基于用户启发法的老年人锻炼游戏动作设计研究

徐俊杰　汪颖

摘要：针对老年玩家开发了一套适用于全身交互锻炼游戏的动作集。通过基于全身交互的用户启发式研究，要求参与者对20个典型锻炼游戏任务执行他们偏好的动作。通过结合了一致性分数、动作频率及主观评分的指标分析收集到的候选动作，并将数据进行了无量纲化处理，最后通过综合标准化后的评分选择动作集。获得了一套适用于特定全身交互锻炼游戏的针对老年人的动作集。获得的动作集与采用的方法可为游戏动作设计提供参考与实际案例。

关键词：用户启发法 全身交互 锻炼游戏 老年人

中图分类号：TB47

文献标识码：A

文章编号：1003-0069（2019）12-0143-03

引言

21世纪是人口老龄化的时代[1]，而随着年龄的增长，人们不可避免地会受到各种限制，其中包括运动，知觉，认知，心理和社会技能等。而能够有助于减轻这些影响的一种方法是使用数字游戏，这可以作为帮助和鼓励老年人身体和精神活动的工具，延缓疾病的发生，从而提高其生活质量[2，3]。例如微软的Kinect和任天堂的Wii作为新一代的游戏输入设备，其使用全身交互的方式，为人们提供了激励身体运动的机会。相比于以往的坐着玩的非运动电子游戏，全身交互锻炼游戏能够刺激人们进行轻到中等强度的运动来改善久坐行为[4]。然而，目前大部分全身交互游戏的目标用户主要是青少年和年轻人，而没有将老年人列为目标用户。而随着老年玩家比例的增长，商业化的游戏却因无法适应老年人的能力范围而使老年玩家有受伤的风险。此外，由于游戏交互的特殊性，其既要保证游戏挑战的难度，又要权衡其交互的易用性以及游戏必需的组件，应用传统的人机交互指南[6]是比较困难的。文章针对为中老年人提供心智与身体锻炼的锻炼类全身交互游戏进行了研究，目的是通过结合主观评估的用户启发法为老年人生成一套能够应用于特定全身交互锻炼游戏的动作集合，并为为游戏动作设计提供参考与实际案例。

一、游戏交互动作设计相关概述

空间输入设备能够为电子游戏设计和创建全身交互场景，例如任天堂的Wii遥控器和微软的“Project Natal”计划。这些设备收集了玩家在真实世界中的运动信息以使游戏设计者能够为交互任务实施3D技术，例如移动，选择和操纵。这些设备不但能够为用户提供引人入胜的游戏体验，还可以在与电子游戏互动时为玩家提供更多自由，从而提供更自然，健康和沉浸式的游戏体验。因此，我们必须清楚玩家将采取什么样的全身动作与哪些全身动作是可用的。需要注意的是，老年人往往面临着与技术互动的特殊困难，与老龄化相关的认知和身体衰退对老年人和科技产品之间的交互有着深远的影响。年轻一代接受技术较快，而老一代则显得较为“挣扎”，两代人之间存在着“数字鸿沟”，这种鸿沟往往建立在技术基础之上，而现有的技术并不适用于老年用户群体的特定需求和能力。正常的老龄化过程伴随着感知、认知和运动能力的变化，这就意味着我们要考虑如何设计适合老年人的技术。

为了探索针对游戏的全身交互，常见的传统方法是“奥兹巫师”法（Wizard of Oz approach），参与者通过“巫师”来交互执行他们的偏好手势。但该方法存在一些具有交互延迟（因为“巫师”需要一定的时间理解被试的动作并将其输入游戏当中）、设置繁琐和游戏角色影响用户等问题。而最近在智能家居、虚拟现实和增强现实系统等领域常用的一种设计用户友好型手势集的较为简易且有效的方法为用户启发法，要求参与者为命令或动作来自定义手势。该方法最初由Wobbrock等人[7]提出，并用于为触摸屏生成2D手势集。该方法是基于设计师创建的手势并不一定与用户的心理模型相匹配[8]，并且执行起来有巨大的隔阂这样的假设而提出的。与“奥兹巫师”法相比，用户启发法并不提供“巫师”生成的交互和反馈，而是首先提供展示每个命令或动作效果的视觉线索（如视频剪辑或图片），然后要求参与者执行他们偏好的手势来触发效果，并且没有任何进一步的反馈。并且使用这些手势集的用户一致地报告了在通用性、可记性、易学性和舒适性等方面的体验的显著提升与较高的偏好级别[9]。由于目前尚未有一套针对老年群体的可供参考的游戏手势集，因此本研究将用户启发法应用到游戏手势设计当中，考虑到老年人的老龄化特征与锻炼游戏的动态性与挑战性，我们有动力填补这一空白。

二、用户自定义动作集

为了获取老年被试在游戏任务中的偏好动作，进行了使用用户启发法的自定义动作研究，要求每位参与者为每个游戏动作或命令定义动作，在实验结束后分析了游戏任务的一致性分数、动作频率（流行度）和主观评估分数（匹配度、易用性、疲劳度）以获得老年玩家的用户自定义动作集。

（一）实验对象：研究对象为无视频游戏经验与3D体感游戏经验的老年玩家，从大学周边的老年社区招募了13位60岁以上的被试（平均年龄为65.2岁），所有被试均无身体障碍，能够正常站立30分钟以上来完成实验。

（二）任务：通过文獻研究和市场调研，我们确定了此次研究的锻炼游戏类型，分别为驾驶类游戏（锻炼认知能力）和体育运动类游戏（锻炼身体能力以及平衡能力）。通过梳理以上游戏类型的常用操作命令，最终选择了20个基础任务，包括驾驶类游戏的动作（驾驶，左、右转弯，加速，换档，刹车），体育运动类游戏的动作（攀爬，跳跃，踢球，打乒乓球，射击，向前、左、右滑雪，滑雪减速）和系统命令（呼叫菜单，放大，缩小，选择菜单项，关闭菜单）。

（三）实验步骤：实验为一次对一位被试，在实验开始前，被试填写了不记名的背景信息收集问卷。

实验流程如下：

（1）实验准备：配备实验所需工具，包括显示器、摄像设备、录音设备及评分纸质材料等。

（2）实验流程说明：被试了解相关实验内容与实验流程，并告知被试在执行手势时进行有声思考。

（3）实验任务：大屏幕上呈现正式的实验任务界面（每个实验任务会随着任务名称和目标场景一起出现，其中目标场景为代表执行任务前和执行任务后目标不同状态的两张图片或视频剪辑），要求被试执行动作来引起目标场景变化。每个任务执行相应动作后，要求被试立即对执行的动作进行三个陈述语句的评估：“我执行的动作与其目的十分匹配”;“我执行的动作很容易执行”;“我执行的动作很累”。问卷采用7点Likert量表，1分为“非常不同意”，7分为“非常同意”。评估完成后继续下一个任务，要求被试共为20个随机顺序的游戏任务定义游戏动作。

（4）实验后访谈：针对实验中发现的问题进行询问与确认。

（四）结果：我们基于Wobbrock等人[7]提出的创建自定义手势集的步骤以及Pereira等人[6]提出的综合多个指标的整体评分来获得任务手势集的方法，提出了结合一致性分数、动作频率、匹配度、易用性和疲劳度评分来获得综合评分以选择任务动作集的方法，来获得老年人自定义的基于全身交互的锻炼游戏的动作集合。

（1）一致性分数：为了评估被试之间的动作一致性，我们使用VatavuWobbrock[10]的公式计算了每个游戏任务的动作一致性分数（AR）：

其中P是对于任务r提出的动作的总数，Pi代表来自P的的相同动作的子集i的数目。AR的范围为[0，1]。AR≤0.100意味着一致性低，0.1000.500表示一致性非常高。

图1显示了此次研究的老年被试在每个游戏任务中的一致性分数AR。总体一致性分数为0.15，总体一致性适中。其中，3个任务（打乒乓球、选择菜单项、刹车）具有较高的一致性，8个任务（加速、踢球、呼叫菜单、关闭菜单、驾驶、跳跃、缩小、攀爬）具有适中的一致性，9个任务（向左转弯、向前滑雪、放大、滑雪减速、向左转弯、射击、换挡、向左滑雪、向右滑雪）具有较低的一致性。

（2）主观评估：老年参与者通过7点李克特量表（7为非常同意）评估了他们定义的动作。陈述语句“我执行的动作与其目的十分匹配”的平均值为5.90;“我执行的动作很容易执行”的平均值为5.19;“我执行的手势很累”的平均值为2.83。经检验，我们发现匹配度与一致性分数显著相关（r=0.59，P<0.01），这表明了良好的匹配度是被试之间执行动作越一致的良好标志，如表1。

（3）高得分动作集：最后，我们将每个任务-动作的流行度（频率）、匹配度、易用性和疲劳度的值，并将这些变量分别标准化（平均值=10，标准偏差=1）来计算总得分，如表2。其中由于疲劳度为负面因素，因此先将其转换成正面评分再进行标准化处理。表2列出了每个游戏中具有流行度（频率≥2）的得分最高的动作，其中有几个任务中有多个得分较高且相近的动作（分差小于0.5），我们优先选择了流行度（即频率）较高的动作，若存在多个流行度相似且得分相近的动作，由于样本量较少，为了防止遗漏，我们报告了这些动作并在必要时进行调整。

对于驾驶任务，存在两个得分相近的高总分动作：“双手手肘90°呈握住方向盘状往复旋转”和“双手手肘180°呈握住方向盘状往复旋转”。而由于向左转弯和向右任务也执行了类似的两个动作，为了降低用户心理负荷和学习成本，通过综合比较这三个任务的各组动作得分后我们建议使用“双手手肘90°呈握住方向盘状往复旋转”动作。

对于向左转弯和向右转弯任务，存在三组得分较高且相近的可逆的动作，分别为“双手手肘90°呈握住方向盘状向左/向右往复旋转”、“双手手肘180°呈握住方向盘状向左/向右往复旋转”和“双手向左摆动/双手向右摆动”。为了降低用户心理负荷和系统识别难度，我们综合比较了总得分并采取流行度优先的原则，建议使用“双手手肘90°呈握住方向盘状向左/向右往复旋转”。

对于加速和刹车任务，两个任务的最高总分动作都是“向前踩右脚”。然而在同一个驾驶类游戏中执行一个动作却需要给予两种反馈不符合现有的动作识别逻辑，因此，我们了回顾实验录像，分析了参与者的心理模型与动作在两个任务的流行度，最终将“向前踩右脚”分配给了刹车任务，而对于加速任务，提供了备选动作“双手手肘90°呈握住方向盘状向前推”。

对于换挡任务，一致性分数较低，参与者共执行了9个动作表示换挡，其中总分最高的为“右手在身体右侧握拳前后推动”。参与者执行这个动作的原因为参考了现实驾驶过程中的换档动作，使用该动作与被试认知相符，因此建议使用该动作。

对于攀爬和跳跃任务，总分最高的动作分别为“在原地手脚并用交替向上爬”和“双脚起跳”。尽管被试表示这两个动作的疲劳度较高，但由于流行度较高，且其他疲劳度评分较低的动作（例如“双手向前刨”表示攀爬和“右手向前翻”表示跳跃）由于频率太低且匹配度不高，还需进行进一步检验。因此，出于运动游戏锻炼身体能力的目的，建议使用这两个动作。

对于踢球任务，总分最高的动作为“右脚向前踢”，且任务一致性分数较高。但该动作被试报告的疲劳度较高，但此次实验中被试对于踢球任务执行的动作均使用了右脚作动作，对于是否有其他更优的动作尚不明确，因此，出于运动游戏锻炼身体能力的目的，建議使用该动作。

对于打乒乓球任务，由于本次参与实验的老年人都具有丰富的乒乓球经验，因此任务的一致性分数较高，且总分最高的动作为“右手在身体右侧从后往前挥”，建议使用该动作。

对于射击任务，总分最高的动作为“右手作飞镖投射状往前挥”。然而对于该动作参与者报告了难以瞄准的问题，因此我们选择了“单手作手枪状轻抬手腕进行射击”的动作（与以往的研究建议[11]的相符）。

对于向前滑雪任务，总分最高的动作为“身体向下蹲且双手向后划动”。然而该动作频率较低未形成流行度，即老年被试对该动作的认知度不高。而次高分有两个得分相近的动作，分别为“向前走动”和“身体向前倾同时双手向后划动”。由于实际应用场景的场地限制，前者所需的空间成本较大，因此优先度置后，而后者符合滑雪游戏锻炼老年人平衡能力的需求【12】，因此，建议使用“身体向前倾同时双手向后划动”动作。

对于向左滑雪和向右滑雪任务，由于被试缺乏滑雪经验，在实验过程中均表示很难想出一个动作来执行任务，且倾向于执行隐喻动作，因此两个任务的一致性分数均较低，其中总分较高且相近的动作有“向左/右跨一步”、“身体向左/右前方倾斜”、“慢慢向左/右转”和“身体向左/右前方转动同时双手向后划动”。然而这些动作均未形成流行度（频率=1），因此建议使用具有流行度的可逆动作“双臂向左/向右甩动”。

对于滑雪减速任务，存在两个得分相近的高总分动作，分别为“双手握拳向下按”和“右脚向后跨一步同时身体下蹲”。然而前者动作频率较低未形成流行度，且匹配度评分较低，因此我们建议使用后者。

对于呼叫菜单和关闭菜单任务，两个任务都存在两个得分相近的高总分动作，分别为“右手食指在空中点击一个想象中的按钮”和“右手呈握住遥控器状按下大拇指”。由于这两个任务的场景允许用户使用相同的动作进行不同的操作命令，因此建议得分较高的前者。但若系统无法识别，为了避免歧义，我们将前者分配给流行度较高的呼叫菜单，而将后者分配给关闭菜单。

对于放大和缩小任务，总分最高的动作为“右手食指拇指打开/捏合”。参与者对于执行这个动作的主要原因为“我平时玩手机就是这么做的”。表明该动作符合用户的使用习惯和心理模型，因此建议使用该动作。

最后，对于选择菜單项任务，与呼叫菜单和关闭菜单相似，用户都采取了右手食指点击的动作，但是执行动作的位置不同，在选择菜单项时，被试的点击对象为需要进行选择的对象，同时表示这样做很方便，也很准确，因此建议使用该动作。

结论

文章进行了一项锻炼游戏的全身交互动作设计研究，基于用户启发法获得了200个候选动作，之后通过结合一致性分数、流行度（频率）、匹配度、易用性和疲劳度的综合评分与其他限制因素，从200个老年人自定义的动作中获得了其中得分较高的动作集合，并通过考虑了用户心理模型、系统识别能力及场地等因素，最终选择了基于全身交互的针对老年人锻炼游戏的动作集。文章使用的方法对针对老年人的游戏动作设计的研究与应用具有理论指导意义，同时也为其他动作设计的研究提供了案例参考。

本文系浙江省健康智慧厨房系统集成重点实验室基金项目（2014E10014）。

参考文献

[1] United Nations. Department of Economic and Social Affairs，Population Division [J] . World Population Prospects：The 2017 Revision，2017，Volume I：Comprehensive Tables.

[2] Chen S T，Chiang I T，Liu Z F，et al. Effects of improvement on selective attention：Developing appropriate somatosensory video game interventions for institutional-dwelling elderly with disabilities [J] . Turkish Online Journal of Educational Technology - TOJET，2012，11（4）：409-417.

[3] Bateni H. Changes in balance in older adults based on use of physical therapy vs the Wii Fit gaming system：a preliminarystudy[J]. Physiotherapy，2012，98（3）：211-216.

[4] Graves L E，Ridgers N D，Williams K，et al. The Physiological Cost and Enjoyment of Wii Fit in Adolescents， Young Adults，and Older Adults [J] . Journal of Physical Activity & Health，2010，7（3）：393-401.

[5] Nap H H，Kort D Y a W，Ijsselsteijn W A. Senior gamers：preferences，motivations and needs [J] . Gerontechnology，2009，8（4）：247 - 262.

[6] Pereira A，Wachs J P，Park K，et al. A user-developed 3-d hand gesture set for human-computer interaction [J] . Human Factors，2015，57（4）：607.

[7] Wobbrock J O，Morris M R，Wilson A D. User-defined gestures for surface computing[C] . Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，2009：1083-1092.

[8] Christopher W. Engineering Psychology & Human Performance[C] . Abstracts of JSSX meeting，2012.

[9] Vatavu R-D，Zaiti I-A. Leap gestures for TV：insights from an elicitation study[C] . Proceedings of the ACM International Conference on Interactive Experiences for TV and Online Video，2014：131-138.

[10] Vatavu R-D，Wobbrock J O. Formalizing Agreement Analysis for Elicitation Studies：New Measures，Significance Test，and Toolkit[C] . Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems， 2015：1325-1334.

[11] Silpasuwanchai C，Ren X. Designing Concurrent Full-Body Gestures for Intense Gameplay [M] . Academic Press，Inc.，2015：1-13.

[12] De Vries A W，Faber G，Jonkers I，et al. Virtual reality balance training for elderly：Similar skiing games elicit different challenges in balance training [J] . Gait & Posture，2018，59：111-116.