分析與結果

在分析的階段，本研究基於圖3.1 之研究架構圖，嘗試回答兩個自變項—「可 用資訊」與「可用資源」如何透過兩個中介變項—「心智負荷」與「體能負荷」，

進而影響玩家的挑戰感？

本研究首先以二因子變異數分析(two-way ANOVA)檢定兩個自變項是如何 影響玩家的心智負荷。分析的結果發現，玩家的心智負荷顯著受到可用資訊影響 (F (2, 36) = 4.149, p < 0.05)，可用資源並不會顯著的影響玩家心智負荷(表 3.3)。

本研究進一步以 Tukey-HSD 事後檢定方法來了解可用資訊的各個層級對玩 家心智負荷的影響。結果發現，當遊戲的情境處於”低可用資訊層級”的狀態時，

玩家的心智負荷(mean = 5.40)會顯著高於”高可用資訊層級”玩家的心智負荷 (mean = 4.00) (mean difference = 1.4, p < .01)(表 3.4)。

表3.3 可用資訊與可用資源對玩家心智負荷的影響

Source SS d.f. MS F p

可用資訊 (I) 16.044 2 8.022 4.149 .024*

可用資源 (R) 4.578 2 2.289 1.184 .318 Interaction (I × R) 8.356 4 2.089 1.080 .381 error 69.600 36 1.933

total 1145.000 45

*Significant at the 0.05 level; **Significant at the 0.01 level.

另一個ANOVA分析被用來檢定兩個自變數對玩家體能負荷的影響。分析的 結果指出，玩家的體能負荷顯著受到可用資源的影響(F (2, 36) = 3.482, p <

0.05) ， 可 用 資 訊 與 兩 變 數 的 交 互 作 用 並 不 會 顯 著 影 響 玩 家 的 體 能 負 荷 。 Tukey-HSD事後檢定的結果指出，當玩家處於可用資源劣勢的遊戲情境時，其體 能負荷(mean = 3.8)會顯著高於當玩家處於可用資源為優勢的遊戲情境(mean = 2.4) (mean difference = 1.4, p < .01)。

表3.4 可用資訊與可用資源對玩家體能負荷的影響

Source SS d.f. MS F p

Information (I) 1.600 2 .800 .377 .689 Resource (R) 14.800 2 7.400 3.487 .041*

Interaction (I × R) 6.400 4 1.600 .754 .562 error 76.400 36 2.122

total 541.000 45

*Significant at the 0.05 level; **Significant at the 0.01 level.

了解可用資訊與可用資源對玩家心智負荷與體能負荷的影響關係後，本研究 透過線性歸迴分析(linear-regeression)來同時檢驗兩個中介變項(心智負荷與體能 負荷)如何形成玩家在策略遊戲中的挑戰感。然而迴歸分析的結果顯示，兩中介 變項與挑戰感的關係並非線性，亦即線性迴歸模式不顯著。

基於迴歸分析的結果，本研究推測此兩中介變數和玩家挑戰感之間可能存有 更複雜的關係存在，因此進一步以Design Expert 7.0軟體，透過反應曲面方法 (Response Surface Method, RSM)來了解此一關係。分析的結果發現，心理負荷與 體能負荷能夠以一個二次曲線的函式關係來進行解釋來解釋玩家的挑戰感(F = 4.05, p < 0.05, Adjusted-R²= 0.433)，此一函式如下：

Challenge = -0.32 + 0.76(mental workload) + 1.07(physical effor) + 0.003(mental workload  physical effort ) - 0.07(mental workload²) - 0.16(physical effort ²)

透過下圖3.3之3D表面曲線，可以更清楚的了解在不同程度下的心智負荷(A) 與體能負荷(B)所形成的挑戰感曲面關係。高的挑戰感區域多是介於中度的心智 負荷與中度的體能負荷之間。

圖3.3 心智負荷/體能負荷所構成之挑戰感曲面

更進一步的以分別以剖面的方式，設定心智負荷等於4.5時與體能負荷等於 3.5，檢視玩家挑戰感的變化。從圖3.4中可以明顯看出，玩家的心智負荷與挑戰 感之間為倒U字型的關係(inverted U-shape)，亦即高的挑戰感出現在當玩家的心 智負荷中等時，過高或過低的心智負荷都無助於挑戰感的提升。相同的結果如圖 3.5所示，玩家的體能負荷與挑戰感之間為倒U字型的關係，亦即高挑戰感出現在 當玩家體能負荷中等時，過高或過低的體能負荷都無助於挑戰感提升。

圖3.4 當心智負荷等於 4.5 時玩家體能負荷與挑戰感之關係

圖3.5 當體能負荷等於 3.5 時玩家心智負荷與挑戰感之關係 3.3 結果討論

本研究的目的在了解策略遊戲中的相關設計因素(可用資訊與可用資源)是 如何透過影響玩家的生理/心理負荷，進而形成玩家的挑戰感。研究的結果顯示，

遊戲情境中的可用資訊設計因素，會透過影響玩家的心智負荷來形成玩家的挑戰 感。且此一心智負荷的與挑戰感之間呈現倒 U 字型的關係。因此，可用資訊在 策略遊戲中，必須被適度的調控在一定的程度，才能夠給予玩家一個適中的心智 負荷，並且取得最高的挑戰感經驗。此一結果也與過去Malone (1981, 1983)年所 提出之設計原則相呼應，亦即可用資訊是調控玩家挑戰感的重要因素之一。

本研究同時發現另一個線上遊戲的情境因素—可用資源的優劣勢會影響玩 家在遊戲中體能負荷的需求，進而影響其挑戰感程度的高低。而玩家的體能需求 與挑戰感之間也呈現倒 U 字型的關係，因此，遊戲中玩家的體能需求必須要保 持在適度的水準之中，避免過高或過低，以促成玩家挑戰感經驗的最大化。此一 結果也能夠與Hsu, Lee, and Wu. (2005)在動作遊戲上的研究結果一致，亦即透過 可用資源的操弄能夠調變動作遊戲中玩家的挑戰感。

此外，本研究發現玩家的心智負荷與體能負荷能夠若處於適中的情況下， 則 可以用來調控玩家在策略遊戲中的挑戰感。此一結果也亦謂著設計師們若能夠找 到其他能夠顯著影響玩家心智負荷與體能負荷的設計因素，也能夠應用調整這些 設計因素的程度，來促進玩家挑戰感的提升。

第四章 多人角色扮演線上遊戲使用者經驗對沉迷行為的

影響

本研究之主題二將以多人線上角色扮演遊戲為研究之平台，探討使用者遊 玩經驗對沉迷行為的影響。本研究依據文獻探討章節中所建立的「線上遊戲使用 者遊玩經驗模型」中的11個使用者的遊玩經驗要素為自變項，透過統計分析方法 了解那些經驗要素可以用來預測使用者的沉迷行為，藉以區辨出那些使用經驗是 造成玩家沉迷的關鍵因素。同時，本研究也更進一步探討這些造成沉迷的因素透 過那些可能的機制使玩家沉迷於線上遊戲之中，最後並針對在遊戲沉迷防治的實 務運用上，提出可供參考的設計原則與建議。

4.1 研究方法

本研究透過線上問卷的方式收集資料。我們將此研究的資訊放在幾個國內知 名的遊戲討論區上，來邀請自願者參與這個研究。在問卷中，我們首先訪問使用 者過去在進行線上遊戲時的使用經驗，藉此收集到使用者在「線上遊戲使用者遊 玩經驗模型」中的11個使用者的遊玩經驗要素上的評比分數。在量測變數上，本 研究也同時透過一改編自精神疾病診斷與統計手冊(Diagnostic and Statistical Manual of Mental Disorders: DSM)上的線上遊戲沉迷量表(Chou and Ting, 2003)，

來收集玩家的沉迷指數。除此之外，問卷也同時收集了玩家的性別與一些能夠用 來說明其遊玩習性的指標(如每日玩多少小時、一週玩幾日)等。

4.1.1 受訪者

一共有418位平均介於18到25歲的大專院校學生參與了本研究，男生的樣本數 為307人，佔全體的73.4%；女生的樣本數為111人，佔全體人數的26.6%。另一方 面，我們透過兩個問卷題目了解受訪者的遊戲習性—您平常一天遊戲的時間是幾

小時？以及您平常一週花費幾天玩線上遊戲？分析的結果顯示受訪的玩家平均 每天花費3.23小時(Std. =1.99hr)和每週花費4.08天(Std. = 2.09)從事線上遊戲。

4.1.2 線上遊戲玩家使用經驗量測

本研究透過文獻回顧以及對資深線上遊戲玩家進行訪談的方式，發展了一份 問卷來量測本研究所提出的11 個線上遊戲玩家使用經驗要素。其中，「挑戰感」、

「幻想性」、「好奇性」、「控制感」與「報償」等五個因素之問項，是修改自 過去的文獻中所提及的使用者經驗量表與其問項(Myers, 1990; Novak, Hoffman,

& Yung, 2000)；其餘的六個因素包括了「角色扮演」、「競爭性」、「合作性」、

「認同感」、「歸屬感」以及「責任感」則是以文獻理論為基礎，再經由本研究 協同十位平均擁有3.9 年線上遊戲經驗的資深玩家共同發展細部的問卷題目。在 資料的收集上，此線上遊戲玩家使用經驗量表皆使用李克特的 5 點尺度量表(1.

非常不同意、2. 不同意、3. 無意見、4. 同意、5. 非常同意)。

為了要確認上述提出的問卷題目能夠真正的用來量測該 11 個使用者經驗，

本研究透過主軸因素分析法(principal axis factor analysis)及 pro-max 的因素轉軸 方式來進行因素效度之評估。在因素分析之後，我們將量測解釋能力較低(因素 負荷低於0.5)的變項刪除，以取得較好的因素解釋能力。最後，此遊戲使用者經 驗量表一共包含了44 個問項，整體問卷的信度指標(Cronbach’s alpha)為 0.93，

且每個量測變項皆具大於0.5 的因素解釋能力。文獻指支在此量測能力下的問卷 項目已具量測的能力與一致的可靠性(Churchill, 1991; Nunnally, 1978). 此份問卷 的各子題目與分部的其信效度量測結果請參見附錄一的說明。

4.1.3 沉迷量測

在沉迷的量測方面，本研究使用的沉迷量表是引用於學者 Chou and Ting (2003) 所發表的線上遊戲玩家沉迷量表。此份量表是兩位學者參考精神疾病診 斷與統計手冊(DSM-IV)以及過去在網路沉迷/遊戲沉迷(非線上遊戲)上(Gold &

Heffner, 1998; Griffiths, 1998)的研究所製定出來的量表，共包括 8 個題目。量表 的題目為：「玩這個遊戲的期間，我覺得它將會變成我生活中的重心」、「這個 遊戲可能會讓我不惜代價(時間,金錢)的想要持續的去玩它」、「我可能會故意隱 瞞我遊戲的頻率和時間，不敢讓家人或朋友知道」、「當我停止玩這個遊戲時，

我可能會覺得憂鬱或沮喪」、「要讓我停止，不要玩這個遊戲，可能不是件容易 的事」、「我曾經不斷的嘗試控制自己不玩遊戲，不過都沒有成功」、「我的遊 戲習慣已經明顯造成我的學業和工作績效下降」、「為了要達到遊戲的滿足感，

我會花愈來愈的時間來玩這個遊戲」等。沉迷量表資料收集的方式亦是使用李克 特五點尺度的方式(1. 非常不同意、2. 不同意、3. 無意見、4. 同意、5. 非常同 意)進行量測。本研究透過計算此 8 個沉迷問項的平均數來代表玩家沉迷於線上 遊戲的程度。在信度與效度方面，此問卷已在研究中被驗證具有高的量測一致信 (Cronbach’s alpha = 0.901)與可接受的解釋能力(factor loading > .5)指標 Chou and Ting (2003)。

4.1.4 統計分析

本研究的分析包括兩個主要的部份，我們首先對所量測的沉迷量表進行評 估。由於本研究的自變項(11 個遊戲經驗要素)與應變項(玩家沉迷程度)皆為主觀 的自我量測方式，因此需要有一客觀的指標來佐證本研究所量測到的沉迷指標是 能夠用來真實的呈現出玩家沉迷的問題。因此，我們以客觀的量測變數—玩家的

本研究的分析包括兩個主要的部份，我們首先對所量測的沉迷量表進行評 估。由於本研究的自變項(11 個遊戲經驗要素)與應變項(玩家沉迷程度)皆為主觀 的自我量測方式，因此需要有一客觀的指標來佐證本研究所量測到的沉迷指標是 能夠用來真實的呈現出玩家沉迷的問題。因此，我們以客觀的量測變數—玩家的