<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Christian S. Loh, PhD, Direktor des Virtual Environment Lab der Southern Illinois University Carbondale
I-Hung Li, wissenschaftlicher Mitarbeiter, Virtual Environment Lab, Southern Illinois University Carbondale
Serious Games sollten ursprünglich fortschrittliche Trainingsinstrumente sein, um die Entscheidungsfindung zu verbessern und die Arbeitsleistung von Auszubildenden / Lernenden zu verbessern. Gegenwärtig sind weniger als 10% der Serious Games so konzipiert, dass sie das Training erleichtern - einschließlich derjenigen, die für militärische und medizinische Simulationen und Training verwendet werden. Seriöse Spiele-Analysen können den Wert dieser Art von Schulungen steigern, wenn wir wissen, welche Leistungskennzahlen verwendet werden sollen, wie diese Analysen zu aussagekräftigen Erkenntnissen für Stakeholder werden können, und Just-in-Time-Schulungen (Re-) Schulungen und Korrekturen für die Lernenden bieten , was sich auf den Return of Investment (ROI) der lernenden Organisationen auswirken kann.
Die Verhaltens- und kognitiven Unterschiede zwischen erfahrenen Personen (Experten) und Neulingen sind in der Literatur gut dokumentiert. Die Aktionsfolge, eine Komponente der Kompetenz, die sich aus der chronologischen Reihenfolge der durchgeführten Aktionen zusammensetzt, hat sich als nützlich erwiesen, um (wahrscheinliche) Experten von den Anfängern zu unterscheiden, um die Leistungsbewertung zu bewerten. Die Fähigkeit, Experten von Neulingen zu diskriminieren und möglicherweise vorherzusagen, wer schneller zu Experten werden könnte (kürzere Ausbildungsdauer), ist in der Bildungs- und Lernbranche äußerst wünschenswert.
Wir haben die Aktionen der Spieler in einem seriösen Spiel eingefangen und ihre Aktionssequenzen kodiert, indem wir die Spielwelt in Raster unterschiedlicher Granularität unterteilt haben. Wir verwenden die Funktion PLS DA (Partial Least Squares Discriminant Analysis) in JMP Pro 12, um diese Variablen zusammen mit der Gesamtzeit für das Spielende zu vergleichen, um die Spieler in Experten und Neulinge zu differenzieren, basierend auf ihrem Verhalten im Spiel zur Leistungsbewertung und Seriöse Spiele-Analyse .
Schlüsselwörter: Partial Least Squares Diskriminanzanalyse, Serious Games Analytics, Aktionssequenzen, Ähnlichkeitsindex, Leistungsbewertung
