<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Christian S. Loh，博士，南伊利诺伊大学卡本代尔大学虚拟环境实验室主任
I-Hung Li，南伊利诺伊大学卡本代尔大学虚拟环境实验室研究助理
严肃游戏最初旨在成为高级培训工具，以提高学员/学习者的决策技能和工作绩效。目前，只有不到 10% 的严肃游戏旨在促进训练——包括用于军事和医疗模拟和训练的游戏。如果我们知道要使用哪些绩效指标，如何将这些分析转化为对利益相关者有意义的见解，以及为学习者提供及时（重新）培训和补救，严肃的游戏分析可以增加这些类型培训的价值，这会影响学习型组织的投资回报 (ROI)。
熟练个人（专家）和新手之间的行为和认知差异已在文献中得到充分证明。动作序列是能力的一个组成部分，由执行动作的时间顺序组成，已被证明可用于区分（可能的）专家和新手以进行培训绩效评估。在培训和学习行业中非常需要区分专家和新手的能力，并可能预测谁可能更快地成为专家（较短的培训时间）。
我们捕获了玩家在严肃游戏中的动作，并通过将游戏世界划分为不同粒度的网格来对他们的动作序列进行编码。我们使用 JMP Pro 12 中的偏最小二乘判别分析 (PLS DA) 函数来比较这些变量以及总游戏完成时间，根据玩家在游戏中的行为将他们区分为专家和新手，以进行性能评估和严肃游戏分析.
关键词：偏最小二乘判别分析、严肃游戏分析、动作序列、相似指数、性能评估
