未來工作 - 玩家彼此間的分工 - 利用玩家設計介面去看玩家在遊戲社會中的互動與成長

D. 玩家彼此間的分工

5.3 未來工作

最後，我們提出在我們的模型中可再進一步發展的計畫。我們玩家的分類目前是分成兩類：組織型和練功型，但是我們知道 Bartle 將玩家分成四類：殺手、

社交家、探險家、征服者；2003 年後他又將此細分為八類，所以，或許我們可以將此模型的玩家分類再做的更細，而彼此間的互動關係肯定是更複雜的。

References

1. Lin, H., C. Sun, and H. Tinn, Exploring clan culture: Social enclaves and cooperation in online gaming. Proceedings of Level up: Digital Games Research Conference: p. 288-299.

2. Bartle, R., Hearts, clubs, diamonds, spades: Players who suit MUDs.

Journal of MUD Research, 1996. 1(1).

3. Bartle, R., Designing Virtual Worlds. 2003: New Riders Publishing.

4. Yee, N., Facets: 5 Motivation Factors for Why People Play MMORPG's.

2002, Internet resource March.

5. Yee, N., Unmasking the Avatar: The Demographics of MMO Player Motivations, In-Game Preferences, and Attrition. 2004, Gamasutra.

6. Yee, N., Motivations of Play in MMORPGs: Results from a Factor Analytic Approach. The Daedalus Project, available at http://www. nickyee.

com/daedalus/motivations. pdf.

7. Taylor, T.L., 24. POWER GAMERS JUST WANT TO HAVE FUN?

8. Jakobson, M. and T.L. Taylor, The Sopranos meets EverQuest: social networking in massively multiplayer online games. Proceedings of the 2003 Digital Arts and Culture (DAC) conference, Melbourne, Australia,(2003):

p. 81-90.

9. Aarseth, E., Playing Research: Methodological approaches to game analysis.

Proceedings of the Digital Arts and Culture Conference, 2003.

10. Ducheneaut, N. and R.J. Moore, The social side of gaming: a study of interaction patterns in a massively multiplayer online game. Proceedings of the 2004 ACM conference on Computer supported cooperative work, 2004: p. 360-369.

11. Caillois, R., Man, Play and Games. 2001: University of Illinois Press.

12. Huizinga, J., Homo Ludens: A Study of the Play-Element in Culture. 1971:

Beacon Press.

13. Karlsen, F., Media Complexity and Diversity of Use: Thoughts on a Taxonomy of Users of Multiuser Online Games. 2004, Other Players Conference Proceedings. Center for computer games research, IT-university, Copenhagen, Denmark. http://www. itu.

dk/op/papers/karlsen. pdf.

14. Galegher, J., R.E. Kraut, and C. Egido, Intellectual teamwork: social and technological foundations of cooperative work. 1990: Lawrence Erlbaum Associates, Inc. Mahwah, NJ, USA.

15. Bruffee, K.A., Collaborative Learning: Higher Education. Interdependence, and, 1999.

16. 孫春在, 網路學習模式.

17. Luff, P. and C. Heath, Mobility in collaboration. Proceedings of the 1998 ACM conference on Computer supported cooperative work, 1998: p.

305-314.

18. Bruckman, A., Programming for Fun: MUDs as a Context for

Collaborative Learning. National Educational Computing Conference, Boston, MA. ftp://ftp. media. mit. edu/pub/asb/papers/necc94.{ps. Z, rtf. Z, txt}, 1994.

19. Seay, A.F., et al., Project massive: a study of online gaming communities.

Conference on Human Factors in Computing Systems, 2004: p.

1421-1424.

20. Bernardes Jr, J.L., et al., A Survey on Networking for Massively Multiplayer Online Games.

21. Lau, G. and P. Agre, Developing Online Communities of Practice: A Case Study of the World of Warcraft.

22. Entertainment, B., World of Warcraft. World Wide Web, http://www.

blizzard. com/wow.

23. Samia, M. and S. Abeyta, World of Warcraft. Proceedings of the ACM SIGGRAPH 05 electronic art and animation catalog, 2005: p. 252-253.

24. Dix, A., et al., Human-computer interaction. 1998: Prentice-Hall, Inc.

Upper Saddle River, NJ, USA.

25. Gilbert, R., World! Of! WarCraft! Grumpy Gamer, Retrieved March, 2005.

28: p. 2005.

附錄 A 玩家設計介面研究

由於線上線下間回想的困難與問卷本身的局限，造成互動關係難以使用問卷的方式進行討論。又由於結構本身的複雜，往往回收樣本數不足以還原出在虛擬世界中匿名分散、互動複雜的網絡。過去對於結構調查的研究方式仍有困難，主要是透過在遊戲世界以外的區域如公會網站或遊戲討論區進行資料收集。使用玩家設計介面的方式，研究者能夠透過對角色間完整互動紀錄的掌握還原出虛擬社會的互動結構。

全域普查：

全盤的進行虛擬世界的整體資料研究，可以分為對玩家的上線時間、性別年齡與工作狀況；對角色的種族職業、等級、公會參與等基本資料搜集兩種。

玩家的資料幫助研究者透過玩家動機與分佈的了解玩家人種 (Demographic)，而遊戲內角色的統計資料反應了虛擬世界的整體風貌。過去在對角色與虛擬世界的全域普查上，依賴於遊戲公司所提供的少量資料。

而使用玩家設計介面的方式，能夠快速與可信度高的利用虛擬世界數位的本質，自動化並且大量的獲得資料。幫助研究者解決受問卷的發放回收過程與問卷本身的取樣範圍問題進行縱貫的量化研究。

使用玩家設計介面進行資料搜集的方式特質在於充分利用現行的遊戲平台、具有針對研究主題設置的可調整性，長期、大量、準確以及快速的系統特質、

能夠以第三人的方式紀錄玩家難以回想以及回答或具有認知差異的狀況。這些特質讓我們能夠搜集到珍貴的資料。正如同量化研究會配合質化研究的方式，使用玩家設計介面的方式也能夠發揮在資料搜集上的強大能力與過去的研究方式合作補足彼此缺乏的部份，進行過去在虛擬社會中沒有辦法進行的研究。

附錄 B DKP 系統研究

DKP 是 Dragon Kill Point 的簡稱。

這個制度的基本精神是，讓參與副本較多的人有比較高的機會拿到想要的物品，減少運氣成分。DKP 很像是一種貨幣，用來購買 Loot 權。

什麼時候會需要使用到 DKP 制度?為什麼要使用 DKP?

當公會出動攻略難度很高的 Boss/instance 時，由於所花的時間很久，難度高，而掉落的物品比一般普通的 boss/instance 好。一般的 loot rule 無法適用於這樣多人的副本，故引進可以處理這種問題的 DKP 制。

Raid Run :是說，以時間為衡量單位，每次出副本(raid)花多少時間，就設定值多少 DKP。

譬如說，一小時算 2 點，而副本花了 5 小時，那所有出場的成員都得到 5 * 2 =

10 點。 Epicweapon，經過某種機制運算後，每個人都會得到額外的一些 DKP。

這幾種是比較常見的 DKP 取得方式.說明如下:

Raid Run + boss，這種制度很直觀，完全以出席率當成參考準則。只要全程到尾參加完一場副本，打倒幾個 boss，就可以拿到 DKP。常常參加副本，DKP 就會很高。這也是最符合 DKP 精神的制度 : 越常參加副本的玩家，有越高的機

汰掉，這時 B、C 用 random，假如說這個物品值 60 DKP，而 B 贏了，DKP 就變成:

2.minimum fixed price + bid 3.fixed price

其中 sum zero 的物品有定值 DKP,是屬於 3:fixed price 這種.從 1 開始介

於是 B 贏了這場 Bid，他得到了該物品，而他所花的 DKP 就要扣掉，假如 B 制就是配這種 fixed price。但也有使用 Raid run + boss 制度配上 fixed price，

這種的話，就是使用 Raid run + boss 所得到的 DKP 買有定價的物品。要是同時

在分析之前，先列出一些關於 DKP 的知識

Q1 : DKP 到底是什麼?

A : DKP 是一種用來幫助分物品的制度。除了 DKP 外，還有很多的方法，像遊戲中最簡單的 random 法。或是由公會領導核心群組成 Council，決定物品給誰。還有最原始野蠻的＂how fast can u click?＂…etc。

Q2 : DKP 是怎麼來的?

A : 據說，DKP 的發明者是 After Life 公會。

http://www.afterlifeguild.org/

是為了 EQ 這套遊戲，而發明的制度。

Q3 : DKP 是給什麼樣的公會使用的呢?

A : DKP 是給 Uber 公會用的。只有 Uber 公會需要，也才有資格使用它。原因是，這種需要長期記錄追蹤的制度要派上用場，前提是該公會的活動數量夠多，跑的 raid 多，砍的 boss 多。當數據夠多後，各種 DKP 的設計理念才會被印證，不然數據太少的話，會和 random 差不多。

Q4 : 為什麼 DKP 是給單一公會用的?

A : DKP 的詳規則很繁雜，雖然大方向與核心價值很淺顯易懂，但在實作時，

一般都會針對公會的特性加以特化，變成一套專門為該公會打造的 DKP。自己的會員比較好掌握其動向，也比較能參與討論 DKP 的建構。可能可以拿別的公會做好的現成 DKP 制度直接使用(但一般來說還會要再修改)，但不可能和別的公會＂

共用＂DKP。除非在制定 DKP 時，雙方有討論過，針對兩個公會的特性做特化處理。但這個步驟的困難度太大，和併公會差不多。併公會可能還更簡單些。

Q5 : DKP 制度公平嗎?公正性夠嗎?

A : 要找到一套客觀上絕對公平的制度實在是太困難。最客觀的就是 random，但在耗費人力，時間的高難度地城，random 制難以發揮。相比之下，

DKP 的精神就是，有參加，就會得到一些獎勵。比起 random 有更好的激勵效果。制度發揚到極點的就是超 Uber 的思考方法:Uber Philosophy

物品都有設底價。有兩個都想要就底價+Bid。然後底價相對於進帳的 DKP(raid +boss)要少。這樣子越常參加的會員，點數越多。日子久了，通貨膨脹的情況會越來越嚴重(常參加的會有很多 DKP，而該拿的都拿完了)，於是那天

boss 的制度無限上綱就是把 DKP 的精神發揮到極致。

http://war3.custom.idv.tw/viewtopic.php?p=127780#127780

A.Sum Zero 制度：

收入的制度不同，Sum zero 讓取得物品的方式變成近乎輪流，而 Raid Run + Boss

那群互戰的 mage DKP 都剩很少，而 warlock 有很多 DKP 可用，Bid 當然可以電掉 mages。為了解決這個問題，可以用：

1.Fixed Price。這等下再說，簡單的講就是，對於數量少的職業，他們的 class set 的起標定價很高。要拿，要花比別人更多的 DKP。這樣子當掉下一個

不管叫 Fixed Price，或是 minimum bid price 或啥，都差不多。它的理念主要是希望，參與 raid 要有一定的程度才能拿物品。另外一個功能就是在使用 (damage done、damage take、還有事前的準備工作，幫隊友打原料做 potions，

做抗火裝，幫隊友 farm instance 取得裝備)，對於遲到早退的要怎麼算?沒人要的 BOE SET 放在 guild bank 中怎麼處理?誰該負責 DKP 的記錄?有沒有 MT 或特定對像的條款?各物品的 fixed price 怎麼決定?DKP 能不能用金錢交易?需不需要限制那些物品是那些 class 限定使用，或是有優先權?...etc etc

DKP 在制定時，要簡單明確，但也要顧及各種可能性。故，DKP 是給 Uber 公會使用的，而不是給一般公會使用。因為 DKP 本身就是一種 Uber 的東西。

附錄 C 副本研究

所以，副本(instance)是指在隊伍進入特定區域(大多是精英級地城)時 server 會開啟一個專屬於該隊伍的環境以避免不同隊伍在挑戰地城時互相干擾或搶怪。

而地城 = 副本，其實是有一點不一樣的，例如死亡礦坑是一個地城而在有許多隊伍在同時間挑戰死亡礦坑時，就會為每隻隊伍創造出其專屬的 instance 簡單來說就是一個地城可以開出很多個相同內容的 instance 供各隊伍挑戰不過實際在遊戲中 instance 已經幾乎是地城(dungeon)的同義詞了。

附錄 D 實驗模型設計

這次實驗數據為 190 人的公會為期一個月每天 24 小時收集的資料，而針對每個玩家我們收集的資料為：玩家名稱、等級、職業、區域、上線時間、官階、

公會對話。

本次實驗總共在魔獸世界裡面主要使用兩個小程式來收取資料，分別是

“GuildProfiler.lua＂和“HonorSeeker.lua＂列舉如下：

“GuildProfiler.lua＂

function GuildProfiler_OnLoad()

SLASH_GuildProfiler1 = "/GuildProfiler";

SLASH_GuildProfiler2 = "/GPer";

SlashCmdList["GuildProfiler"] = GuildProfiler_Command;

if(Guild_DataBase == nil) then Guild_DataBase = { };

end end

function GuildProfiler_Command( param ) GuildRoster();

num = GetNumGuildMembers(1);

local time = date();

if(Guild_DataBase[time] == nil) then Guild_DataBase[time] = { };

end for i = 1, num, 1 do

name, rank, rankIndex, level, class, zone, note, officernote, online, status = GetGuildRosterInfo(i);

if(online == nil) then

online = 0;

end if(status == nil) then

status = 0;

end

if(zone == nil) then

zone = 0;

if(online ==1) then

Guild_DataBase[time][i] = name..","..level..","..class..","..zone..","..online;

//收集玩家名稱、等級、職業、所在區域、在線 ChatFrame2:AddMessage(Guild_DataBase[time][i]);

end end end

上面為 GuildProfiler 在魔獸世界中收集資料的程式，主要的迴圈為

“Guild_DataBase[time][i] = name..","..level..","..class..","..zone..","..online;＂其目的為收集玩家名稱、

等級、職業、所在區域、在線這些資料。收集下來在 local 端的電腦以文字檔顯示例如："火閃電,60,戰士,鐵爐堡,1"；可以看到第一個為玩家暱稱，接著是他的

在文檔中利用玩家設計介面去看玩家在遊戲社會中的互動與成長 (頁 47-77)