Christian S. Loh 博士，南伊利诺伊大学卡本代尔分校虚拟环境实验室主任
I-Hung Li，南伊利诺伊大学卡本代尔分校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，以提升学员/学习者的决策能力和工作绩效。目前，只有不到10%的严肃游戏被设计用于辅助培训，包括用于军事和医疗模拟与训练的游戏。如果我们了解应该使用哪些绩效指标，如何将这些分析转化为对利益相关者有意义的洞察，以及如何为学习者提供即时（再）培训和补习，严肃游戏分析可以提升这类培训的价值，从而影响学习型组织的投资回报率 (ROI)。
熟练个体（专家）与新手之间的行为和认知差异已在文献中得到充分证实。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，已被证明有助于在培训绩效评估中区分（可能的）专家和新手。在培训和学习行业中，区分专家和新手，并可能预测谁可能更快（培训时间更短）成为专家的能力至关重要。
我们捕捉了严肃游戏中玩家的行为，并通过将游戏世界划分为不同粒度的网格来编码他们的动作序列。我们使用 JMP Pro 12 中的偏最小二乘判别分析 (PLS DA) 函数比较这些变量以及游戏总完成时间，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、相似性指数、绩效评估
