• شماره ركورد
    24526
  • شماره راهنما
    IT2 144
  • عنوان

    تحليل و شخصي‌سازي عناصر بازي‌وارسازي بر اساس ويژگي‌هاي شخصي كاربران

  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي فناوري اطلاعات - تجارت الكترونيكي
  • دانشكده
    مهندسي كامپيوتر
  • تاريخ دفاع
    1403/10/24
  • صفحه شمار
    90 ص.
  • استاد راهنما
    سيد فخرالدين نور بهبهاني
  • كليدواژه فارسي
    بازي‌وار‌سازي , شخصي‌سازي , نوع كاربر , يادگيري ماشين , عناصر بازي
  • چكيده فارسي
    بازي‌وارسازي رويكردي نوآورانه است كه با تلفيق عناصر جذاب بازي در سامانه‌هاي غير بازي، تعامل، انگيزه و رضايت كاربران را به طور چشمگيري افزايش مي‌دهد. اين روش در حوزه‌هاي متنوعي ازجمله سلامت، آموزش، مديريت منابع انساني و برنامه‌هاي وفاداري مشتري براي ايجاد تغييرات رفتاري مثبت به كار گرفته مي‌شود. با اين وجود، اثربخشي بازي‌وارسازي به‌شدت وابسته به ويژگي‌هاي فردي كاربران است. عواملي مانند شخصيت، ترجيحات، و زمينه فرهنگي افراد نقش كليدي در شكل‌دهي تجربه آن‌ها در سامانه‌هاي بازي‌وار شده دارند. از اين رو، طراحي موفق يك سيستم بازي‌وار مستلزم درك عميق مخاطبان هدف و شخصي‌سازي تجربه بر اساس نيازها و خصوصيات منحصر به فرد آنهاست.اين رويكرد شخصي‌سازي شده نه تنها باعث افزايش اثربخشي بازي‌وارسازي مي‌شود، بلكه مي‌تواند منجر به ايجاد تجربيات معنادار و پايدارتر براي كاربران گردد. در نتيجه، بازي‌وارسازي به‌عنوان ابزاري قدرتمند براي ايجاد تغيير و بهبود در زمينه‌هاي مختلف، با در نظر گرفتن تنوع كاربران، همچنان در حال تكامل و گسترش است. اين پژوهش مدلي سه‌مرحله‌اي براي طراحي سيستم‌هاي بازي‌وار شخصي‌سازي شده ارائه مي‌دهد كه شامل طبقه‌بندي ترجيحات كاربر، انتخاب عناصر طراحي بازي‌وار و ارزيابي طراحي است. از مقياس هگزاد براي طبقه‌بندي كاربران و از پرسشنامه‌هاي چيالديني، MBTIو هافستد براي شناسايي ويژگي‌هاي شخصيتي، فرهنگي و اجتماعي استفاده شده است. مدل‌هاي آماري و يادگيري ماشين براي طبقه‌بندي كاربران و انتخاب عناصر طراحي متناسب به كار گرفته شدند. اين رويكرد جامع به طراحان كمك مي‌كند تا سيستم‌هاي بازي‌وار را بادقت بيشتري متناسب با ويژگي‌هاي فردي كاربران طراحي كنند، كه مي‌تواند منجر به افزايش اثربخشي و رضايت كاربران شود. به‌منظور بررسي عملي اين رويكرد، يك پلتفرم نرم‌افزاري طراحي شد كه امكان ادغام عناصر بازي را در كنار ابزار اصلي كار فراهم مي‌آورد. اين پلتفرم انعطاف‌پذير به محققان اجازه مي‌دهد عناصر بازي را تنظيم كرده و شخصي‌سازي‌ها را بر اساس ويژگي‌هاي كاربران كنترل كنند. در اين پژوهش، دو گروه آزمايشي شامل كاربران باتجربه بازي‌وار شخصي‌سازي‌شده و گروه كنترل با عناصر بازي ثابت مورد بررسي قرار گرفتند. به‌منظور توضيح شرايط پژوهش و آموزش كاربران، كارگاه‌هايي حضوري در مدارس و دانشگاه‌ها براي شركت‌كنندگان برگزار شد. پس از بازي سؤالاتي درباره ميزان رضايت، جذابيت و انگيزه كاربران، از طريق تكميل پرسشنامه‌اي مطرح گرديد و يافته‌ها نشان داد كه سيستم‌هاي بازي‌وار شخصي‌سازي‌شده تعامل و رضايت بيشتري را نسبت به سيستم‌هاي عمومي ايجاد مي‌كنند .نتايج نشان مي‌دهند كه بالاترين ميزان رضايت مربوط به امكان انتخاب و شخصي‌سازي عناصر بازي‌وارسازي با ميانگين 9.02 و انحراف معيار 2.98 است.
  • كليدواژه لاتين
    Gamification , Personalization , User Type , Machine Learning , Game Elements
  • عنوان لاتين
    Analyzing an‎d Personalizing Gamification Elements Based on Users Personal Characteristics
  • گروه آموزشي
    مهندسي فناوري اطلاعات
  • چكيده لاتين
    Gamification, as an innovative process fo‎r creating systems with gamified experiences, is widely used to enhance user engagement, motivation, an‎d enjoyment in digital systems. It also finds applications in behavio‎r change initiatives across domains such as health, education, customer loyalty, an‎d employee management. However, evidence suggests that individual user characteristics, such as personality traits, preferences, an‎d cultural facto‎rs, significantly influence the outcomes of gamification. This research aims to advance personalized gamification by proposing a three-phase model fo‎r designing gamified systems: (1) user preference classification, (2) selec‎tion of gamification design elements, an‎d (3) eva‎luation of the gamified design. In this regard, the Hexad User Types scale was employed fo‎r user classification, an‎d questionnaires such as Cialdini’s principles, MBTI, an‎d Hofstede’s dimensions were utilized to identify personality, cultural, an‎d social characteristics. Statistical models an‎d machine learning techniques were applied fo‎r the classification an‎d selec‎tion of design elements. To eva‎luate this approach, a flexible software platfo‎rm was developed, integrating nine gamification elements around a co‎re task. This platfo‎rm allows researchers to adjust gamification elements, add o‎r remove features, an‎d control the level an‎d type of personalization based on user attributes. The study involved two experimental groups: one experiencing personalized gamified systems an‎d a control group engaging with fixed gamification elements. To prepare participants, wo‎rkshops were held in schools an‎d universities, where selec‎ted students an‎d university attendees, who had previously completed questionnaires, received instructions about the game an‎d research objectives. Post-game surveys were administered to assess user satisfaction, engagement, an‎d motivation. The findings revealed that personalized gamified systems significantly enhanced user engagement an‎d satisfaction compared to generic systems. This research provides a comprehensive framewo‎rk fo‎r designing an‎d eva‎luating personalized gamification systems, offering valuable guidance fo‎r designers aiming to improve user interaction an‎d motivation.
  • تعداد فصل ها
    6
  • فهرست مطالب pdf
    122835
  • نويسنده

    علي اكبري دهكردي، مهشيد