情感驅動遊戲適應的閉環研究
arXiv - Human-Computer InteractionPhil Lopes, Nuno Fachada, Maria Fonseca
系統性回顧顯示情感驅動遊戲適應閉環稀少，主要以規則為主，情感狀態往往未成為調整目標。
AI 幫你先抓重點
AI 重點 1
情感資料進入迴路但未成為適應目標，揭示情感感知與調整之間的脫節。
滑鼠懸停看 AI 判斷理由
此洞察提醒設計者需將情感狀態作為核心適應指標，否則系統只能以情感作為輔助訊號，無法真正提升情感體驗。
AI 重點 2
規則基礎方法占優，顯示可解釋性被視為關鍵，但機器學習潛力被低估。
滑鼠懸停看 AI 判斷理由
了解此偏好可促使研究者在保持透明度的同時，探索混合模型以提升適應效能，並解決資料與執行時挑戰。
核心研究發現
- 1
在2015-2025年間共發現23項實證研究，完整情感驅動迴路系統極為罕見，主要聚焦於動態難度調整、參與度、康復與績效目標。
- 2
遊戲遙測資料是主流輸入方式，面部表情分析與外周交互等非侵入式情感相關來源使用率較低。
- 3
知識基礎方法（規則系統、啟發式）在建模與適應上佔主導，機器學習方法較少，受資料可得性、透明度與執行時整合困難限制。
- 4
情感資訊多用於挑戰校準，對壓力、焦慮、恐怖等情感狀態的明確適應目標則鮮少被採用。
對教育工作者的啟發
實務工作者可依循以下建議：①選擇多元輸入，結合遊戲遙測與非侵入式情感感測；②在設計適應演算法時，兼顧可解釋性與效能，可採用規則+機器學習混合策略；③將情感狀態設定為明確適應目標，避免僅作為輔助指標；④進行嚴謹的實證評估，確保系統在不同玩家族群中的效益與公平性；⑤持續迭代，根據玩家反饋調整模型參數，形成真正的閉環適應體系。
原始文獻資訊
- 英文標題：
- Closing the Loop in Affect-Driven Game Adaptation: A Systematic Review
- 作者：
- Phil Lopes, Nuno Fachada, Maria Fonseca
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。