衡量社交数字游戏观众的参与度
July 3rd, 2021
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。
该协议的目的是实现社会数字游戏参与者的参与度测量。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，因此涉及一组移动的人，实验被拍摄，以同步生理数据与游戏中的事件。
这是执行协议所需的材料。我们将将这些框称为 EDA 框，该框用于记录参与者的 EDA。灯箱，带数字数字的盒子。
同步框、向 EDA 框发送信号的框和同步数据的灯箱。我们还需要两个臂章，EDA电极，EDA传感器，医疗胶带和防腐湿巾。将 EDA 盒、三个灯箱和同步盒插入充电站。
将同意书、实验前问卷和球衣放在问候区的桌子上。然后，在灯箱上测试蓝牙连接。将同步框设置为手动。
打开三个灯箱。打开两个 EDA 框。打开EDA盒子上的蓝牙。
打开同步框，然后按同步框上的脉冲按钮。灯箱应闪烁头号。然后，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。将同步框放在六英尺高的三脚架上，并将其设置为自动。放置相机，以便框架包括游戏场地和灯箱的所有四肢。
在前门迎接参与者。告诉他们去坐在桌旁。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您安装EDA设备。在此期间，其他参与者可以开始填写实验前问卷。
在非主导性方面，要求参与者移除任何珠宝。使用防腐擦拭清洁放置电极的区域。从塑料中取出电极，放在参与者的手上。
然后，在两个电极上捕捉两个传感器。红线必须放在拇指侧。黑线必须放在另一边，在粉红色的手指下。
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。
然后在手掌上添加一个臂带，以确保传感器和电极到位。然后打开 EDA 设备。检查蓝牙开关是否仍处于打开。
检查四个灯是否闪烁。注意参与者的编号和 EDA 框的编号，然后将 EDA 框放在他们的腰带上或参与者的口袋里。所有参与者完成实验前问卷后，步行到游戏工作室，然后记录基本灯。
为此，告诉参与者您需要校准您的工具，并要求他们平静地呼吸，并在眼前修复两分钟的东西。同时，关闭 EDA 设备，然后打开。然后启动一个两分钟的限时器。
几分钟后，关闭 EDA 设备并重新打开。开始录制三个摄像机，然后打开三个灯箱。还要验证灯箱和完整的游戏场地是否仍在摄像机帧内。
验证同步框是否自动打开并打开同步框。解释游戏。告诉他们，他们的游戏类似于乒乓球，他们会理解，而玩。
要赢，一个球员需要三分。还要告诉他们，一些公众会使用他们的智能手机通过访问投影在操场上的网站URL来影响游戏。然后告诉他们谁将扮演球员的角色，谁将作为观众站在场边。
宣布哪个观众将使用他们的智能手机为这个游戏。当参与者玩耍时，可视检查灯光是否每 10 秒闪烁一次。在每场比赛之间，请参与者在智能手机、URL 上填写自我评估模特比例问卷。
给他们问卷的链接。请参与者将框交给您。关闭设备。
关闭设备的蓝牙，从 A3 端口拔下传感器，然后拆下臂带。从电极中分离出传感器，并要求参与者取出手上的医疗胶带和电极。给参与者一个组织，去除手上的奶油。
然后，从 EDA 框中删除迷你 SD 卡，并与第二个 EDA 参与者进行相同的处理。活动结束后，请EDA的参与者填写经验问卷的结尾。然后向参与者汇报。
一旦他们完成，感谢他们的参与，告诉他们他们的研究目标和报酬。然后带他们出去拆解并收下数据收集材料后，在计算机上传输到生理数据。
将EDA盒中的迷你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。验证数据是否有效。
选择数据并将其放入电子表格中。隐藏没有用的列。选择大约一到3000，并制作一个散射图。
如果数据在 240 到 550 之间，则数据有效。然后通过选择事件列并对其进行排序来验证同步框生成的标记是否存在。有时有标记未显示。
这不是问题。只需一个标记，即可计算事件的开始和结束。按控制 Z 将标记放回原处。
准备数据进行分析。添加一个event_start_end列。观看素材，当事件开始时，计算事件时间与最后标记之间的差额。
当您找到与事件相关的秒数开始时，添加一个名为"event1_start"的标记。在活动结束时也这样做。然后重复这些步骤的基线。
添加标记后，请导出文本文件中的电子表格。每个参与者将有两个，一个带有数据，一个带有基线。然后，将这些文件导入软件。
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。请注意，该软件仍处于早期版本。某些图标可能丢失。
我将指导您完成步骤，让生理数据文件准备好进行分析。单击"添加"项目。添加标题。
添加描述。输入项目日期和参与者总数。单击项目名称。
点击实验设计。点击信号，选择生理，EDA，蓝盒录音机，蓝色盒子，版本三。单击事件并输入之前在电子表格中命名的事件。
选择蓝色框，版本三。单击转换。选择GSR，它是指电性皮肤反应或EDA。
单击解锁以锁定您的项目。单击文件导入以导入之前准备的文件。单击参与者的个人资料，通过输入其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。单击"确定完成"。上传数据文件，需要压缩才能识别软件。
单击箭头。单击饼图以上传文件。转到分析并选择数据导出。
选择参与者及其数据。单击导出数据即可准备好文件进行分析。如果您有很多参与者，这可能需要数小时。
文件将在导出结束时以文件名称显示。使用生成的文件进行生理数据分析。下面是从软件中提取的文件示例。
它根据活动的开始和结束进行组织。一切都准备好分析了。结果发现，当观众能够使用智能手机来影响比赛时，用自我评估模特量表测量的觉醒和用EDA测量的生理觉醒感更高，这反过来又增加了他们的参与度。
这些结果表明，这种方法提供了必要的数据，以评估参与时，由生理调解，以及自我报告的觉醒。最后，在屏幕内没有进行的数字游戏环境中，这种方法是足够的。我们可以视频捕捉游戏中发生的动作，同时能够将这些操作与 EDA 变体关联起来。
由于其便携式设备，这种方法可以在实验室设置之外使用。它可以在游戏的真实环境中重现，在我们的例子中，这是一个公共空间。EDA 设备的未来发展还可以支持其他测量，如心电图，这需要另一个传感器和另外两个电极、加速度计和地理定位。
这些发展可以更准确地评估游戏环境中的身体反应和运动。
View the full transcript and gain access to thousands of scientific videos
概述
这项研究提出了一种通过整合生理和自我报告数据来测量社交数字游戏中参与度的方法。游戏涉及一群自由移动的参与者，体验被记录下来以同步生理数据与游戏事件。
关键研究组成部分
科学领域
- 神经科学
- 行为科学
- 数字游戏
背景
- 参与度测量对于理解参与者在社交游戏中的互动至关重要。
- 将生理数据与自我报告相结合，提高了参与度评估的准确性。
- 对游戏进行拍摄允许数据收集同步。
- 了解参与度可以为游戏设计和参与者体验提供信息。
研究目的
- 开发一种可靠的方法来测量社交数字游戏中的参与度。
- 探索生理反应和自我报告参与度之间的关系。
- 为社交游戏环境中的未来研究提供框架。
使用的方法
- 生理数据收集与自我报告测量的整合。
- 使用拍摄技术捕捉参与者互动。
- 生理数据与特定游戏事件的同步。
- 使用专门设备进行数据记录。
主要结果
- 该方法成功捕捉实时参与度水平。
- 生理数据与自我报告的参与度指标相关。
- 拍摄增强了对游戏过程中参与者动态的理解。
- 该方法可以适应各种社交游戏场景。
结论
- 这种方法提供了社交数字游戏中参与度的全面视角。
- 结合生理和自我报告数据提供更丰富的见解。
- 未来的研究可以在这个框架上进行，探索不同的游戏环境。
常见问题
Executive Industry Relevance
Quantitative measurement of spectator engagement in social digital games enables objective assessment of user experience and behavioral response in dynamic, real-world environments. Integrating synchronized physiological and self-reported data provides predictive confidence for evaluating interactive content and optimizing engagement strategies. This methodology supports translational continuity from behavioral research to scalable digital health and neurobehavioral applications.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective interrogation of engagement-related hypotheses using physiological and behavioral endpoints.
- Supports mechanistic de-risking by correlating arousal states with interactive stimuli in group settings.
- Facilitates functional validation of digital interventions targeting neurobehavioral pathways.
Screening & Assay Development
- Prepares validated, real-world behavioral systems for downstream digital biomarker discovery.
- Standardizes quantitative measurement of arousal and engagement for reproducible screening.
- Enables scalable evaluation of interactive content and intervention efficacy.
Translational & Preclinical Research
- Aligns physiological arousal metrics with self-reported engagement for translational biomarker development.
- Supports continuity from discovery-stage behavioral endpoints to preclinical digital health models.
- Provides risk-adjusted data for advancing digital therapeutics and neurobehavioral interventions.
Pipeline & Workflow Integration
This methodology integrates into the discovery-to-preclinical continuum for digital health and neurobehavioral research, supporting hypothesis testing, assay readiness, and translational analytics.
- Discovery Biology: Objectively quantifies engagement and arousal in response to interactive stimuli, supporting hypothesis-driven research.
- Screening: Delivers reproducible, quantitative outputs for evaluating digital interventions and behavioral assays.
- Analytics: Provides synchronized physiological and event-based data for robust statistical comparison across conditions.
- Translational Research: Bridges behavioral endpoints with physiological biomarkers for preclinical validation.
- Enterprise Reuse: Offers a portable, scalable platform for repeated use in diverse digital and behavioral research settings.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces ambiguity in engagement and arousal measurement.
- Operational Value: Standardizes data collection and synchronization across mobile, real-world environments.
- Strategic Value: Informs go/no-go decisions for digital health and neurobehavioral intervention development.
- Portfolio Impact: Enables risk-adjusted prioritization of digital and behavioral research assets.
Implementation Considerations
- Requires expertise in physiological data acquisition and behavioral analytics.
- Needs portable EDA sensors, synchronized video capture, and data integration infrastructure.
- Demands cross-team standardization for data labeling and event synchronization.
- Adaptation may be limited by spatial constraints of signal transmission (20 meters).
- Practical limitations include early-stage software and hardware scalability for larger cohorts.
