识别玩家类型，为学习者量身定制基于游戏的学习设计:使用Q方法的横断面调查

简介

在卫生专业教育中，人们对基于游戏的学习越来越感兴趣，因为它具有吸引人的特性，对学生的动机和学习有积极影响[1］．然而，对于如何以及何时在卫生专业人员教育中实施基于游戏的学习的理解仍处于起步阶段[1]以及其他教育范畴[2］．尽管有无数种设计基于游戏的学习策略的方法[2-4]，很少有高质量的证据来指导在特定的教育环境中选择最有效的基于游戏的学习设计[1］．反过来，这可能会增加选择次优甚至适得其反的基于游戏的学习策略的可能性[5］．因此，有必要进行实证研究，为未来基于游戏的学习设计提供信息。1］．

有些学者认为教育类游戏是由不了解游戏文化、艺术和科学的学者设计的。6-8］．这可能会导致教育学习工具在可玩性和粘性方面的成功或失败。另一方面，如果游戏设计师对基于游戏的学习理论和实践了解甚少或一无所知，那么他们所开发的游戏虽然玩起来很有趣，但在教育目标和结果方面却很不理想。的确，设计一款具有教育意义的游戏学习工具是一项极具挑战性的任务，它在很大程度上取决于教学方法和用户粘性之间的协同作用。5-8］．

基于游戏的学习的实际应用还没有得到大量科学研究的证实。1，3.，9]，可以理解为对上述断言的佐证。卫生专业教育的研究人员通常采用教育方法来进行基于游戏的学习，而不考虑游戏研究领域中可用的知识主体。例如，在卫生专业教育中，大多数基于游戏的学习研究都专注于一个特定的游戏属性(即分数和奖励的影响)[1，2，10]，尽管许多其他游戏属性也已被调查[3.，11］．此外，激励一些学习者的游戏元素实际上可能会让其他人失去动力。12-14]表明个人喜好是激励玩家玩游戏的关键因素[15-18］．游戏(19]和基于游戏的学习[5，20.研究一致表明，人们对游戏和游戏的喜好差异很大。在卫生专业人员的教育领域之外，年龄、性别、文化和性格的个体差异在一个人对特定类型的游戏、游戏的偏好以及对不同基于游戏的学习设计的反应中发挥着作用[20.］．将个性特征与最适合每个特定特征的基于游戏的学习设计解决方案联系起来，已被证明可以改善学习者体验(例如，感知游戏性)[12，21-27]，动机[28-31]，以及性能[28，30.］．因此，在设计基于游戏的学习策略时，应该考虑偏好，以吸引和激励整个学生群体(而不仅仅是一个子群体)。

在游戏研究领域，玩家类型的概念被用来描述对特定游戏类型有共同偏好的用户，这使游戏设计师能够创造最佳的用户体验。32］．在早期，可能是最著名的玩家类型中[18，一款多人角色扮演游戏的用户根据两种游戏内行为(1)行为vs互动(2)世界vs玩家)进行了分类，由此产生了4种不同的玩家类型:社交者(喜欢与其他玩家互动的用户，例如，游戏是一种结识他人的工具)，探索者(喜欢与世界互动的用户，例如，发现新领域，并沉浸在游戏世界中)，成就者(喜欢对世界采取行动的用户，例如，喜欢从游戏世界中获得奖励，点数和装备)，以及杀手(喜欢对其他玩家采取行动的用户，例如，以击败他人为乐)(图1)．从那时起，各种类型的玩家被提出[17，19，33-35］．然而，这些玩家类型存在一些主要问题。许多观点并没有经验证据的支持[35］．相反，它们是基于研究人员之前开发游戏的经验[18，33]，关于非科学文献[36，37]，或上述玩家类型的组合[38］．基于经验数据的玩家类型[17，19，39]往往是基于对特定游戏类型的研究，这意味着类型学可能是有偏见和不完整的。此外，使用的调查(如李克特量表调查[17，19，39)可能会不必要地限制受访者的答案，从而限制研究人员的解释。因此，重要的信息可能被忽略了[40］．

在这项研究中，我们的目标是在独立于游戏环境的卫生专业学生教育代表群体中确定玩家类型。作为此类研究的第一个，我们的目标是探索这一群体对游戏和玩法的最广泛的偏好。我们制定了以下研究问题:可以识别学生对游戏和游戏的感知模式(即玩家类型)以及他们最重要的特征是什么?

‎ 查看此图

方法

设计

为了调查学生对游戏的认知，我们采用了q -方法学[41]，这是一种混合方法的研究技术，旨在解释某一问题的所有关键主观观点[42］．Q-methodology的定性成分允许考虑主观意见的表达，而定量成分使用统计分析，以便将具有共同意见的参与者分组。q -方法学用于基于共同意见而不是基于潜在变量对个体进行聚类，这是常规因素分析(或r -方法学)的情况。q -方法学技术以前曾在医学教育中使用过，尽管目的不同(例如，用于识别自我调节学习行为的不同模式[43-45])。Q-methodology的特点主要有两个阶段:(1)设计一组陈述，并让参与者对这组陈述进行排序;(2)对所包括的参与者的样本进行个人相关性和因子分析。

道德

我们获得了荷兰医学教育协会(NVMO 2019.1.11)对这项研究的伦理批准。

环境和参与者

这项研究于2019年5月在荷兰格罗宁根大学医学院进行。6年本科医学和6年本科牙科课程都包括3年本科和3年硕士阶段。在这两门课程中，教师使用面对面和基于网络的教学方法，有时也应用基于游戏的学习方法，但不是定期或结构化的。

我们通过在大学的网络学习环境(称为Nestor)上发布公告，邀请所有医学和牙科学生(3000名符合条件的本科生)参与我们的研究。参与者被告知研究的目的和程序。他们的参与是匿名、自愿和保密的。参与者有权在任何时候退出研究。所有参与者均知情同意。为了感谢他们的时间和努力，每位参与者都获得了5欧元(约5.66美元)的礼券。

虽然进行q -方法学研究没有决定性的最小或最大参与人数[43]，一般而言，发言数目应超过出席人数[46]， 40至60人参加为适当[47，48］．为了获得高度多样化的样本，建议进行Q-sort分析[46，48我们有目的地选择参与者。因此，我们要求参与者在排序过程之前完成一份社会人口调查问卷(如年龄、性别以及他们是否认为自己是游戏玩家)，其中还包括一个关于参与者最喜欢的游戏的问题。对于我们的目的样本，我们只包括那些指定了最喜欢的游戏的参与者。我们确定了游戏类型，以确保每种游戏类型在最终样本中都是均匀的。此外，只有在12分钟或更长时间内完成分类任务的参与者被包括在内。我们进行了初步测试，发现平均排序时间为25分钟(范围2-3分钟)，读取语句并快速排序语句至少需要12分钟;因此，在不到12分钟的时间里，这种类型被认为是欠考虑的。如果参与者有相同的最喜欢的游戏，只有一个参与者被包括在内。参与者对模式(数字或模拟)的偏好必须尽可能均匀地分布在不同游戏类型中;男女比例必须均匀分布于不同游戏类型中; and medical and dental student had to be evenly distributed across game genres. If a decision about inclusion or exclusion of a participant could not be made based the preceding criteria, the decision was made by rolling dice.

语句组

在Q-methodology中没有唯一正确的方法来编译一组语句[41］．一般情况下，Q样本量为40到80条语句[41，48]，而发言数目应超过出席人数[46］．包含太多语句的集合可能会使排序过程成为一项令人疲惫和繁重的任务，而包含过少语句的集合可能会导致对游戏偏好主题的覆盖不足。41］．通过对语句集中的每个语句进行排序和优先级排序，个体参与者为我们提供了他们对自己的游戏偏好的看法的模型。应谨慎选择发言，因为其性质限制了与会者的表达能力[49］．

我们的目标是开发一套陈述，其中每个陈述都是唯一的，并且有自己的原始贡献，所有陈述一起涵盖了所有的游戏偏好。声明是根据较早前的焦点小组研究结果而作出的[5]在医学和牙科学生中(n=58)，他们没有基于游戏的学习经验，但在游戏和游戏方面的经验差异很大，以获得休闲时间和学术教育的观点。为了确保陈述集涵盖了尽可能多的游戏偏好方面，我们还检查了玩家类型研究[17-19，50可能会针对不同的游戏偏好。这导致了最初的一组136项声明。我们将这些陈述分为28个主题，删除重复内容，并将其翻译成英文，以“我喜欢游戏....”开头“为了提高清晰度，让参与者更直观地进行分类[41］．最后一组(表1)由49个陈述组成，并由3名医科学生进行试验。根据他们的反馈，我们认为最终的声明符合我们的上述目标。

排序过程

参与者使用网络应用程序(Q-sorTouch)进行排序，其中49条语句是随机呈现的。参与者被要求将每个陈述拖放到三组:同意、中立、不同意。在对所有的陈述进行排序后，他们必须将这些陈述按q排序网格进行排序，从−4(极度不同意)到+4(极度同意)。在q -方法学中，可以分配给每个标度点的语句数是固定的，并且表示准正态分布(表2) [41];因此，参与者将他们最不同意的2个陈述放在- 4以下，将他们最同意的2个陈述放在+4以下。

当所有的陈述都被放在固定的分布中，参与者觉得最终的排序代表了他们的观点时，排序过程就结束了。在数据收集的最后阶段，参与者回答开放式问题，以详细说明他们的分类背后的基本原理(例如，为什么陈述被分配到极端的一端)。

统计分析

为了确定具有共同但不同观点的参与者群体(即，谁以类似的方式主观地对49个陈述进行排名)，我们使用专用软件(PQMethod, 2.35版;开发者:J Atkinson)，我们后来用公式验证了[48] MATLAB(版本R2020a;MathWorks)。

因为每个排序都与其他排序相关，参与者排序语句集的相关矩阵(即排序)，通过对相关矩阵进行方差旋转来识别因素(即q排序在统计上相似的受访者组)[41］．变量旋转根据最佳数学解生成因子解(同时保持正交基)[48］．只有特征值为>1且至少有2个参与者显著负荷的因子(P<.01)被接受[41，48，49]，对应的因子负荷>0.37，用2.58 ×(1 /√(Q集中条目数)计算[41，48］．由于我们的目标是提取独特的模式，因此加载多个因素的参与者不会被用于构建一个因素。这与其他q -方法学研究中应用的程序一致[41，43，44，48］．

生成了一系列因素解。为了描述参与者游戏偏好的模式，每个因素的解决方案都与参与者在排序的最后阶段的反应中的定性数据相结合。为便于因子解释，对每个因子计算理想q排序。这些所谓的因子数组是装载在该因子上的各种加权平均[41，49］．由9名独立研究人员组成的小组分别解释了所有的因素解决方案，并要求确定具有最多观点的解决方案，同时提供不同且可清楚解释的因素。

结果

概述

共有102名学生自愿参与我们的研究，并完成了分类程序。根据他们对自己最喜欢的游戏的陈述，我们确定了7种游戏类型:动作游戏(n=7)、冒险游戏(n=6)、派对游戏(n=13)、模拟或体育游戏(n=15)、策略游戏(n=35)、解谜游戏(n=14)和角色扮演游戏(n=10)。因此，我们排除了60名参与者:2名参与者没有提供他们最喜欢的游戏;10名参与者在12分钟内完成了分类;36名参与者有重复的最喜欢的游戏(例如，11名参与者陈述了游戏卡坦岛定居者）;9名参与者(4个最喜欢的数字游戏，2名女性和3名男性学生)，以确保这些变量的更均匀分布;3个参与者，掷骰子。样本包括42名参与者(牙科学生:n=13;医学院学生:n=29)有41种不同的最喜欢的游戏，其中31名女性和11名男性，平均年龄为23.3岁(SD 4.0;范围18-42)。在42名参与者中，有15人认为自己是游戏玩家。9个类群存在混淆，3个类群在任何因子上均无显著负荷(因子负荷<0.37;表3)．

因素解释

概述

得到了最多5个因子的解。在9名独立研究人员分析后，5因素解决方案被保留，因为它代表了学生对游戏和游戏的感知中5种清晰可区分的模式，并且在研究人员之间具有最高的一致性百分比(88.9%)。

42种入选品种中，30种显著(因子负荷>0.37;表3)在五个因素中的其中一个上。这些模式如下所示，并附有参与者的社会人口统计信息和说明每种模式的相关说明。例如，在模式1中，语句21在非常同意位置(21:+4)在该因子数组(表1)．为了简要(但过于简化)地概述这些模式，我们为每个模式选择了一个描述符，以反映其广义上的解释。

社会获得成功的人

模式1包括12名具有显著因素负荷的参与者(女性:9名，男性:3名;年龄:平均23.7岁，18-42岁)，其中7人是医科学生，5人是牙科学生。在12名参与者中，有5人认为自己是游戏玩家。最受欢迎的游戏类型是策略游戏(n=5)、动作游戏(n=3)、派对游戏(n=2)以及模拟或运动游戏(n=2)。首选模式分布均匀;6名参与者喜欢模拟游戏，6名参与者喜欢数字游戏。

模式1的参与者都认为玩耍是一种社会行为(4:+3;5: +3)，因此，通常不喜欢独自玩或与自己竞争(8:−3;45:−3)。

在游戏中，我真正喜欢的是通过合作实现一些有意义的事情。
(学生3)

社交行为对这些参与者来说还不够，因为他们还表示需要通过游戏获得一些有意义的东西(18:+3)。这种模式的参与者倾向于朝着这个目标努力和狂热地工作(28人:+3;3:−3)。

值得注意的是，策略在很大程度上受到欢迎(21:+4)，这似乎可以归因于能够进行社交游戏并共同实现某些目标的乐趣(18:+3)。67号学生提到，

在我看来，当你和朋友一起玩游戏时，游戏会更有趣....此外，当我们有可能应用策略....时，他们会给我们带来更长的乐趣这能够让游戏在更长的时间内保持趣味性。

资源管理器

模式2包括7名具有显著因素负荷的参与者(女性:5名，男性:2名;年龄:平均23.1岁，20-31岁)，其中6人是医科学生，1人是牙科学生。在7名参与者中，有5人认为自己是游戏玩家。最受欢迎的游戏类型是冒险游戏(n=3)、角色扮演游戏(n=2)、动作游戏(n=1)和益智游戏(n=1)。大多数人(n=5)倾向于数字模式而不是模拟模式。

模式2的特点是对沉浸感的需求(20:+3)，这在故事驱动的游戏中得到了特别的满足(12:+4,13:+4)。学生21说，

一款优秀的游戏必须将我拖入故事中，直到我完成为止。

这些参与者普遍喜欢赋予他们大量自主权的游戏(10:+3;29:−3)探索和改变游戏(25:+1;30: + 1)。他们似乎更倾向于探索游戏的潜力，而不是在游戏中寻找社交性(8:+3;45: + 3;7:−3)。与会者12说:

对我来说，游戏主要是我自己可以做的事情。

这些参与者玩游戏是为了自己或个人的乐趣。(6:−1;7:−3)。

竞争对手

模式3包括4名具有显著因素负荷的参与者(女性:2，男性:1;年龄:平均22.2岁，21-23岁)。两名参与者是医科学生，两名参与者是牙科学生。两名参与者自称是游戏玩家。这一群体最喜欢的游戏类型是益智游戏(n=2)和模拟或运动游戏(n=2)。在4名参与者中，3名学生更喜欢数字模式而不是模拟模式。

对竞争的渴望是模式3(39:+3)的定义方面——不仅仅是赢得或成为最好的(42:+4;44: +4)，但与其他模式相比，炫耀他们的霸权被认为是重要的(37:+1;38: + 2)。正如93号学生所说，

我很有竞争力，我想赢得每一场比赛，我想向每个人展示这一点。

因此，失败是非常不喜欢的(43:−4)。这些参与者与模式2中描述的参与者一样，认为其他玩家对他们来说并不重要，他们宁愿独自玩游戏(8:+3);然而，模式2所描述的参与者既没有强烈的偏好，也没有不喜欢将社交作为游戏的特征(4:0;5: 0)，模式3描述的参与者认为游戏中的社交性是不必要的(4:−3;5:−3;7:−2;15:−2)。正如学生23所说，

我为自己而玩，不是为别人。

因此,竞争对手比如不涉及与他人合作，而是针对其他玩家的竞争(因为他们想证明自己是最好的(37:+1;38: +2))或者一个不可玩的角色。学生23说，

我喜欢在有对手的情况下独立于其他玩家进行游戏;所以，面对一个计算机化的对手。

社交

模式4包括5名具有显著因素负荷的参与者(女性:4名，男性:1名;平均年龄26.2岁;范围2-9岁)，其中4名是医科学生，1名是牙科学生。在这5名参与者中，有2人认为自己是游戏玩家。这一群体最喜欢的游戏类型是派对游戏(n=2)、角色扮演游戏(n=2)和动作游戏(n=1)。大多数人倾向于模拟模式(n=4)而不是数字模式(n=1)。

模式4和模式1描述的参与者具有相似的特征。他们看重合作游戏(5:+1;6: + 2);然而，尽管狂热在模式1中很重要，但在模式4中，参与者没有冲动去关注胜利(44:−2)或狂热(28:−1)。他们通常不喜欢竞争(41:−3;42:−2;44:−2)。

胜利对我来说并不重要，我只是喜欢和别人一起工作，一起度过美好的时光。
(68年学生)

这种“玩得开心”的概念似乎是模式4反复出现的特征。游戏被视为社交的一种方式(7:+2;1: +3)这应该只取决于社交能力。输了可以接受(49:+3)，赢了应该很容易(3:+2);然而，参与者认为积极参与才能玩得开心(14人:+4人)。

巨魔

模式5包括2名具有显著因素负荷的参与者(女性:2;年龄:平均23.5岁，范围2-5岁)，均为医学生。一名学生自称是游戏玩家。一个学生喜欢动作游戏，另一个学生喜欢模拟或运动游戏。两名学生都倾向于数字模式(n=2)。

与其他模式的参与者相比，利用游戏机制作弊(26:+3)、惹恼其他玩家(40:+3)和虚张声势(22:+3)的能力对这两种参与者来说很重要。这种行为似乎是无聊或懒惰的结果，对游戏本身并不感兴趣。值得注意的是，这些参与者不倾向于投入时间学习新技术(17:−3)，但矛盾的是，他们想在游戏中变得更好(47:+3)，不喜欢看到其他人学习游戏(2:−3)，并且当游戏需要太多时间时，他们倾向于以不同于预期的方式玩游戏(25:+2;29:−2)。

我喜欢游戏不需要什么先验知识。它更简单，更容易玩。
(学生51)

图2本文提出了一个理论框架，阐述了与社交性和成就主题相关的不同玩家类型。

‎ 查看此图

讨论

主要研究结果

我们的目标是提高对基于游戏的学习设计的理解，特别是对卫生专业教育中基于游戏的学习的理解。我们认为玩家类型学(游戏邦注:这是一个用于指导游戏设计和玩法的概念)可能与基于游戏的学习设计相关。据我们所知，这项研究是第一个在学生群体中调查玩家类型的研究，在游戏设计背景之外，使用了一种旨在适应各种游戏偏好的方法。我们发现，在一群学术兴趣和智力可能相似的医学和牙科学生中，游戏偏好存在相当大的差异。我们在游戏偏好中确定了5种不同且明确可解释的模式，即玩家类型:社交成就者、探索者、社交者、竞争者和喷子。鉴于只有少数游戏元素应用于卫生专业人员的研究教育——主要是积分和奖励[1-我们的发现表明基于游戏的学习设计还有改进的空间;目前针对卫生专业人员的教育中各种基于游戏的学习设计似乎过于有限，无法根据学生的游戏偏好量身定制基于游戏的学习，从而通过动机和参与性来提高学习效果。

每种玩家类型都有不同的特点。社会获得成功的人他们喜欢通过合作来完成一些有意义的事情。他们喜欢竞争和困难的游戏，最好是团队合作。相比之下,探险家吸引玩家的是游戏故事和沉浸式玩法元素，而不是获胜和团队合作。竞争对手另一方面，通过胜利和竞争而茁壮成长，而不愿依赖他人。交流(就像社会成就)为了社交而玩游戏，与其他玩家的互动对他们来说很重要。然而，竞争是重要的社会成就，交流宁愿玩，找到一种社交和团结的感觉。他们寻找轻松的胜利只是为了玩得开心。巨魔比如他们可以惹恼其他玩家、虚张声势和欺骗的游戏。

两个主题(图2)在我们所确定的玩家类型中非常突出，同样在关于游戏和玩家类型的科学和灰色文献中也是如此[17，19，35，39，51-56]:社交能力和成就。竞争对手而且社会成就然而，就像游戏的成就方面一样，探险家而且交流相反，他们更喜欢为故事情节而玩，或者喜欢一起玩。社会成就而且交流由社交性、协作性和交互性驱动;探险家而且竞争对手然而，他们似乎不太倾向于这些特质，或者只需要别人来证明他们的霸权。巨魔与其他类型的玩家相比，他们对游戏的社交性和成就性更加矛盾，因此处于成就性和社交性的交叉点。

有趣的是，我们在理论框架中确定的主要主题与最早且常被引用的玩家类型相似[18]，该研究的样本在偏好游戏方面具有同质性，而不是在学术兴趣方面具有同质性，并且缺乏任何实证依据。事实上，我们的研究(遵循更严格的科学方法)得出了类似的类型学结果，这可能表明队列中玩家类型的存在是稳定的。我们的科学方法导致了对资源管理器和社交，之前也描述过的玩家类型[18］．我们确定了社会获得成功的人，这种玩家类型似乎可以与“成就者”相提并论。18)。”我们还确定了另外两种类型的球员的竞争对手而且巨魔-而在[18只有另一种玩家类型，即“杀手”。18，仔细观察后会发现，它包含了像喷子一样的内容(例如，惹恼其他玩家)作为社交组件(对其他玩家产生影响)。在我们的研究中，这些特征也出现在其他类型的玩家身上。我们确定了巨魔而且的竞争对手作为独立的玩家类型。成功者[18]，其社会成分因此被解释为社会获得成功的人．这两种类型之间存在这些差异的原因可能是我们在框架中也将团队合作游戏作为游戏类型，因为我们的目标是避免只使用一种或几种特定游戏类型来识别玩家类型的选择偏差。早期的类型学[18]没有团队合作，可能是因为它是基于多用户地下城游戏，包含角色扮演、玩家对抗和聊天功能，但很少有团队合作。我们还发现不同玩家类型在不同维度上存在差异。而维度世界对抗玩家而且行动与互动已在前面描述过[18我们的经验证据支持成就而且社交能力作为玩家类型的维度。结果，竞争对手而且交流在我们的框架中是对立的(而不是“杀手”和“探险家”[18])。

的巨魔由于在之前的研究中没有确定球员类型[20.］．然而，值得注意的是，喷子现象在有问题的游戏和互联网使用领域是众所周知的。57，58］．恶意破坏定义为故意试图通过挑衅来制造痛苦或冲突，例如，以欺骗或破坏为目的[58］．超过三分之一的美国千禧一代表示他们参与过“喷子”行为。59还有一款非常受欢迎的数字游戏，叫做《在我们中间》，它的概念就是恶搞(即破坏和制造混乱)。60])。这表明，与游戏相关的喷子行为并不罕见或边缘。虽然这种玩家类型与基于游戏的学习设计的相关性尚不清楚，但这种玩家类型可能也适用于健康专业人员的教育领域之外。

优势与局限性

这项研究中的玩家类型代表了对游戏和玩法的广泛看法。这项研究的优势之一是，全面的一套陈述来自先前对医学和牙科学生的研究[5，并补充了现有玩家类型研究中的陈述。此外，我们还使用了可靠的科学方法去解释所有关于游戏偏好的主观观点，并且我们还包含了不同的参与者(独立于游戏环境)去防止游戏类型的选择偏见。此外，我们还讨论了多因素解决方案，征求了专家作者的意见[41]，验证q -方法学软件结果。在此过程中，我们通过识别5种不同的、有特点的、可以被认为是玩家类型的模式，为玩家类型和基于游戏的学习文献添加了一个新的视角。

这项研究有一些局限性:(1)在解释我们的模式时，我们不能(也不会)声称已经详尽地涵盖了整个人群中关于游戏偏好的所有观点。虽然Q-methodology是一种旨在捕捉多样性和异质性的方法，但我们的参与者群体是相对同质的(医学和牙科学生)。因此，我们不能声称在不同的教育背景下复制我们的研究将产生相同的结果。然而，通过在声明集中添加先前(非医学)关于玩家类型的研究陈述，并使用分层来提供大量不同的参与者意见，我们认为q方法的定量方面(即使用多元数据缩减技术分析参与者的排名)有助于我们发现游戏偏好中有意义的模式和联系。反过来，这可能会为未来的研究人员提供一个起点，来研究我们结果的泛化性。(2)最近一项研究[5，我们发现游戏元素可能与情境相关(游戏邦注:也就是说，在基于游戏的学习中，激发玩家玩游戏的元素不一定会起到激励作用)。例如，尽管在闲暇时间的游戏中，竞争是喜欢的，并且被命名为琐碎的，但学生们认为，在专注于学习的游戏中，竞争是有压力的，是不需要的。由于我们没有要求参与者在回答游戏偏好问题时牢记特定的学习环境，他们的回答可能无法反映他们基于游戏的学习偏好。(3)我们的目标是通过选择独立于游戏上下文的参与者来减少选择偏差，然而，我们不知道他们在执行排序过程时是否有特定的游戏或上下文。(4)经过严格的讨论，在3位独立研究者的帮助下，我们选择了5因素解决方案。尽管这让我们发现了一种新的玩家类型巨魔)，很少有学生对这类玩家有显著的因素负荷。尽管如此，这种玩家类型还是遵循了广泛接受的规则，即在Q-methodology中包含一个因素，并有助于解释游戏偏好的最大多样性。58］．

通过使用Q-methodology，我们的目标是解释现有游戏偏好的多样性;因此，我们的玩家类型是游戏偏好范围的极端。构造这些玩家类型的因子数组是该玩家类型的所有排序负载的组合平均值。因此，参与者的排序100%加载特定玩家类型并完全匹配其定义的几率非常小[41］．的确，所有类型的游戏都体现了所有玩家类型的特征，没有哪种类型的游戏能够100%载入某一类型的游戏。然而，大多数类型都是基于一种玩家类型。

实践意义与未来研究

系统综述表明，基于游戏的学习策略的选择通常是基于研究者的个人观点，而不是理论或概念框架[1，2，61］．此外，基于游戏的学习策略倾向于使用分数和奖励，特别是在游戏化中。1，61］．我们的分类法提供了一个新颖的理论框架，可能有助于根据学生的喜好定制基于游戏的学习策略。未来的研究需要调查这种剪裁是否会提高应用基于游戏的学习在教育中的有效性。

根据我们的发现，除了探险家可能需要其他玩家的存在或参与才能激励他们继续游戏。要开发基于游戏的学习策略，以最佳方式吸引和激励大多数学生，多人游戏选项似乎至关重要。然而，目前基于游戏的学习策略中，这一特征被忽视了[1，11，61］．

我们的理论框架和相应的因素数组表明，对多人模式的偏好可以是多样化的，而且不局限于社交性[62]、社交媒体[63]，聊天功能[34]，以及留言板[64］．竞争对手例如，他们需要其他玩家或计算机化的对手来战胜并显示他们的霸权，社会成就需要其他玩家合作，巨魔需要其他玩家去骚扰交流需要其他玩家在一起玩得开心。通过在基于游戏的学习策略中包含每种玩家类型，玩家类型之间的复杂和动态互动可以将基于游戏的学习转变为对每个学生都有意义的策略。例如，尽管巨魔虽然他们的行为对整体玩家群体的贡献很小，但却会对社交游戏和互动产生重大影响。65-68，而不是，例如，…的行动社会成就．包括巨魔基于游戏的学习设计可以通过提供一个共同的敌人将社交导向型玩家团结起来。未来的研究应该探索每种玩家类型如何为多人游戏学习策略做出贡献，以增强协作学习。

未来的研究可以集中在调查学生对游戏的看法范围是否随着他们所就读的学术水平或学科的变化而显著不同，例如，医学或非医学团体，或医学专业。这些发现将为未来学生特定的基于游戏的学习设计提供理解。游戏偏好可能取决于环境[5]或玩家当前的需求[31］．例如，在操场上的捉迷藏游戏中，有一个玩家是它并追逐其他玩家试图通过触摸他们来标记他们。然后被标记的球员变成它然后开始追着其他人去抓其他人。这意味着，当它，玩家必须采用竞争对手玩家类型(游戏邦注:即与其他玩家竞争并获得胜利)，而其他玩家(游戏邦注:即被追赶的玩家)则可以采用社会获得成功的人甚至巨魔玩家类型作为一组对抗一个是它．同样地，其他数字游戏(如《在我们中间》)可能也会使用不断变化的玩家类型，即玩家有时是喷子，而在其他时候则需要扮演社交成就者的角色。60］．这就提出了一个问题，是玩家类型在寻找特定的游戏设计，还是游戏设计会引发不同类型的行为反应(游戏邦注:即玩家类型)。这也意味着游戏设计师应该坚持玩家类型的多样性，以确保基于游戏的学习策略包含所有参与者。

作为这个方向的第一步，我们的目标是调查医学和牙科学生中玩家类型的流行程度。这不仅为目前卫生专业学生教育类型的存在提供了更多证据，还可能揭示医学和牙科教育中玩家类型的真正多样性。此外，它可能会提高我们对当前专注于以成就为导向的玩家类型的教育策略是否有效和合理的理解，或者根据不同玩家类型定制基于游戏的学习策略是否可能更好。

结论

我们确定了5种明确且不同的游戏偏好模式。这些模式代表不同玩家类型维度的不同玩家类型成就而且社交能力．我们的分类法和伴随的因子数组可用于根据学生的游戏偏好定制基于游戏的学习设计，以优化基于游戏的学习效果。