游戏化用户模型：Hexad Scale

作者 | Gustavo F. Tondello、Rina R. Wehbe、Lisa Diamond、Marc Busch
来源 | ResearchGate
译者 | 叶与秋

摘要

几项研究表明，有必要将游戏化系统进行定制，以满足用户的个性化需求。但是，将用户个性映射到设计元素是很困难的。Hexad是一种游戏化用户类型的模型，它尝试实现这种映射，但缺乏一个评估用户偏好的标准过程。因此，我们创建了一个24项调查响应量表，以评估用户对Hexad框架中6种不同动机的偏好。我们使用内部分析和再测信度分析，以及因子分析来验证这一新的量表。进一步的分析显示，Hexad的用户类型与大五人格特征有着显著的关联。此外，相关分析证实了该框架的有效性，作为衡量用户对不同游戏设计元素的偏好。该量表有助于对游戏用户的研究，因为它可以精确地测量游戏用户的偏好。

作者关键字

游戏化；游戏性设计；用户类型；Hexad。

ACM 分类关键字

H.1.2. 用户/机制系统：人类因素。

介绍

游戏化是指游戏设计元素在非游戏环境中的应用[12]，已经被用来增加用户的参与度、活跃和享受程度。研究表明，游戏化可以产生积极的行为改变；然而，我们目前还不了解影响用户动机的因素。例如，Hamari等人确定了混杂因素，例如游戏环境的作用以及用户的质量[17]。为了更好地理解用户动机和定制游戏化系统对每个用户的体验，我们建议在游戏化中进行偏好评估。

定制的游戏化系统对每个用户来说都很重要，因为个性化的交互系统比一刀切的方法更有效。游戏化系统在帮助用户实现目标时是有效的，这通常包括教导他们一些特定的话题，支撑他们的态度或行为改变，或者让他们参与特定的话题[9]。用户界面设计[33]、说服性技术[24、25]、游戏[1、34、35]都显示了根据用户个性特征进行定制的有效性。因此，我们认为，如果定制的游戏化系统能够适应个性特征或玩家类型(14,15)，将会更有吸引力。

巴图用于MUD的玩家类型（MUDs）[3]被广泛用于游戏化。但是，它是专门为MUDs创建的，它不应该推广到其他游戏类型中，也不应该用于游戏化设计。为了解决这个问题，Marczewski基于对人类动机、玩家类型和实际设计经验的研究，开发了游戏化用户模型Hexad框架[27]。他还提出了支持不同用户类型的不同游戏设计元素[28]。然而，我们仍然缺乏一个基于Hexad框架的用户偏好的评判标准。此外，还没有实验验证，如何将Hexad用户类型和游戏设计元素联系起来。在本文中，我们将解决这两个差异。

我们的工作为人机交互领域的游戏化设计¹提供了两个相关的目标。首先，我们提出并验证了一种基于Hexad框架的用户对不同游戏设计元素的偏好评分调查方法。这些问题是由规模开发、游戏设计和人机交互方面的专家提出的。我们对133人进行了初步验证，证实了调查问卷的可靠性在可接受的范围之内。接下来，我们分析了每个Hexad用户类型的参与者分数与BFI-10[38]测量的每个大五人格特征的得分之间的相关性。理论背景表明，它们之间存在正相关关系，这也有助于验证Hexad框架本身和新的调查问卷。

其次，我们评估了Hexad框架作为一个模型，在游戏化系统中个性化用户体验（UX）的潜力。我们要求参与者为游戏化设计中经常用到的32个设计元素上进行打分，并分析它们与每个Hexad用户类型的相关性。总的来说，在Hexad的用户类型和相应的游戏设计元素之间找到了正相关，这证实了Hexad模型对定制游戏化系统是有帮助的。

¹：在本文中，我们模糊地引用了游戏化和游戏性设计，因为它们是通过不同的内涵属性[12]对现象进行相同的扩展。因此，可以同时使用Hexad模型。

相关工作

理解一个人的个性是多方面的努力。行为和人格理论经常被用来理解用户行为和交互系统的偏好，因为它们提供了一些对激励因素的洞察。特别是自我决理论（SDT）[10,40]为Hexad模型的内在和外在动机的表达提供了理论背景。因此，Hexad用户类型是这些不同的激励因素的表达形式。

动机

在HCI的研究中，SDT[10, 40-42]的原理经常被用来解释行为动机。SDT表明个人参与任务的动机可以位于在不同程度的内化范围内。在一个简化的模型中，动机可以是内在的，即由个人对一项任务的感知所赋予的，它本身即是令人愉快的；或者是外在的，即由任务以外的因素提供，如完成任务可能产生的预期结果。

在SDT中有三个组件支撑着内在动机。能力标志着拥有完成手头任务所需技能的感觉。自主性意味着一个人越能掌控自己的处境，就越有可能成功。最后，关系是与他人交往的感觉。Ryan等人在该领域的研究[39]注意到了这三个组件的重要性，并指出它们对一个人的精神健康有很大的帮助。此外，Hexad模型还通过证据表明，意义（目的）促进了内化，增加了进行无趣但重要活动的动机[11]，并使得幸福感和生活满意度得以提高[20,37]。

个性

以往的研究表明，个性对不同游戏类型[23]和游戏化元素的玩家类型[32]和玩家偏好都有所影响[21]。个性似乎也会影响玩家在游戏[22]和虚拟现实应用[26]中的心理满意度。因此，我们决定研究不同的人格特征如何与Hexad用户类型进行相关。

分析人们性格的一个常用方法是通过五因素的人格模型，通常被称为“大五人格模型”。这五因素是对五大类人格因素的调查。开放性指的是寻求冒险或开放经验的人；责任心与思想和组织有关；外倾性或外向的性格和亲和性，宜人性指与别人相关联的品质；最后是情绪稳定性或自我安全感和自信程度。我们使用10项问题的大五人格特征量表（BFI-10, [38]）。

Johnson和Gardner[22]之前研究了电子游戏中大五人格特征与心理需求满足之间的关系。他们发现宜人性和能力之间存在正相关；对经验和自主的开放性；以及神经质与存在的负相关。Yee等人[45]研究了人格特征是如何影响魔兽世界的玩家行为的。外倾性倾向于相关的集体活动，宜人性更频繁地使用的表情和偏爱非战斗活动，责任心享受在非战斗环境纪律严明的集合，神经质倾向于与玩家对战的活动，和开放性的由好奇心引发的游戏，比如创建新角色或探索游戏世界。Jia等人[21]研究了五大人格特征与个体游戏化的关系。他们发现外倾性与点数、等级和排行榜呈正相关；宜人性与挑战；责任心与等级和进度；以及情绪稳定性（神经质的反面）与点数、徽章、进步和奖励负相关；开放性与角色化身。

期待性回答平衡问卷 （BIDR） [36]也经常被用于问卷验证，以评估人们倾向于以社会期望的方式偏袒自我报告的答案。BIDR衡量两种结构：自我欺骗增强（SDE），或倾向于给出诚实但积极的偏见和印象管理（IM），或倾向于故意为观众构建自我介绍。我们使用了一个简短的、六道题目的问卷（BIDR-6, [43]）。

游戏中的个性化和游戏化设计

个性化可以用于游戏设计，为玩家量身定制游戏机制，也可以用于游戏化设计，为用户定制交互机制。使用玩家或用户类型来理解个人偏好是个性化的常用方法之一。因此，文献中存在着几种不同的模式。我们回顾了其中一些最著名的和最近的模型，这些模型告诉我们创建了Hexad模型。Hamari和Tuunanen[18]进行了更全面的审查。

最古老和最常用的玩家模型之一[3]是Bartle的玩家模型及其扩展模型[4]。Bartle根据多用户地下城（MUDs）的需求为用户识别了四种玩家类型。（成就者、探索者、社交家和杀手）。

Yee[46, 47]基于对最初的Bartle玩家类型所激发的问题的因素分析，确定了玩家动机的三个主要组成部分：成就（进步、机制、竞争）、社交（社交、关系、团队合作）和沉浸（发现、角色扮演、定制、脱离现实）。和Bartle的模型一样，Yee的组件集中在一个特定的游戏类型，大型多人在线角色扮演游戏（MMORPG）。它不是为广泛的不同类型的游戏而创作或设计的。

在第一个“人口游戏设计”模型（DGD1）[6]中包含了关于玩家类型的更广泛的视角[0]，这是通过整合迈尔斯布里格个性类型测量表 （MBTI，[30]）到游戏。它提出了玩家类型：征服者，管理者，漫游者和参与者。第二个“人口游戏设计”模型（DGD2）[5]探索了休闲维度、不同技能集以及对单一和多人游戏的偏好。虽然DGD1和DGD2提供了对玩家特征有价值的见解，但这是基于预先存在的心理测量模型（MBTI），而不是专注于游戏。作者还报告了有关方法和数据收集的问题。

Xu等人[44]通过一款针对年轻人的健康游戏的实证评估得出了五种玩家类型：成就者，活跃的伙伴，社交体验追求者，团队玩家和白吃白喝者。这些类型包括动机和行为因素。然而，他们尚未对其个性化游戏的有效性进行调查。

BrainHex模型[31,32]是考虑到先前的玩家类型和神经生物学研究而开发的。它介绍了7类玩家原型：成就者、征服者、冒险者、策划者、探索者、社交家和幸存者。这是一种很有价值的方法，它补充了现有的研究方法，以更多样化的玩家类型进行研究，并且已经初步研究了它的心理测量特性[8]，并在最近HCI的一些研究中被使用[7,35,48]。

虽然这些模型通常用于定制的游戏化系统，但它们是专门为游戏设计而构建的，因此，它们对游戏化设计的价值是有限的。

看看专门为游戏化设计而创建的模型，Barata等人[2]研究了关于一个游戏化的大学工程学课程的学生表现和游戏偏好的数据，并确定了与不同游戏偏好相关的四种学生类型：成就者、普通学生、粗心的学生和差等生。

Barata的模型是专门针对游戏化学习领域的。不同的是，Hexad模型的目标是覆盖广泛的游戏化系统。因此，我们认为Hexad模型具有潜在的适合于游戏化系统的定制，因此值得进一步研究。

游戏化用户类型Hexad Scale

Marczewski提出了六种不同的用户类型，它们可以被内在的（例如自我实现）或外在的（例如奖励）激励因素所激励[27]。用户类型不是基于观察到的行为模型，而是基于自我决定论（SDT）[41]定义的人类的内在动机和外在动机。因此，从SDT的三种内在动机，即关系、能力和自主，再加上目的[11]，衍生出了四种内在动机类型。图1显示了来自Hexad模型的6个用户类型。下面，我们将列出Marczewski建议的用户类型和游戏设计元素，以解决每种类型[28]的动机，我们对此进行了研究。

• 慈善家的动机是目的和意义。他们是无私的，愿意付出而不求回报。建议设计元素：收集和交易、赠予、知识共享和管理角色。

• 社交家的动机是关联性。他们想与他人互动，建立社会关系。建议设计元素：公会或团队、社交网络、社会比较、社会竞争和社交发现。

• 自由主义者的动机是自主性，意思是自由表达自己，不受外界控制。他们喜欢在一个系统中进行创造和探索。建议设计元素：探索任务、非线性游戏、复活节彩蛋、可解锁的内容、创造性工具和定制。

• 成就者的动机是掌握。他们寻求在一个系统内完成任务，或者通过应对困难的挑战来证明自己。建议的设计元素：挑战，证书，学习新的技能，任务，等级或进展，以及史诗般的挑战（或BOSS战）。

• 玩家的动机是外在的奖励。他们会做任何事情以便在系统内获得奖励，而不管活动的类型如何。建议设计元素：积分、奖励或奖品、排行榜、徽章或成就、虚拟经济、彩票或博弈游戏。

• 破坏者的动机是改变。他们倾向于直接或通过他人来破坏系统，来强迫积极或消极的改变。他们喜欢探索系统的边界，并试图进一步推进。这种类型源于SDT，但是来自在线系统内对这种行为的经验观察。虽然破坏者有时可能是负面的（例如作弊者或挑事），但并不总是这样，因为破坏者也可以改进系统。建议设计元素：创新平台、投票机制、开发工具、匿名、混乱。

这些用户类型背后的一些动机是相关的，但用户类型本身略有重叠。成就者和玩家都是有成就动机的，但他们的关注点不同：玩家关注外在的奖励，而成就者专注于能力。慈善家和社交家都有动力与其他玩家互动。然而，他们的不同之处在于，社交家的兴趣在于互动本身，而慈善家则是通过互动来帮助他人。最后，自由主义者和破坏者都是由自主性和创造力激发的。然而，自由主义者在系统的限制之内，没有改变它们的欲望，破坏者则寻求超越这些界限去改变系统。

同样值得注意的是，尽管这些动机集合是作为用户类型来呈现的，但是个体很少被其中的一个单独地激发。尽管用户可能会表现出一种主要的倾向，但在大多数情况下，他们也会在某种程度上受到其他类型的激发。

有几种方法可以使用Hexad模型来定制游戏化的应用程序。例如，Jia等人[21]为基于大五人格特征的游戏化应用提供了设计建议，但Hexad模型更具有定制游戏化应用的潜力，因为它是针对特定于游戏化应用的玩家动机而建模的。设计师可以使用建议的调查来筛选他们的目标受众，并为每个用户选择适当的设计元素。在研究中，该调查可以用来更好地理解用户参与和对游戏化应用的兴趣。

方法

我们的工作分三个阶段进行：

1. 测量量表的制作，其中我们为游戏化用户类型Hexad框架制定了标准调查响应量表；

2. 数据收集，我们收集了来自在线调查的回答，包括与Hexad框架相关的问题、游戏设计元素的偏好，以及性格测试；

3. 在数据分析中，我们分析了实现两个目标的响应：验证Hexad用户类型，并评估Hexad框架的潜力，以在游戏化系统中定制用户体验。

测量量表的制作

为了设计游戏化用户类型Hexad Scale，我们采用了一种系统的方法，包括一个专家研讨会，基于可用的框架生成项目，以及随后的专家验证过程，根据项目的表面有效性对项目进行评估和评级。新的量表受到了启发，但与Marczewski之前试图创建评估工具的尝试不同[29]，它没有遵循系统的方法，而且被发现是不可靠的。调查的建设阶段已经在其他地方得到了更详细的描述[13]。

我们开始了这项调查，由奥地利技术研究所举办的一个专家研讨会，为每一个不同的Hexad用户类型生成一组项目。一个由6名专家组成的小组，他们的专长是规模开发或游戏机制，他们通过详细的材料介绍了游戏化用户类型Hexad框架[27]，按照Marczewski[28]的建议，解释每种不同类型的游戏机制以及他们可能会做出的反应。随后，每个专家被要求开发一个项目列表，该列表将描述每个用户类型。每个项目旨在帮助评估参与者对其中一个用户类型的倾向。完成这项任务后，开发的项目将依次为每一种类型和讨论。作为这些讨论的一部分，对定义特征进行了审查，并扩展了创建的项目池，以满足所需的各个类型的缺失方面。

作为调查开发的第二步，我们回顾了为每种类型创建的条目列表，删除了那些看起来具有误导性、太宽泛、情境相关或冗余的项目。在剩下的74个项目中创建了一个评级表格。然后，我们派出专家小组，由参与研讨会的专家小组，以及Hexad框架的创建者Andrzej Marczewski、两名HCI和游戏领域的专家进行了评估。专家评审团被要求判断每一个项目如何表现它的游戏化用户类型（从“非常糟糕”到“非常好”的6分制），以及评论是否有任何潜在的问题（例如，一个在相关类型之间区分不充分的项目）。此外，每个人都被邀请提及他们所观察到的玩家类型的任何方面，但没有被充分报道。一旦收回所有的评级表单，我们就会分析评级（平均值，范围）。然后，我们选择了前30个项目中评分最高的项目。调查项目清单包括在附录中。

调查工具

我们与加拿大滑铁卢大学的学生进行了一项在线调查，该调查是用英语完成的，并包含以下部分:

1. 人口信息：年龄、性别、教育程度、国家、母语水平和英语水平的自我报告水平（避免因为语言能力不足而出现的误解）。

2. Hexad用户类型调查项目：我们要求参与者将与6个Hexad用户类型相关的30个项目（参见附录）对7点李克特量表进行评分，并对项目进行评论（例如，提及任何他们感到困惑或难以理解的东西）。

3. 游戏元素偏好：我们要求参与者对32种不同的游戏设计元素（在游戏或游戏化应用程序中不明确地使用）进行打分。

4. 个性化：使用7点李克特量表进行的BIDR-6[43]和BFI-10[38]人格调查，以深入了解用户类型与个性之间的潜在关系。

我们要求参与者在几周内再次与他们联系，以回答一项后续调查，该调查旨在为Hexad用户类型调查的再测信度可靠性评分进行计算。后续调查只包含了Hexad用户类型问题部分。

参与者

来自加拿大滑铁卢大学的一百三十三名毕业生和本科生（64名女性，59名男性，10名拒绝回答），年龄18-36岁（平均值为23.5岁，标准差为3.3岁），自愿参加在线调查。在133位受访者中，有40人参与了后续调查。他们是通过大学的邮件列表和公告板招募的，在完成调查后，他们有机会赢得了价值50美元的亚马逊礼品卡。所有参与者均获得知情同意书。答案于2016年3月收集。在最初的调查两周后收集再测信度的数据。

关于英语水平，75名参与者报告说英语为母语，58人报告了各种不同的母语。然而，有90名参与者的英语水平达到了母语水平（即有些人认为自己作为本地人很熟练，即使不是母语人士），有36人报告了很好的熟练程度，4人报告了熟练程度（3人拒绝回答）。因此，我们的假设是，缺乏英语水平对我们的研究没有不利影响。

过程分析

我们分三个步骤进行数据分析：规模可靠性，规模与人格特征的相关性，以及与游戏设计元素的规模相关性。在所有情况下，我们使用Kendall’s τ计算相关性，在Howell的建议下，它为非参数数据提供了最好的估计[19]，因为分数不是正态分布的。然而，这样做需要注意效应大小的解释，因为对于相同的效应大小，τ的绝对值通常低于更普遍已知的Pearson's r和Spearman's ρ的值[16]。因此，我们使用Gilpin[16]计算的对应表来解释Kendall的τ效应大小，根据近似的Pearson r等值：

规模的可靠性

我们通过分别计算六个分量表中的每一个的克朗巴哈系数来分析量表的内部可靠性。此外，我们评估了每个项目对其子量表的单独贡献以及参与者的意见，以决定是保留还是删除不太可靠的项目。在验证了量表的可靠性之后，我们计算了每个参与者的分数，作为每个组成子量表的项目参与者所报告的比率的中位数。这些分数用于随后的考试。为了评估再测信度的可靠性，我们分别用Pearson’s r计算了每个子量表的原始值和复试分数之间的双变量关系。

接下来，我们用Kendall’s τ来计算每个用户类型的双变量相关系数。考虑到Hexad模型关于重叠用户类型的理论背景，我们期望有以下显著的相关性：成就者与玩家，社交家与慈善家，自由主义者与破坏者。

最后，我们用Kendall's τ检验了每个子量表得分与BIDR-6两个量表的双变量相关性，以验证参与者的反应是否会受到期望反应的影响。

与人格特征的比例关系

首先，我们分析了大五人格特征与BIDR-6量表之间的双变量相关性，以控制BFI-10量表的默许程度。由于空间限制，我们没有提供完整的结果表。我们发现一个重要的神经质与自我欺骗增强之间强烈的负相关（τ= -0.438，p < 0.01）；因此，参与者在神经质上的得分可能被低估了，因为他们倾向于保护他们的自尊。然后，我们用Kendall's τ分别计算了每组Hexad类型与人格特征之间的相关系数，从而分析了Hexad量表和人格特征大五模型之间的双变量相关性。基于以往文献[21,22,45]，我们提出了以下假设：

• H1：成就者用户类型与宜人性和责任心呈正相关。
• H2：自由主义者用户类型与开放性正相关。
• H3：玩家用户类型与外倾性和神经质呈正相关。

此外，虽然这种相关性以前没有出现过，但我们也可以提出以下假设，因为社交家和慈善家都是基于社会互动的：

• H4：慈善家和社交家用户类型与外倾性呈正相关。

与游戏设计元素的比例关系

为了分析Hexad类型与游戏设计元素集合的相关性，按照Marczewski[28]提出的划分，我们首先计算了6个Hexad类型的游戏元素集合的得分。然后我们分别用Kendall’s τ计算了每个Hexad类型与相应的游戏设计元素的双变量相关。

经过初步分析，我们使用Kendall's τ计算了每个单独游戏设计元素与六个Hexad类型中的每一个的双变量相关性。这样做是为了评估Hexad用户类型之间的设计元素的分布，并根据报告的首选项提出改进建议。接下来，我们建议在设计元素和用户类型之间建立一个新的关联表。作为一般规则，系数τ> 0.20的相关性被认为是有意义的，因为这代表了小型关联的阈值。创建新表后，我们重新计算每个元素集的分数，并将它们与原始分数进行比较以验证改进。

结果

我们的分析包括如下方法，如方法学部分所述的那样：量表的可靠性、用户类型得分的分布、与个性特征的量表相关性，以及与游戏设计元素的量表相关性。

规模的可靠性

表1给出了内部每个分量表的可靠性系数，以克朗巴哈系数测量。在评估每个子量表的可靠性之后，我们分析了每个项目的个体可靠性。两个项目被发现对他们的规模没有太大的贡献：“我关心我自己的利益”（玩家）和“我喜欢通过双手把事情改变”（破坏者）。此外，一些参与者报告说，他们无法准确理解后一种破坏者的含义。因此，我们删除了这两个项目。然后，我们分析了除去其余四个子量表中最不可靠的项对其可靠性的影响。其影响很小（<= 0.008）。因此，我们去掉了最不可靠的子量表项目，以24个项目（每个子级的4个项目）到达最终规模。重新计算的24项量表的内部可靠性系数如表1所示。此外，表8后面列出了所有项目的比例相关性。

表1、内部量表可靠性（克朗巴赫α）为每个Hexad用户类型在原始30项（每个子量表5个）和最终24项（4个子量表）调查中的内部量表可靠性。

表2展示了每个子量表的再测信度相关系数，由Pearson 's r测量。所有子量表对24项量表都具有较高的再测信度，但玩家类型除外，表现出较小的系数。此外，结果表明，在每个子量表中删除最不可靠的项，对再测信度的可靠性来说是一个小的总体改进。

表3给出了每个Hexad用户类型与BIDR子量表之间的双变量相关系数和显著性水平。结果显示，自由主义者、成就者与自我欺骗增强的参与者之间存在显著的弱相关性，而慈善家和破坏者与IM的相关性较弱（后者是负）。这似乎表明，成就者和自主性导向子量表可能会略微高估参与者保护自尊的倾向；慈善家的子量表可能被稍微高估了，破坏者的子量表可能被参与者取悦他人的欲望低估了。

表4给出了每个用户类型与其他用户类型之间的相关系数。理论背景表明：慈善家与社交家、自由主义者与破坏者、成就者与玩家之间存在正相关。此外，在慈善家和自由主义者、成就者和自由主义者、玩家和自由主义者之间也发现了类似的重大关联。其他显著的相关性则表现为较弱的程度。

表2、原始30项（每个分量5个）和最终24个项目（每个分量4个）调查的重测信度（Pearson's r）为Hexad用户类型。 表3、双变量相关系数（Kendall'sτ）和Hexad用户类型与理想响应子尺度之间的显着性：自我欺骗增强（S.D.E.）和印象管理（I.M.）。 表4、双变量相关系数（Kendall'sτ）和每个Hexad用户类型与其他所有其他类型之间的显着性。

我们还用最大相似法和用Kaiser normalization的最小斜交法进行了因子分析。我们通过6个因素的分析来评估与Hexad用户类型相关的因素的对应关系。我们在表8后面报告了旋转因子负载。我们只报告因子负载高于0.20的，以提高可读性。这六个因素共同解释了数据中55.1%的方差。结果表明，这六个因素总体上与Hexad类型相对应，慈善家、自由主义者和成就者类型中有一些重叠，这与不同用户类型之间发现的重叠相对应（见表4）。

用户类型得分分布

表5给出了24个项目的6个用户类型的计算分数的均值和标准差。为了更好的可读性，分数是以每个项目的比率而不是平均值的总和来表示的（即每个子量表的最大值是28）。目测检查显示，破坏者类型的平均得分比其他类型要低得多。图2展示了参与者的主Hexad用户类型的分布，即参与者得分最高的类型。这些数据表明，基于内在动机的四种用户类型——慈善家、社交家、自由主义者和成就者，同样是常见的主要用户类型，虽然玩家类型也有一些常见的主要用户类型，但只有内在类型的一半程度，而破坏者类型与主要用户类型完全不同。

与人格特征的比例相关

表5、每个Hexad用户类型的平均分数和SD

表6给列出了每个Hexad用户类型与Kendall's τ测量的每个大五人格模型特征之间的双变量相关系数和显著性水平。慈善家类型与外倾性呈正相关，支持假说H4，也具有宜人性、责任心和开放性。自由主义者类型与开放性、支持假设H2呈正相关，与外倾性呈正相关，与神经质呈负相关。成就者类型与责任心呈正相关；但未发现与宜人性相关。因此，假设H1仅得到部分支持。这似乎与Johnson和Gardner的研究结果不同[22]。然而，他们测量了玩家在玩完游戏后的能力，而我们的调查记录了用户对不同游戏设计元素的总体偏好。因此，虽然这两种方法都是基于对能力的内在需求，但它们并没有测量出相同的效果。这一事实也许可以解释这种矛盾。破坏者类型与神经质呈负相关。最后，玩家类型只与责任心呈正相关，因此不支持假设H3。综上所述，我们的研究结果得出以下结论：

• H1：部分支持。成就者用户类型与责任心呈正相关，但与宜人性无关。
• H2：支持。自由主义者用户类型与开放性体验呈正相关。
• H3：不支持。玩家用户类型与外倾性和神经质无关。
• H4：支持。慈善家和社交家用户类型与外倾性呈正相关。

此外，有三组相互关系不是假设的，而是从数据中提出的：慈善家和具有宜人性的社交家；有责任心的慈善家和玩家；自由主义者和具有情绪稳定性的破坏者（与神经质相反）。

图2、参与者的Hexad用户类型分布 表6、双变量相关系数（Kendall’s τ）和六个一组用户的意义类型与大五人格特质

与游戏设计元素的比例关系

表7给出了针对每个用户类型动机的游戏设计元素，以及每个用户类型的平均得分与相应设计元素的每个参与者的平均得分之间的相关系数。总体而言，用户类型与相应的游戏设计元素正相关，这证实了Hexad模型对不同元素的用户偏好理解的有效性。例外的是慈善家类型，因为它与预期的设计元素没有相关性。

由于空间的限制，我们没有给出单个游戏设计元素的完整关联表，但是它包含在附录中。分析发现，与Marczewski[28]提出的或与多个用户类型相关的设计元素相比，不同用户类型的设计元素具有更高的相关系数。此外，一些设计元素仅表现出不显著或弱相关性。因此，我们提出了一个新的用户类型和游戏设计元素之间的关联表，作为一个一般规则，考虑到与系数大于0.20的显著相关性（弱相关性或强相关性）。但是，我们不能为慈善家类型提出建议，因为我们没有遇到与之显著相关的设计元素。表7还展示了新的关联表和调整后的新的相关系数。与多个用户类型相关的设计元素显示为附加元素。并将新的相关系数与以往的相关系数进行比较，以衡量改进。结果表明，我们新的建议关联表比Marczewski提出的表整体上提高了9%。

讨论

在本节中，我们将讨论我们所发现的意义。

规模的可靠性

在评估了每个子量表的内部可靠性之后，我们得出了一个最终的24项量表，它代表了最优的格式（见表8和附录）。结果表明，在未来的工作中需要改进玩家的子比例，因为它的内部（0.698）和再测信度(0.357)可靠性都低于预期的水平。所有其他的量表都达到了预期的可靠性，因为自由主义者、成就者和破坏者的得分高于0.70，慈善家和社会主义者则高于0.80。

Hexad用户类型与BIDR之间的相关性分析显示，自由主义者、成就者、玩家与自我欺骗增强的相关性较弱，慈善家和破坏者与印象管理的相关性较弱。这与以后的工作有关，但这个效果还不够强大，不足以对结果产生影响。

从理论背景（慈善家与社交家，自由主义者与破坏者，成就者与玩家）可以看出，Hexad用户类型之间的相关性分析呈正相关。此外，我们还发现了慈善家与自由主义者、成就者与自由主义者，以及玩家与自由主义者之间的意想不到的联系，为进一步研究提供了途径。因子分析证实了这些发现，并证实这些量表项与他们的名义分量表相对应，并且存在一些部分重叠。

这些结果共同证实了Hexad用户类型可以根据其理论背景进行经验测量，并与预期效果相对应。因此，我们加强了Hexad模型对于未来开发的游戏化设计和HCI的相关性。

与人格特质的比例相关

通过对Hexad用户类型和性格特征之间的相关性分析，可以发现在理论背景所建议的大多数配对上都存在显著的相关性，进一步验证了Hexad模型。慈善家和社交家与外倾性、责任心和开放性的自由主义者呈正相关。此外，我们还发现了慈善家和社交家与宜人性之间有意想不到的关联，这可以从所有人都与社会关联、成就者和玩家都有责任心这一事实来解释，这有助于解释他们对目标和回报的定位。此外，自由主义者和破坏者与神经质相关，这似乎与直觉相反。这可以部分地解释为由于自我欺骗增强而导致神经质得分的潜在偏差。因此，这些结果为进一步研究提供了有趣的途径。

与游戏设计元素的比例关系

我们发现所有Hexad用户类型与预期的游戏设计元素之间的正相关，除了慈善家。这些结果验证了Hexad框架作为定制游戏化应用的工具的有效性，因为用户的子量表分数预测了他们对不同设计元素的偏好。此外，我们提出了一种基于相关系数分析的用户类型与设计元素之间的关联表（见表7）。这些结果也指出了需要进一步研究关于慈善家用户类型的问题。它的可靠性分数很高(> 0.80)，这意味着它可以准确地衡量用户的个性特征。然而，我们并没有发现用户对不同游戏设计元素的偏好是一致的。

表7、双变量相关系数（Kendall'sτ）和Hexad用户类型与每种用户类型的建议游戏设计元素之间的显着性，以及新建议较以往改进的百分比

局限性和未来的工作

本文代表了标准调查的第一步，该调查评估了用户对游戏化系统个性化的偏好。在第一步中，我们从有限的样本中获取数据以提供调查验证。虽然这个样本足够大，可以进行统计分析，但它仅限于一所大学的学生，这就限制了调查的泛化范围仅限于一类人群。因此，我们下一步将以更大的样本重复这项研究，包括来自不同文化背景和更大年龄范围的人，以验证模型和对一般人群的调查。此外，我们的可靠性分析还揭示了改进玩家量表的必要性，我们计划在下一次调查迭代中执行它。此外，我们还使用了一个短的量表(BFI-10)来评估参与者的性格特征。由于我们知道短的量表有潜在的默认问题，我们的结果应该在以后的工作中使用更可靠的BFI量表来验证。

我们的分析还表明，Hexad用户类型与（用户类型和人格特征之间的相关性）之间存在意想不到的重叠，我们计划进一步调查。最后，我们计划更好地了解慈善家用户类型对游戏化系统的用户偏好的影响，我们的研究没有揭示这一点。

表8、每个Hexad调查项目的修正项-总相关性(r)和旋转因子负荷(>= 0.20)

摘要和结论

我们已经提出并验证了一个标准量表，根据Hexad框架对用户使用游戏化系统的六种不同动机进行评分：慈善家、社交家、自由主义者、成就者、破坏者和玩家。最终的Hexad量表由24个条目组成，它们可以精确地描述用户的喜好。使用我们的调查会比直接询问用户关于设计元素更为有效，因为调查的目标是在一个游戏化的环境中了解更多的用户心理，而不仅仅是他们喜欢的游戏元素。此外，用户不一定是游戏玩家，因此可能不知道他们的游戏偏好，也不熟悉游戏设计词汇。因此，我们的调查旨在使用一个通用的词汇。此外，对不同游戏设计元素的Hexad用户类型的相关分析也证实了Hexad模型作为首选设计元素的有效性。这允许我们为每个用户类型提供一个游戏设计元素表。

在本研究之后，Hexad用户类型框架可以被看作是定制游戏化应用的有效模型。因此，本文所做的调查对人机交互和游戏化领域做出了重大贡献，因为它将使研究人员和设计者能够准确地测量出用户对游戏化设计中不同元素的偏好。

确认

Gustavo Tondello想要感谢滑铁卢大学和巴西的CNPq资助他的研究。Rina Wehbe想要感谢滑铁卢大学的Cheriton计算机科学学院和NSERC资助她的研究。本研究得到了NSERC (RGPIN-418622-2012)、SSHRC (895-2011-1014, IMMERSe)以及奥地利研究促进机构资助的GEMPLAY项目（合同编号：844845）的资助。作者想感谢Elisa Mekler, Melissa Stocco以及评论家们提供的反馈。

参考文献

1. Sander Bakkes, Chek Tien Tan, and Yusuf Pisan. 2012. Personalised gaming. Proceedings of The 8th Australasian Conference on Interactive Entertainment Playing the System IE ’12, ACM, 1–10. http://doi.org/10.1145/2336727.2336731

2. Gabriel Barata, Sandra Gama, Joaquim A.P. Jorge, and Daniel J.V. Gonçalves. 2014. Relating gaming habits with student performance in a gamified learning experience. Proceedings of the first ACM SIGCHI Annual Symposium on Computer-Human Interaction in Play CHI PLAY ’14, ACM, 17–25. http://doi.org/10.1145/2658537.2658692

3. Richard Bartle. 1996. Hearts, Clubs, Diamonds, Spades: Players who suit MUDs. Journal of MUD Research 1, 1.

4. Richard Bartle. 2005. Virtual Worlds: Why People Play. Massively Multiplayer Game Development 2, 1.

5. Chris Bateman, Rebecca Lowenhaupt, and Lennart E Nacke. 2011. Player Typology in Theory and Practice. Proceedings of DiGRA 2011.

6. Chris Mark. Bateman and Richard Boon. 2006. 21st Century Game Design (Game Development Series). Charles River Media.

7. Max V. Birk, Dereck Toker, Regan L. Mandryk, and Cristina Conati. 2015. Modeling Motivation in a Social Network Game Using Player-Centric Traits and Personality Traits. Proceedings of User Modeling, Adaptation and Personalization, Springer, 18–30. http://doi.org/10.1007/978-3-319-20267-9_2

8. Marc Busch, Elke Mattheiss, Rita Orji, Peter Fröhlich, Michael Lankes, and Manfred Tscheligi. 2016. Player Type Models – Towards Empirical Validation. Proceedings of the 2016 CHI Conference Extended Abstracts on Human Factors in Computing Systems CHI EA '16, ACM, 1835–1841. http://doi.org/10.1145/2851581.2892399

9. Marc Busch, Elke Mattheiss, Rita Orji, et al. 2015. Personalization in Serious and Persuasive Games and Gamified Interactions. Proceedings of the 2015 Annual Symposium on Computer-Human Interaction in Play CHI PLAY ’15, ACM, 811–816. http://doi.org/10.1145/2793107.2810260

10. Edward L Deci and Richard M Ryan. 1985. Intrinsic Motivation and Self-Determination in Human Behavior. Plenum, New York and London.

11. Edward L. Deci, Haleh Eghrari, Brian C. Patrick, and Dean R. Leone. 1994. Facilitating Internalization: The Self-Determination Theory Perspective. Journal of Personality 62, 1: 119–142. http://doi.org/10.1111/j.1467-6494.1994.tb00797.x

12. Sebastian Deterding, Dan Dixon, Rilla Khaled, and Lennart E Nacke. 2011. From Game Design Elements to Gamefulness: Defining “Gamification.”
    Proceedings of the 15th International Academic MindTrek Conference: Envisioning Future Media Environments – MindTrek '11, ACM, 9–15. http://doi.org/10.1145/2181037.2181040

13. Lisa Diamond, Gustavo F. Tondello, Andrzej Marczewski, Lennart E. Nacke, and Manfred Tscheligi. 2015. The HEXAD Gamification User Types Questionnaire : Background and Development Process. Workshop on Personalization in Serious and Persuasive Games and Gamified Interactions.

14. Dan Dixon. 2011. Player Types and Gamification. CHI 2011 Workshop Gamification Using Game Design Elements in NonGame Contexts, 12–15.

15. Lauren S. Ferro, Steffen P. Walz, and Stefan Greuter. 2013. Towards personalised, gamified systems: an investigation into game design, personality and player typologies. Proceedings of the 9th Australasian Conference on Interactive Entertainment: Matters of Life and Death IE ’13, 1–6. http://doi.org/10.1145/2513002.2513024

16. Andrew R. Gilpin. 1993. Table for Conversion of Kendall’s Tau to Spearman's Rho Within the Context of Measures of Magnitude of Effect for MetaAnalysis. Educational and Psychological Measurement 53, 1: 87–92. http://doi.org/10.1177/0013164493053001007

17. Juho Hamari, Jonna Koivisto, and Harri Sarsa. 2014. Does gamification work? A literature review of empirical studies on gamification. Proceedings of the 47th Annual Hawaii International Conference on System Sciences, 3025–3034. http://doi.org/10.1109/HICSS.2014.377

18. Juho Hamari and Janne Tuunanen. 2014. Player types: A meta-synthesis. Transactions of the Digital Games Research 1, 2. Retrieved April 10, 2016 from http://todigra.org/index.php/todigra/article/view/13

19. David Howell. 2012. Statistical Methods for Psychology. Cengage Learning.

20. Veronika Huta and Alan S. Waterman. 2014. Eudaimonia and Its Distinction from Hedonia: Developing a Classification and Terminology for Understanding Conceptual and Operational Definitions. Journal of Happiness Studies 15, 6: 1425–1456. http://doi.org/10.1007/s10902-013-9485-0

21. Yuan Jia, Bin Xu, Yamini Karanam, and Stephen Voida. 2016. Personality-targeted Gamification: A Survey Study on Personality Traits and Motivational Affordances. Proceedings of the 34th Annual ACM Conference on Human Factors in Computing Systems
    CHI ’16. http://doi.org/10.1145/2858036.2858515

22. Daniel Johnson and John Gardner. 2010. Personality, Motivation and Video Games. Proceedings of the 22nd Conference of the Computer-Human Interaction Special Interest Group of Australia on Computer-
    Human Interaction OZCHI ’10, 276. http://doi.org/10.1145/1952222.1952281

23. Daniel Johnson, Peta Wyeth, Penny Sweetser, and John Gardner. 2012. Personality, genre and videogame play experience. Proceedings of the 4th International Conference on Fun and Games FnG ’12, ACM, 117–120. http://doi.org/10.1145/2367616.2367633

24. Maurits Kaptein, Panos Markopoulos, Boris De Ruyter, and Emile Aarts. 2015. Personalizing persuasive technologies: Explicit and implicit personalization using persuasion profiles. International Journal of Human Computer Studies 77: 38–51. http://doi.org/10.1016/j.ijhcs.2015.01.004

25. Maurits Kaptein, Boris De Ruyter, Panos Markopoulos, and Emile Aarts. 2012. Adaptive Persuasive Systems: A Study of Tailored Persuasive Text Messages to Reduce Snacking. ACM Transactions on Interactive Intelligent Systems 2, 2: 1–25. http://doi.org/10.1145/2209310.2209313

26. Silvia Erika Kober and Christa Neuper. 2013. Personality and Presence in Virtual Reality: Does Their Relationship Depend on the Used Presence Measure? International Journal of Human-Computer Interaction 29, 1: 13–25. http://doi.org/10.1080/10447318.2012.668131

27. Andrzej Marczewski. 2015. User Types. In Even Ninja Monkeys Like to Play: Gamification, Game Thinking & Motivational Design. CreateSpace Independent Publishing Platform, 69–84.

28. Andrzej Marczewski. 2015. Gamification Mechanics and Elements. In Even Ninja Monkeys Like to Play: Gamification, Game Thinking & Motivational Design. CreateSpace Independent Publishing Platform, 165– 177.

29. Andrzej Marczewski. 2015. Marczewski’s User Type Test. Gamified UK. Retrieved July 20, 2016 from http://gamified.uk/UserTypeTest2015/user-type- test.php

30. Isabel Briggs Myers. 1962. The Myers-Briggs Type Indicator. Consulting Psychologists Press, Palo Alto, CA.

31. Lennart E Nacke, Chris Bateman, and Regan L Mandryk. 2011. BrainHex: Preliminary Results from a Neurobiological Gamer Typology Survey. In Proceedings of the 10th International Conference on Entertainment Computing ICEC 2011. Springer Berlin Heidelberg, 288–293. http://doi.org/10.1007/978-3-642-24500-8_31

32. Lennart E Nacke, Chris Bateman, and Regan L Mandryk. 2014. BrainHex: A Neurobiological Gamer Typology Survey. Entertainment Computing 5, 1: 55– 62. http://doi.org/10.1016/j.entcom.2013.06.002

33. Oded Nov and Ofer Arazy. 2013. Personality-targeted design: theory, experimental procedure, and
    preliminary results. Proceedings of the 2013 Conference on Computer Supported Cooperative Work CSCW ’13, ACM, 977–984.
    http://doi.org/10.1145/2441776.2441887

34. Rita Orji, Regan L. Mandryk, Julita Vassileva, and Kathrin M. Gerling. 2013. Tailoring persuasive health games to gamer type. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems
    CHI ’13, 2467–2476.
    http://doi.org/10.1145/2470654.2481341

35. Rita Orji, Julita Vassileva, and Regan L. Mandryk. 2014. Modeling the efficacy of persuasive strategies for different gamer types in serious games for health. User Modeling and User-Adapted Interaction 24, 5: 453–498. http://doi.org/10.1007/s11257-014-9149-8

36. Delroy L. Paulhus. 1984. Two-component models of socially desirable responding. Journal of Personality and Social Psychology 46, 3: 598–609. http://doi.org/10.1037/0022-3514.46.3.598

37. Christopher Peterson, Nansook Park, and Martin E. P. Seligman. 2005. Orientations to happiness and life satisfaction: the full life versus the empty life. Journal of Happiness Studies 6, 1: 25–41. http://doi.org/10.1007/s10902-004-1278-z

38. Beatrice Rammstedt and Oliver P. John. 2007. Measuring personality in one minute or less: A 10item short version of the Big Five Inventory in English and German. Journal of Research in Personality 41, 1: 203–212. http://doi.org/10.1016/j.jrp.2006.02.001

39. Richard M. Ryan, Edward L. Deci, and Maarten Vansteenkiste. 2016. Autonomy and Autonomy Disturbances in Self-Development and Psychopathology: Research on Motivation, Attachment, and Clinical Process. In Developmental Psychopathology, Dante Cicchetti (ed.). Wiley, 1–54. http://doi.org/10.1002/9781119125556.devpsy109

40. Richard M. Ryan and Edward L. Deci. 2000. Selfdetermination theory and the facilitation of intrinsic motivation, social development, and well-being. The American Psychologist 55, 1: 68–78. http://doi.org/10.1037/0003-066X.55.1.68

41. Richard M. Ryan and Edward L. Deci. 2000. Intrinsic and Extrinsic Motivations: Classic Definitions and New Directions. Contemporary Educational Psychology 25, 1: 54–67. http://doi.org/10.1006/ceps.1999.1020

42. Richard M. Ryan, C. Scott Rigby, and Andrew Przybylski. 2006. The motivational pull of video games: A self-determination theory approach. Motivation and Emotion 30, 4: 347–363. http://doi.org/10.1007/s11031-006-9051-8

43. Niels Winkler, Martin Kroh, and Martin Spiess. 2006. Entwicklung einer deutschen Kurzskala zur zweidimensionalen Messung von sozialer
    Erwünschtheit. DIW-Diskussionspapiere 579.
    Retrieved April 10, 2016 from http://www.econstor.eu/handle/10419/18472

44. Yan Xu, Erika Shehan Poole, Andrew D. Miller, et al. 2012. This is not a one-horse race: understanding player types in multiplayer pervasive health games for youth. Proceedings of the ACM 2012 conference on Computer Supported Cooperative Work CSCW ’12, ACM, 843–852. http://doi.org/10.1145/2145204.2145330

45. Nick Yee, Nicolas Ducheneaut, Les Nelson, and Peter Likarish. 2011. Introverted Elves & Conscientious Gnomes: The Expression of Personality in World of Warcraft. Proceedings of the Annual Conference on Human Factors in Computing Systems CHI ’11, ACM, 753–762.
    http://doi.org/10.1145/1978942.1979052

46. Nick Yee, Nicolas Ducheneaut, and Les Nelson. 2012. Online gaming motivations scale: development and validation. Proceedings of the 2012 ACM annual conference on Human Factors in Computing Systems CHI ’12, ACM, 2803–2806. http://doi.org/10.1145/2207676.2208681

47. Nick Yee. 2006. Motivations for Play in Online Games. CyberPsychology & Behavior 9, 6: 772–775. http://doi.org/10.1089/cpb.2006.9.772

48. Virgil Zeigler-Hill and Sean Monica. 2015. The HEXACO model of personality and video game preferences. Entertainment Computing 11: 21–26. http://doi.org/10.1016/j.entcom.2015.08.001

附录A、调查项目

附录B、HEXAD用户类型与游戏设计元素的相关性