11. 单击 "事件" 并输入之前在电子表格中命名的事件(例如,event_start_end)。选择蓝盒,版本3.0。
  12. 单击 转换 并选择 GSR(镀锌皮肤响应)。
  13. 单击 "解锁" 以更改为锁定项目。单击 "文件导入" 以导入之前准备的文件。
  14. 单击参与者个人资料,通过输入参与者的电子邮件地址来提供有关参与者的信息。点击 参与者在那里。点击 确定完成
  15. 上传需要压缩的数据文件,以便软件识别它。单击箭头。单击饼图以上传文件。
  16. 转到 分析 并选择 数据导出:选择参与者及其数据。单击 "导出数据 "以创建用于统计分析的文件。如果参与者众多,这可能需要数小时。该文件将在导出结束时显示在 文件名 下。
    注意:要获取准备进行分析的文件,软件会生成干净的阶段性数据。信号预处理步骤执行如下:数据记录在 100 Hz,并重新采样到 25 Hz,然后应用低通二阶巴特沃斯过滤器和 50 Hz 截止。然后,信号被分解在补品和相位组件使用凸优化算法描述在Greco的第20条。此算法过滤人工制品和异常数据点。
  17. 使用生成的文件进行生理数据分析。

13. 分析数据

  1. 从 EDA 值中减去 EDA 值,然后按其标准偏差(平均值和标准偏差基于整个数据集)21 来划分此值,以标准化 EDA 数据。
  2. 从每个 EDA 标准化值中减去基线 EDA 的均值,其中平均值基于问题21 中每个参与者的基线数据,以基线 EDA 数据。
  3. 计算 SAM 比例和实验后问卷(即 UES-SF)的每个交互条件的手段。
  4. 测试两种调解模型,一种用于每种类型的唤醒:生理和自我报告。
  5. 测试独立变量(交互性)与调解人(生理和感知觉察觉觉)之间的关系。
  6. 测试独立(交互性)和依赖变量之间的关系(在 UES-SF 中评估的参与度)。
  7. 评估独立变量与调解员的组合与受扶养变量之间的关系。

结果

本节描述了这项研究的代表性结果。我们利用社交媒体和本机构的参与者小组招募参与者。在78名参与者中,40名是妇女。平均年龄为22岁。以前没有一个参与者玩过这个游戏。其他排除标准可在协议的第 1 步中找到。

描述性统计数据可在 表 1中看到,包含每个测量的每个条件的平均值。在表的第二行中报告了自我评估马尼金 (SAM) 的唤醒维度的平均值。SAM Scale ...

讨论

请注意,这些步骤是在游戏创作者的工作室中执行的,但可以在实验室设置或其他有足够的空间来适应游戏的环境中复制。需要注意的是,同步框只能将脉冲传输到 20 米以内的灯和 EDA 框。因此,游戏室或游戏场不得较大。

现有的实验室方法已经使用软件同时开始记录视频游戏屏幕和生理测量工具10。在屏幕内不进行的数字游戏环境中,此方法是不够的。此...

披露声明

作者没有什么可透露的。

致谢

我们要感谢MITACS与创建游戏的公司合作,为这一研究项目提供资金。

材料

NameCompanyCatalog NumberComments
BITalino (r)evolution Freestyle Kit (PLUX Wireless biosignals S.A.) BITalino810121006
Devices (1 syncbox, 3 light boxes, 2 EDA boxes)Developed by Tech3Lab researchers1n/a
CubeHX2n/an/a
Charging stationPrime 60W 12A 6-Port Desktop ChargerRP-PC028
6 USB3 wires for chargingInsignia 3m (10 ft.) Charge-and-Play USB A/ Micro USB CableNS-GPS4CC101-C2
3D scannerVelodyne LiDARVLP-16
ProjectorsBarcoF90-W13
Jerseys* (fabric, tape, string)AnyAny
2 low light camerasSonyA7S
2 tripods for the A7SManfrottoMVK500190XV
2 light stands for the go pro and the syncboxImpact LS-8AI
1 plier for the light stand of the syncboxNeewer Super Clamp Plier Clip
1 magic arm for the light box of the go proMagic Arm143A
1 Go ProGo Pro5
1 MicrophoneRode VideoMic Rycote
2 armbandsAmyzorMoisture Wicking Sweatband 
*Make them yourself by taping the number on the fabric and perforating two holes to enter the string
Sources:
1.Courtemanche, F. et al. Method of and System for Processing Signals Sensed
From a User. US 15/552,788 (2018).
2. Léger, P.M., Courtemanche, F., Fredette, M., Sénécal, S. A cloud-based lab
management and analytics software for triangulated human-centered research.
In Lecture Notes in information Systems and Neuroscience. Edited by Thomas
Fischer, 93-99, Springer. Cham (2019).

参考文献

  1. Cheung, G., Huang, J. Starcraft from the stands: Understanding the game spectator. Conference on Human Factors in Computing Systems - Proceedings. , 763-772 (2011).
  2. Foxlin, E., Wormell, T., Browne, C., Donfrancesco, M. Motion tracking system and method using camera and non-camera sensors. Google Patents. 2 (12), (2014).
  3. Nacke, L. E., Bernhaupt, R. Games User Research and Physiological Game Evaluation. Game User Experience Evaluation. , 63-86 (2015).
  4. Hazlett, R. L. Measuring emotional valence during interactive experiences: Boys at video game play. Conference on Human Factors in Computing Systems - Proceedings. , 1023-1026 (2006).
  5. Charland, P., et al. Assessing the multiple dimensions of engagement to characterize learning: A neurophysiological perspective. Journal of Visualized Experiments: JoVE. (101), (2015).
  6. Martey, R. M., et al. Measuring game engagement: multiple methods and construct complexity. Simulation and Gaming. 45, 528-547 (2014).
  7. Lang, P. J., Bradley, M. M., Hamm, A. O. Looking at pictures: evaluative, facial, visceral, and behavioral responses. Psychophysiological Research. 30, 261-273 (1993).
  8. Bradley, M. M., Lang, P. J. Measuring emotion: The self-assessment manikin and the semantic differential. Journal of Behavior Therapy and Experimental Psychiatry. 25 (1), 49-59 (1994).
  9. Granato, M., Gadia, D., Maggiorini, D., Ripamonti, L. A. An empirical study of players' emotions in VR racing games based on a dataset of physiological data. Multimedia Tools and Applications. 79, 33657-33686 (2020).
  10. Ravaja, N., Saari, T., Salminen, M., Laarni, J., Kallinen, K. Phasic emotional reactions to video game events: A psychophysiological investigation. Media Psychology. 8 (4), 323-341 (2006).
  11. Alcorn, A. Pong. Atari. , (1972).
  12. Labonte-LeMoyne, E., Courtemanche, F., Fredette, M., Léger, P. M. How wild is too wild: Lessons learned and recommendations for ecological validity in physiological computing research. PhyCS 2018 - Proceedings of the 5th International Conference on Physiological Computing Systems. , (2018).
  13. Rozendaal, M. C., Braat, B. A. L., Wensveen, S. A. G. Exploring sociality and engagement in play through game-control distribution. AI and Society. 25 (2), 193-201 (2010).
  14. Downs, J., Smith, W., Vetere, F., Loughnan, S., Howard, S. Audience experience in social videogaming. Conference on Human Factors in Computing Systems - Proceedings. , 3473-3482 (2014).
  15. Tekin, B. S., Reeves, S. Ways of spectating: Unravelling spectator participation in Kinect play. Conference on Human Factors in Computing Systems - Proceedings. 2017, 1558-1570 (2017).
  16. Downs, J., Vetere, F., Smith, W. Differentiated participation in social videogaming. OzCHI 2015: Being Human - Conference Proceedings. , 92-100 (2015).
  17. Courtemanche, F., et al. Method of and system for processing signals sensed from a user. US Patent. , (2018).
  18. Batista, D., et al. Benchmarking of the BITalino biomedical toolkit against an established gold standard. Healthcare Technology Letters. 6 (2), 32-36 (2019).
  19. Léger, P. M., Courtemanche, F., Fredette, M., Sénécal, S. A cloud-based lab management and analytics software for triangulated human-centered research. Lecture Notes in Information Systems and Organisation. 29, 93-99 (2019).
  20. Greco, A., Valenza, G., Lanata, A., Scilingo, E. P., Citi, L. A convex optimization approach to electrodermal activity processing. IEEE Transactions on Biomedical Engineering. 63 (4), 797-804 (2015).
  21. Braithwaite, J., Watson, D., Robert, J., Mickey, R. A Guide for Analysing Electrodermal Activity (EDA) & Skin Conductance Responses (SCRs) for Psychological Experiments. Psychophysiology. (49), (2015).
  22. O'Brien, H. L., Cairns, P., Hall, M. A practical approach to measuring user engagement with the refined user engagement scale (UES) and new UES short form. International Journal of Human Computer Studies. (112), 28-39 (2018).
  23. Baron, R. M., Kenny, D. A. The moderator-mediator variable distinction in social psychological research. conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology. 51 (6), 1173-1182 (1986).
  24. Nacke, L. E. . Game User Experience Evaluation. , (2015).
  25. Lam, S. Y. The effects of store environment on shopping behaviors: A critical review. Advances in Consumer Research. 28 (1), 190-197 (2001).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

173

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。