El software de juegos puede personalizar los programas de terapia

La investigación emergente sugiere que los programas de software que utilizan características del juego en contextos no relacionados con el juego pueden mejorar la motivación individual para seguir los regímenes terapéuticos prescritos o recomendados.

Los ingenieros de Penn State utilizaron el aprendizaje automático para capacitar a las computadoras para desarrollar regímenes personalizados de terapia física o mental, por ejemplo, para superar la ansiedad o recuperarse de una lesión en el hombro, por lo que muchas personas pueden usar un programa a medida.

"Queremos comprender los comportamientos humanos y de equipo que motivan el aprendizaje para, en última instancia, desarrollar métodos personalizados de aprendizaje en lugar del enfoque único que se aplica a todos", dijo el Dr. Conrad Tucker, profesor asistente de tecnología de diseño de ingeniería. .

“Usar personas para evaluar individualmente a otras no es eficiente ni sostenible en tiempo o recursos humanos y no se adapta bien a un gran número de personas”, dijo Tucker.

“Necesitamos entrenar a las computadoras para que lean a personas individuales. La gamificación explora la idea de que diferentes personas están motivadas por diferentes cosas ".

Para comenzar a crear modelos informáticos para programas de terapia, los investigadores probaron cómo realizar de manera más efectiva la finalización de una tarea física en una aplicación gamificada mediante la incorporación de características del juego como puntuación, avatares, desafíos y competencia.

"Estamos explorando aquí cómo se podría aplicar la gamificación a la salud y el bienestar al enfocarnos en aplicaciones ludificadas físicamente interactivas", dijo Christian López, estudiante graduado en ingeniería industrial y de fabricación, quien ayudó a realizar las pruebas utilizando un entorno de juego de realidad virtual.

En las pruebas de realidad virtual, los investigadores pidieron a los participantes que evitaran físicamente los obstáculos mientras se movían por un entorno virtual. El sistema de juego registró las posiciones reales de su cuerpo usando sensores de movimiento y luego reflejó sus movimientos con un avatar en realidad virtual.

Los participantes tuvieron que agacharse, agacharse, levantar los brazos y saltar para evitar obstáculos. El participante evitó con éxito un obstáculo virtual si ninguna parte de su avatar tocó el obstáculo. Si hicieron contacto, los investigadores calificaron la gravedad del error según la cantidad de avatar que tocó el obstáculo.

En uno de los diseños de la aplicación, los participantes podían ganar más puntos moviéndose para recolectar monedas virtuales, lo que a veces los hacía chocar con un obstáculo.

“A medida que aumenta la complejidad de la tarea, los participantes necesitan más motivación para lograr el mismo nivel de resultados”, dijo López. “No importa cuán atractiva sea una función en particular, debe hacer que el participante complete el objetivo en lugar de retroceder o perder el tiempo en una tarea tangencial. Agregar más funciones no necesariamente mejora el rendimiento ".

Tucker y Lopez crearon un algoritmo predictivo para pronosticar el resultado de un evento. La herramienta ayudó a clasificar la utilidad potencial de una función del juego. Luego probaron qué tan bien cada característica del juego motivaba a los participantes al completar las tareas de realidad virtual.

Compararon los resultados de sus pruebas con las predicciones del algoritmo como prueba de concepto y encontraron que la fórmula anticipaba correctamente qué juego presenta a las personas mejor motivadas en las tareas físicamente interactivas.

Los investigadores encontraron que las aplicaciones ludificadas con un sistema de puntuación, la capacidad de seleccionar un avatar y las recompensas en el juego conducían a un número significativamente menor de errores y a un mayor rendimiento que aquellas con un sistema de ganar o perder, antecedentes de juegos aleatorios y basados ​​en el rendimiento. premios.

Sesenta y ocho participantes probaron dos diseños que solo se diferenciaban por las características utilizadas para completar el mismo conjunto de tareas.

Los investigadores eligieron las características del juego probadas de los juegos mejor clasificados en la tienda de aplicaciones de Google Play, aprovechando las características que hacen que los juegos sean dignos de atracones y reproducibles, y luego redujeron la selección en función de la tecnología disponible.

Su algoritmo clasificó a continuación las características del juego según la facilidad con la que los diseñadores podrían implementarlas, la complejidad física del uso de la característica y el impacto de la característica en la motivación y la capacidad de los participantes para completar la tarea.

Los investigadores descubrieron que si una característica del juego es tecnológicamente demasiado difícil de incorporar al juego, demasiado compleja físicamente, no ofrece suficientes incentivos para un esfuerzo adicional o funciona en contra del objetivo final del juego, entonces la característica tiene poca utilidad potencial.

Los resultados del estudio aparecen en la revista Computadoras en el comportamiento humano. Los investigadores creen que sus hallazgos pueden ayudar a mejorar el rendimiento en el lugar de trabajo y personalizar las aulas de realidad virtual para la educación en línea.

"La cultura del juego ya ha explorado y dominado los aspectos psicológicos de los juegos que los hacen atractivos y motivadores", dijo Tucker. "Queremos aprovechar ese conocimiento hacia el objetivo de la optimización individualizada del rendimiento en el lugar de trabajo".

Para hacer esto, Tucker y Lopez quieren conectar el rendimiento con el estado mental durante estas tareas físicas ludificadas. La frecuencia cardíaca, las señales de electroencefalograma y las expresiones faciales se utilizarán como sustitutos del estado de ánimo y el estado mental mientras se realizan tareas para conectar el estado de ánimo con las características del juego que afectan la motivación.

Fuente: Penn State