• 沒有找到結果。

利用玩家設計介面去看玩家在遊戲社會中的互動與成長

N/A
N/A
Protected

Academic year: 2021

Share "利用玩家設計介面去看玩家在遊戲社會中的互動與成長"

Copied!
77
0
0

加載中.... (立即查看全文)

全文

(1)

資訊科學與工程研究所

利用玩家設計介面去看玩家在遊戲社會中的互動與成長

Using Player-Designed User Interface to Discovery

the Interaction and development of Game Society

研 究 生:楊長峰

指導教授:孫春在 教授

(2)

利用玩家設計介面去看玩家在遊戲社會中的互動與成長

Using Player-Designed User Interface to Discovery

the Interaction and development of Game Society

研 究 生:楊長峰 Student:Chen Fong Yang

指導教授:孫春在 Advisor:Dr. Chuen-Tsai Sun

國 立 交 通 大 學

資 訊 科 學 與 工 程 研 究 所

碩 士 論 文

A Thesis

Submitted to Institute of Computer Science and Engineering College of Computer Science

National Chiao Tung University in partial Fulfillment of the Requirements

for the Degree of Master

in

Computer Science

June 2006

Hsinchu, Taiwan, Republic of China

(3)

利用玩家設計介面去看玩家在遊戲社會中的互動與成長

學生:楊長峰 指導教授:孫春在 國立交通大學 資訊科學與工程研究所 摘要 鉅量多人連線遊戲已經成為遊戲市場的主流,而玩家之間動態的互動關係更 是許多研究者在探討遊戲文化或遊戲社會重要的參考指標。以往透過問卷調查或 者個案討論並不能清楚的分析出不同玩法的玩家間彼此的關係。此外,隨著進入 遊戲時間的長短,玩家會成長到不同階段,而不同階段的玩家或者不同類型的玩 家間存在著什麼樣的關係總是很難界定。 故本論文提出利用討論、合作、分工三個層面的互動去定義玩家間的互動關 係,並且將玩家分成五個成長階段和兩種不同類型的玩家。經由上述的分類,本 論文設計一套玩家設計介面—一種遊戲的使用者介面,由遊戲公司提供的應用開 發程式讓使用者可以自行開發—用以從遊戲當中直接取得量化的資料,幫助我們 可以清楚的觀察到不同類型的玩家間到底有什麼互動關係。本論文最大的貢獻在 於提出一種結合前人研究以及具有數據支持的玩家間行為互動模型。 關鍵字:互動、討論、合作、分工、玩家成長、玩家類型、玩家設計介面

(4)

Using Player-Designed User Interface to Discovery

the Interaction and development of Game Society

Student: Chen Fong Yang Advisor: Dr. Chuen-Tsai Sun

Institute of Computer and Information Science National Chiao-Tung University

Abstract

Massively Multiplayer Online Game (MMOG) have already become the mainstream of the game market, and the dynamic of interaction between players is that a lot of researchers are probing into the culture of the game or the society's important reference index. Can not analysing to play with mutual relation under the different playing methodding clear through questionnaire investigation or case finding in the past. In addition, with enter the time of game, the player will grow up to

different stages, and different stages player or different types player is always very difficult to define for what kinds of relationship.

So a thesis proposes utilizing conversation, cooperation, collaboration three aspects defining the relationship between players, and to divide them into five development and two types of different kinds of players. Via the above-mentioned classification, we taking use of API provided by game company, and design a suit of self-designed user interface to collect and analyze the ones that can help us clearly observe what interactive relations in game world. This greatest contribution of thesis lies in what proposes that a kind of combination forefathers study and have data to support plays with the interaction model of the behavior among the players.

(5)

目錄 摘要... iii Abstract...iv 目錄...v 圖目錄 ...vii 壹、 緒論 ...1 1.1 研究動機 ...1 1.2 研究目的 ...2 貳、 文獻探討 ...3 2.1 玩家的分類與成長階段: ...3 A. Bartle的玩家分類與成長 ...3 B. T.L. Taylor對玩家成長的研究: ...5 C.關於玩家分類的研究與比較 ...6 2.2 玩家間的互動行為: ...7 2.3 玩家設計介面: ...8 A.過去研究的困難 ...9 B.玩家設計介面 ...9 參、 實驗部份 ...11 3.1 玩家的兩種分類 ...11 3.2 玩家的五個成長階段 ...12 A.五個階段 ...12 B.玩家在遊戲中的成長階段如何定義 ...18 3.3 玩家互動的三個層面 ...21 3.4 總結 ...24 肆、 實驗數據研究 ...25 4.1 用官階定義玩家分類 ...25 4.2 不同類型的玩家在不同成長階段的行為模式 ...27 A.時間 ...27 B.討論 ...28 C.合作 ...29 D.分工 ...30 E.小結 ...31 4.3 不同類型的玩家彼此間的互動模式 ...31 A.互動性 ...31 B.玩家彼此間的討論 ...33 C.玩家彼此間的合作 ...34 D.玩家彼此間的分工 ...35 E.總結 ...36

(6)

伍、 結論 ...39 5.1 結論 ...39 5.2 應用 ...39 5.3 未來工作 ...40 References ...41 附錄A 玩家設計介面研究 ...43 附錄B DKP系統研究 ...45 附錄C 副本研究 ...54 附錄D 實驗模型設計...56

(7)

圖目錄 圖 1 Bartle玩家分類模型 ...3 圖 2 Bartle八類玩家分類模型 ...4 圖 3 三種不同的玩家成長曲線...4 圖 4 Bartle玩家成長階段 ...5 圖 5 魔獸世界戰場圖...12 圖 6 單機版示意圖...13 圖 7 討論區組隊心得...14 圖 8 討論區骰寶方式...14 圖 9 朋友網路示意圖...15 圖 10 公會示意圖...16 圖 11 公會網站...17 圖 12 DKP分頁...17 圖 13 DKP計分網頁...18 圖 14 公會階級例 1...19 圖 15 公會階級例 2...20 圖 16 公會階級例 3...20 圖 17 玩家在遊戲中討論...22 圖 18 玩家在遊戲中合作...23 圖 19 玩家在遊戲中分工...24 圖 20 玩家等級和官階分佈圖...26 圖 21 玩家官階大餅圖...27 圖 22 玩家遊戲時間長條圖...28 圖 23 玩家遊戲討論長條圖...29 圖 24 玩家遊戲合作長條圖...30 圖 25 玩家遊戲分工長條圖...31 圖 26 玩家互動性模型...32 圖 27 兩類型玩家的分水嶺...33 圖 28 玩家彼此間的討論...34 圖 29 玩家彼此間的合作...35 圖 30 玩家彼此間的分工...36 圖 31 綜合比較玩家間的互動情形...37

(8)

壹、緒論

1.1 研究動機

近年來鉅量多人線上遊戲已成為遊戲市場的主流,玩家更是與日俱增,不只 玩家的年齡層不斷的年輕化,在歐美世界成年人也已經成為線上遊戲市場的重要 客戶。以亞洲的「天堂」和歐美的「無盡的任務(EverQuest,以下簡稱EQ)」 為例,根據資料,EQ在美國2004年擁有43萬會員,而2003年天堂在韓國擁有兩百 萬以上的會員,在台灣擁有一百萬左右個會員。而且根據各種調查顯示,這些線 上遊戲的玩家多數為青少年玩家[1]。另一方面,遊戲廠商相繼投入線上遊戲的 代理與製作,在各種不同類型風格線上遊戲相繼出現的同時,設計者也開始重視 遊戲中角色社會的設計理念以及其所造成的具體影響。另外更有許多資訊與社會 科學學者加入遊戲世界的研究行列,內容包括人工智慧、視覺效果、虛擬社會的 結盟、線上遊戲的沉浸等研究工作。 鉅量多人線上遊戲(MMOG)是一種以群體為導向的遊戲,而研究線上動態虛擬 社會之間的互動是許多研究者所關心的[1]。其中角色間的互動行為包羅萬象, 如頻繁的溝通討論,玩家會藉由討論互相交換對遊戲世界的情報,又如玩家會進 行合作解任務,因為往往在遊戲世界中較困難的任務會需要許多人一起合作。所 以,玩家間的互動行為網路是複雜的,線上遊戲之所以是一個虛擬的「世界」, 就由於不同類型的玩家之間所產生的複雜互動[2]。既然玩家之間的互動是構成 玩家的生態以及線上遊戲族群分佈的一種重要參考資料,那麼經由對玩家互動的 了解,研究者或遊戲公司就可以動態了解目前線上遊戲玩家的生態結構,並進一 步經由玩家結構的分析來配合遊戲的管理或者遊戲的開發。 研究人與人的互動關係在學界已被廣泛的討論,但是前人在研究線上遊戲角 色間的互動關係時往往受限於資料取得的困難,不管是個案討論或者問卷調查總 是無法非常有效的分析出角色間存在著什麼樣的關係;又或者即使提出角色間的

(9)

可能互動型態也無法提出詳細的數據加以佐證。整體來說,過去難以進行虛擬世 界角色行為研究的原因有三:1) 遊戲平台由遊戲公司所獨立掌管,研究者若非 和遊戲公司合作,則資料取得上有一定的難度;2) 在網路的匿名環境中,使用 者分散因而難以長期並完整的進行調查追蹤;3) 虛擬角色扮演的世界讓玩家與 角色、玩家與玩家間以及虛擬世界與現實世界間產生認知上的差異。這些困難造 成許多問題研究者無法獲得足夠的資料進行研究。 所以本論文利用一種新的研究方法(玩家設計介面)直接在遊戲當中收取詳 細數據資料,並參考 Bartle 對玩家的分類提出「組織型」和「練功型」兩類玩 家分類,再利用 T.L Taylor 對玩家的研究來定義玩家成長的五個階段,最後再 以互動的三個層面為基礎,提出一個線上玩家互動行為的整合模型,藉以釐清不 同玩家間複雜的互動關係。

1.2 研究目的

每名玩家玩遊戲的行為上有很大的差異,Bartle[3]說過有些玩家比較在意 遊戲本身的世界,也就是原本遊戲所能提供給他的樂趣。而另外有一種玩家比較 在意的是有關其他玩家的事,就像和別人聊天或者和別人分工合作、交換情報, 這兩種類型的玩家玩起遊戲是有著非常大的差異的。 而且,我們也知道玩家進入遊戲的時間長短,也就是老手和新手的差別,也 會影響一個玩家玩遊戲的行為,所以不同類型的玩家在不同成長階段是不是存在 著不同的行為模式呢?更進一步,當我們了解其行為模式之後,我們要利用我們 所提出的模型,來清楚的分析出不同類型的玩家在不同成長階段彼此間的互動關 係。譬如到底一個喜愛跟人聊天的老手到底喜歡跟誰聊天呢?是剛進入遊戲的玩 家?還是跟他一樣喜歡聊天的玩家?

(10)

貳、文獻探討

2.1 玩家的分類與成長階段:

A. Bartle 的玩家分類與成長

關於玩家的分類,目前被最多人所引用的就是 Richard Bartle 所提出 玩家的分類[2],他研究了八十個左右的 MUD(Multiple User Dungeon,也 就是現在多人線上遊戲的前身)之後,使用兩個軸向(互動←→行動)和(玩 家←→世界)將玩家分為四類,殺手(killer)、社交家(socializer)、探險家 (explorer)、征服者(achiever),見圖 1。當然,對於這樣的分類 Nick Yee 就

直接指出 Bartle 的缺點,他覺得不能以個人經驗和創意而忽略實際從遊戲 中取得的資料,就作出如此的分類[4-6]。

圖 1 Bartle 玩家分類模型。Bartle 將玩家依照兩個軸向,(互動←→行動)和(玩家←→世界) 分成四種不同類型的玩家,分別是殺手、社交家、征服者、探險家。

(11)

做了不同的成長階段解析[3],如圖 2。 圖 2 Bartle 八類玩家分類模型。2003 年 Bartle 將原來的模型再加一個軸向,(隱性←→顯性) 由原本的四類型玩家模型擴充到八類型玩家模型。 Bartle 並由圖 1 引申出玩家的成長階段,他認為玩家會由一開始想作 弄其他玩家,然後他們會想去探索整個虛擬世界,接著他們會想去征服虛擬 世界,最後他們會安定下來變成社交家[3]。由此形成了 Bartle 認為的玩家 成長曲線,然後依這個曲線,將其套用在八種分類並考慮不同面向的話,就 會形成圖 3 三種主要的玩家成長曲線。 圖 3 三種不同的玩家成長曲線。

(12)

整理這三種成長曲線就會得到 Bartle 認為玩家的成長階段,如圖 4。 圖 4 Bartle 玩家成長階段。 在 Bartle 所提的玩家分類與玩家成長模型中,對於玩家分類所利用的 兩個軸向受到廣泛的引用與討論。但是,對於玩家成長的階段,玩家並不會 依著「殺手→探險家→征服者→社交家」這樣的固定曲線而成長,譬如喜愛 社交的玩家一進入遊戲就抱著交朋友的心態,一直到遊戲的後半段也是以同 樣的玩法進行著;並且,Bartle 的模型當中並沒有一個明顯的指標去區分 玩家處於那一個階段,譬如他無法明確的定義具有那些特徵可以叫做征服 者,又或者征服者和探險家之間如何明確的區隔。此外,他對玩家的分類也 是經驗法則觀察而來,憑著他對線上遊戲的經驗也許是有獨到之處,並且受 到許多遊戲製造者的肯定。但就如 Nick Yee 所說,更應該輔以能夠從遊戲 當中取得的資料[4]。所以,接著我們另外要介紹 T.L. Taylor 對玩家成長 階段的研究。 B. T.L. Taylor 對玩家成長的研究:

Taylor 在“POWER GAMERS JUST WANT TO HAVE FUN?"當中對玩家的成 長有很詳細的研究[7] 。首先,她認為線上遊戲玩家有兩種,一種是重度玩 家(power gamer)另外一種則是非重度玩家,而所謂的重度玩家最後會傾向 成為社交型玩家(Taylor 在這邊特別註明社交型並不是一般所認為話多的 就是社交型,她認為是那種為了讓玩遊戲更容易而與遊戲互動性高的玩 家)[7]。而也許 Power Gamer 跟 Bartle 的硬派征服者有點像,但是 Taylor 在論文中有特別提出兩者的差異在於 Power Gamer 並不是跟整個遊戲世界沒

(13)

有互動的玩家。 接著她提出了重度玩家成長的三個階段,分別是公眾意識(Community knowledge)、朋友網路(Friendship networks)、公會(Guilds)[7];所謂的 「公眾意識」是說玩家在進入遊戲後會想要了解大家都怎麼玩這遊戲,是不 是有什麼不成文規定,譬如在有些遊戲中某些玩家投機取巧搶打最後一下 (可藉此賺取較高分數),這對其他玩家來說是不禮貌的,通常會被認定為小 白,所以玩家在進入一款遊戲時,可能必須先了解在這款遊戲中是否存在著 某些規則是存在於遊戲規則之外的。而「朋友網路」是指一群玩家有了默契 之後,可以共同組隊進行遊戲。當玩家彼此之間的朋友網路越來越複雜且龐 大後,就會進行組織化而形成「公會」。這些成長階段我們將會在第三章詳 細的介紹,不過值得注意的是,這些是她對重度玩家所定的成長階段,但是 遊戲當中一定存在不是重度玩家的人;另外,她在這三個階段裡面對公眾意 識之前的玩家有所提及,卻沒有定下名稱,在公會之後的分類也包含了兩種 類型的人,一種是參與公會的、一種是管理公會的[8]。所以目前 Taylor 的玩家成長階段尚未能涵蓋所有的玩家,至少,玩家不會一進入遊戲就具有 公眾意識的,他們通常會經過一段摸索的時期才會開始意識到有些規則是存 在於遊戲規則之外的。 C.關於玩家分類的研究與比較 關於玩家分類,Bartle的玩家分類的確是受到大部分人的引用和追隨, 像是Espen Aarseth在“Playing Research: Methodological approaches to game analysis"[9]裡就大力讚揚Bartle的分類模型,不過他在原本的四 類:殺手(killer)、社交家(socializer)、探險家(explorer)、征服者 (achiever)之外又加入一類,作弊者(cheater),並將這五類型的玩家又再 次分為三種程度分別為:新手(newbie)、偶發性玩家(casual)和硬派玩家 (hardcore),如此他認為玩家類型共有十五種[9],譬如偶發性的征服者,

(14)

這樣的玩家其玩法相對於硬派的征服者一定會有所差異。但是我們認為這只 是延伸和擴大了原有玩家分類的模型。

而 Nicolas Ducheneaut 和 Robert J. Moore 在“The Social Side of Gaming: A Study of Interaction Patterns in a Massively Multiplayer Online Game"[10]中就比較委婉的指出他認為即使是最硬派的征服者也會 需要和其他玩家交換遊戲世界的資訊,因此還是會有與其他玩家互動的部 份,所以他認為玩家的分類並無法單純的使用兩個軸向去區分[10]。對於這 點 Yee 就明確的說出,他認為 Bartle 只憑個人經驗和創意去區分玩家,比 較像是玩家表現出來的玩法,而他利用收集到的資料將玩家用動機去區分, 區分成五種類型的玩家:Achievement、Relationship、Immersion、 Escapism、和 Manipulation。[4, 5] 但是不可否認的,Bartle 是第一個對於玩家分類提出有系統的概觀, 他的分類是和其他玩家或遊戲的分類很不一樣的,像是 Huizinga 和 Callois 的研究,他們著重在玩家的目的和經驗更甚於遊戲的規則和物理性[11, 12]。如果我們觀察一下 Huizinga 在 1955 年提出來的問題,究竟遊戲中文 化的形成或者社會的活動跟玩家彼此間的關係有什麼相關?他的中心思想 是認為“玩"是屬於許多文化現象當中的一部分,像是藝術、文學、戰爭和 法律[12],如果我們遵照著此想法我們就會發現,所有線上遊戲玩家的行 為,都是這些元素的一部份,如延申此一想法或者將其做出分割,就會得到 像是 Bartle 或者 Callois 那樣的分類。但是包括 Yee 和 Faltin Karlsen[13] 在內的研究者都認為玩家的類型會在 Bartle 的所謂四類型玩家之間轉換, 他們認為玩家不可能只單屬於一種類型,玩家會依遊戲的階段不同而改變他 們在 Bartle 的分類中的類型[13]。

(15)

團體之間的互動行為包含了非常多的層面,其中最重要的就是討論、合作、 分工[14],尤其是在合作式學習的領域被探討的非常多。例如 Brufee 主張合作 學習有相同的目標,首先,就是讓團體進行有建設性的討論[15],所以整個團體 若想具備良好的互動首先就會進行足夠的溝通討論;至於合作跟分工則很容易被 大家所混淆,但是許多學者將二者作出區別定義。韋氏(Webster)字典對「分 工」的定義為,以「協力」來合作[16],因此如果目標是打一隻大型的怪物,有 一種打法是,可能某一角色裝甲比較硬,負責在前面拖住怪物,可能另一隻角色 是遠距離的攻擊力比較高但血比較少,就躲在遠處攻擊,或許還有一隻角色就隨 時注意該要幫誰補血,亦即每個人有各自分工負責的部分(personal accountability)。但是合作則不強調以協力來合作,而強調的的是每個人「共 同」貢獻[16],如果一樣是打一支大型怪物,另一種打法就是角色間是共同對抗, 並沒有強烈工作上差別,也就是誰想當主力攻擊手或誰想當補血手都可以。最後 對於合作和分工,Paul Luff 和 Christian Heathy 在 1998 提到分工會是一種更 高層次的合作,並且提到分工的失敗往往造因於不良的溝通和缺陷的合作[17]。 所以,在互動這部分,我們以討論、合作跟分工這三個層面來探討,並且這 三個層面是有層次上的差別的[18]。也就是說在互動上,玩家首先會經歷討論的 階段,然後會出現更高一層的互動,也就是合作,最後如果玩家合作久了,具有 默契了,就會來到就互動而言比較困難的分工階段,因為他一定需要充分的溝通 之後,也具有一定的默契才能達到分工的目標。譬如線上遊戲的玩家,在組隊之 初一定會經過一定的溝通協調,可能是討論戰術也可能是協調分贓,接下來會進 入到合作的摩合期,每個都有自己比較擅長的,如何跟隊友截長補短,經過了一 段時間的適應就可以進行分工,大家彼此知道每個人所擅長的技能讓合作更有效 率。

2.3 玩家設計介面:

(16)

本篇論文所使用的是一種新的研究方法,利用玩家設計介面直接從線上遊戲 中收取玩家的資料。為何在討論玩家彼此間的互動時,我們要使用此一新的研究 方法呢?接下來我們將為大家介紹一下玩家設計介面的研究背景。 A.過去研究的困難 過去研究遊戲的方法以問卷調查和個案討論為主。問卷調查通常是放在 遊戲的討論區或是入口網站,研究者以此來研究玩家的動機和個體行為差異 [5]。但是,問卷的方式常有回收困難以及作答者是否誠實回答等常見的問 題,更重要的是玩家在離開遊戲虛擬世界後是否能正確回想以及認知自己在 遊戲中的行為,這些都是影響研究者對於研究問題是否能準確掌握的關鍵。 而個案討論通常是透過研究者訪談有經驗的玩家,或者對玩家進行側錄的方 式,但是訪談法的正確性受限於受訪者本身的認知,而使用觀察法也無法對 玩家作長時間的紀錄,必須透過遊戲外的討論區來進行,但是討論區已屬於 遊戲外的世界[19]。 所以如果我們想要直接了解玩家之間彼此的互動關係網路,勢必得使用 具有下列性質的資料:可程式化數量化的資料、可長期紀錄追蹤的資料、可 直接從玩家的角色中取得的資料。由於必須具備以上三個特點,故本篇論文 使用此一新的研究方法:玩家設計介面。 B.玩家設計介面 為了幫助玩家在虛擬的遊戲世界中探索,遊戲介面扮演玩家和遊戲世 界當中的基本中介角色。遊戲介面包括了控制角色進行活動的操作系統、 告知角色情況的狀態資訊、以及讓角色彼此間可以溝通的對話頻道。透過

(17)

這三種介面的功能,玩家才能真正進入虛擬的遊戲世界,而在線上遊戲的 發展過程中,為了透過個性化介面留住資深玩家或是讓自主性較高的玩家 能發揮他們在設計方面的創意,允許玩家進行修改的玩家設計介面功能日 益受到重視[20]。 透過玩家設計介面這個介於玩家和遊戲虛擬世界中間的模組,我們可以 將角色在遊戲世界中的行為相關資料收集的工作系統化、自動化、可程式 化的進行。透過紀錄如角色與角色間或遊戲環境的互動情況,以及遊戲世 界中各種事件與整體概觀,並且使得研究可以長期進行,持續追蹤;所以 使用此一研究方法,過去難以達成的大範圍研究如玩家的成長歷程、遊戲 的組織動態或者遊戲內的文化變遷,皆可以實行。 遊戲研究者依研究的主題不同,在切入遊戲時有不同的尺度(scale)選 擇。依照不同研究需要資料收集尺度的差異,使用玩家設計介面可以調整 成三種不同的方式進行資料的收集:全域普查、結構調查、個人紀錄。(詳 見附錄 A) 整體來說,使用玩家設計介面進行研究資料的收集具有以下優點,充分 利用現行遊戲平台、具有針對研究主題的可調整性,大量、準確、快速的 系統特質、以及以第三人稱客觀的角度紀錄玩家難以回想或回答的狀況。 這些優點讓我們能夠搜集到珍貴的研究資料。而本篇論文的資料需求為, 玩家在遊戲世界中的狀態以及玩家彼此間的對話,故我們使用玩家設計介 面中的結構調查之方法。 為何本實驗要使用玩家設計介面之「結構調查」方法呢?這是因為玩家 透過遊戲中的角色在虛擬世界進行互動時,研究者要搜集遊戲中如公會、 隊伍、聊天室、戰場等角色間的互動結構。而要收集到以上的資料,則必 須擁有至少一隻角色處於如公會、隊伍、聊天室、戰場等的團隊當中,然 後藉由玩家設計介面的程式進行收集的動作。故本實驗需要屬於結構調查 的玩家設計介面。(見附錄 A)

(18)

參、實驗部份

3.1 玩家的兩種分類

根據前人的研究我們發現參與線上遊戲的玩家主要有兩類,一種是練功型玩 家:他們主要感興趣的是遊戲世界本身所提供的樂趣。另一種是組織型玩家:他 們比較感興趣的是有關於其他參與這個遊戲的玩家。譬如說練功型玩家比較想知 道這個遊戲世界有多大、或者有什麼高強的敵人還沒被打倒。相對的,組織型玩 家卻喜歡在遊戲中交朋友,或者聚集眾人一起完成一些事情。 雖然「公會」是顯然的玩家組織,但由於絕大部分的玩家都會因不同原因而 加入公會(詳後),因此是否加入公會並不能作為組織型玩家的判斷標準。在本 論文的實驗中我們是利用魔獸世界的「官階」屬性來判斷此玩家是屬於練功型還 是組織型玩家,所謂的官階並不是魔獸世界遊戲中所必須的,也就是說玩家可以 完全不予理會而進行遊戲。獲得官階最主要的方法是進入遊戲中所謂的「戰場」, 戰場是一種需要玩家彼此間高度互動的小遊戲,它是一種佔領陣地的遊戲,所以 玩家必須經由討論擬定戰術,然後合作奪取陣地,最後經由分工來確保可固守已 佔領陣地,並奪取其他陣地[21]。圖 5 為戰場的圖片,玩家必須佔領旗幟,並且 保護已經佔領的旗幟。所以我們定義有官階的是屬於組織型玩家,無官階的則是 練功型玩家。

(19)

圖 5 魔獸世界戰場圖。魔獸世界小遊戲,戰場的實景圖,由於戰場是一種需要玩家高度互相配 合的小遊戲,所以我們以戰場的積分,也就是榮譽值去判斷玩家是屬於練功型玩家或組織型玩家。

3.2 玩家的五個成長階段

A.五個階段 對於玩家在線上遊戲的成長階段,我們依據 T.L Taylor 在 2003 年所提 出的三個成長階段,將之延伸為五個成長階段,分別是:單機版、公眾意識、 朋友網路、公會、制度化。其所代表的意義我們將在下列一一敘述。 單機版: 玩家在參與一款新遊戲時,最開始進入遊戲的狀態為單機版,這邊 的單機版指的並不是說玩個人電腦遊戲沒有連上網路,而是在進入線上 遊戲時是處於一個人在探索遊戲世界的狀態。此時的玩家,對於整個遊 戲所創造的世界是非常的不熟悉,甚至連基本的操作都還在摸索的階 段,當然更談不上會去認識其他玩這個遊戲的玩家,所以這個階段我們 定義玩家為單機版。如圖 6 顯示玩家單獨的在遊戲當中求生存。

(20)

圖 6 單機版示意圖。單機版為玩家成長階段的第一階段,此時的玩家會單獨在遊戲世界中探索。 公眾意識: 玩家進入遊戲的第二個階段為公眾意識,這時的玩家對於遊戲這虛 擬的世界有一定的認識,並且在操作上比較熟悉了,接著他們會去想知 道別人都怎麼在玩這個遊戲,是不是有一些基礎的禮儀或者基本的玩法 需要知道?他們不希望被別人一眼就認出「你是新手」;或者,他們更 不希望因為自己對遊戲的不熟悉而被誤認為「小白」[22]。譬如圖 7 是一個網路上的討論區,上面會收編一些新手該知道的資訊,譬如組隊 心得;在組隊心得下,又會有如「骰寶方式」這類的訊息會告訴新手該 注意哪些事項或禮儀,如圖 8。

(21)

圖 7 討論區組隊心得。討論版的精華區常常會有給新手的一些文件,這些文件內含許多存在遊 戲規則之外規則,這些文件也幫助新手快速的融入整個遊戲世界。 圖 8 討論區骰寶方式。這些文件通常由有經驗的玩家寫下自身的遊戲經驗,內容非常豐富,像 是組隊心得下面又分好幾項,其中之ㄧ是骰寶方式,內容就是告訴新手玩家在跟其他人組隊時分 配寶物該注意哪些禮儀。 朋友網路: 經過一定的時間,玩家會在遊戲中認識一些朋友,進而開始會固定 跟一些朋友共同探索遊戲這個虛擬世界,這就是玩家進入遊戲的第三階 段。如圖 9。

(22)

圖 9 朋友網路示意圖。玩家成長階段的第三階段為朋友網路,在這一階段玩家會認識許多志同 道合的朋友,大家一起在遊戲中探險解任務。 公會: 玩家成長階段的第四階段為公會時期,他跟朋友網路是很不一樣 的,就好像人一開始會交一些朋友,然後朋友網路越來越多漸漸就會變 成組織,所以公會時期的玩家是有組織的。譬如圖 10,每一隻角色都 是一名玩家,他們正準備出發去完成一項大型任務,他們故意在路邊編 隊排好,展示他們是一個團體的象徵。

(23)

圖 10 公會示意圖。當越來越多有共同興趣的玩家聚集之後,就會慢慢出現組織型態,玩家成長 階段的第四階段,公會相較於朋友網路不但其規模是更龐大,更重要的是其組織具有強制性;譬 如此圖玩家公會在出發前刻意的在路旁編隊,好彰顯其團結性,有了公會這種組織,玩家玩遊戲 更出現了許多義務與權利。 制度化: 如果組織越來越龐大,就必須訂立一些制度,就必須有人出來管 理,玩家在遊戲當中的虛擬世界也是如此的;所以玩家最後一個階段就 是來到制度化,他們必須訂立一些規則,甚至是一些獎懲,好確保他們 的組織可以維持營運並且壯大。其中最重要的指標就是 DKP(Dragon Kill Point)系統,這是一種用於公會的酬償機制(見附錄 B)[23]。圖 11 是一公會網站,公會的名稱為「Dream light」,在公會的網頁上就 有記錄著 DKP 的地方(如圖 12、13),DKP 是一種公平的計分機制,由於 這公平的計分機制才能決定寶物的分配方式。這是一種耗費人力以及需 要管理的系統,所以擔當這個職責就屬於玩家成長的最高階段。

(24)

圖 11 公會網站

(25)

圖 13 DKP 計分網頁。圖 11、12、13 分別是某一名叫「Dream Light」的公會網頁,當公會的組 織成形之後慢慢的就會來到制度化,就必須有玩家來管理公會,這就是玩家成長的第五階段:公 會;而其中最具指標意義的就是「DKP」的系統,因為那是一種需要大量人力以及管理階層的系 統,見附錄 B。 B.玩家在遊戲中的成長階段如何定義 根據實驗結果發現,玩家幾乎一進入線上遊戲大多數人就會加入公會, 經由我們研究後發現這是因為加入線上遊戲的人大部分是經由朋友介紹 的,所以大部分的人都會直接加入朋友所屬的那個公會。但是這並不代表他 已經來到玩家成長的第四階段,因為即使他已經加入公會,他並沒有行使他 在公會應有的權利義務,相反的他仍舊是按部就班,從一個人玩到具備一些 基本知識,然後認識一些朋友接著才慢慢真正融入公會這個大家庭。 而在本實驗中我們所抓取的數據為玩家在這個公會的「階級」。所謂的 階級是由公會管理群對這名玩家在公會的地位所下的名稱,直接就反映出此

(26)

玩家在公會的參與度,如圖 14 的某一角色:“那美"的級別為「公會管理 者」,另一角色:“閃光暴鯉"的級別是「資深玩家」。特別要注意的是,玩 家在公會的「階級」跟他本身在遊戲當中的「等級」是沒有關係的,也就是 說有可能等級很高的玩家卻在公會當中階級很低。如圖 15、圖 16 我們可以 注意到玩家“雨中"的等級是比“小倩倩"高的,但是他在公會的階級卻比 較低,“雨中"是茶坊,而“小倩倩"則是一般玩家。這邊可以解釋為,階 級所表現的是一個玩家對公會的貢獻度,所以即使等級高的玩家,但如果他 是剛加入公會,他對公會的貢獻度仍是低的,也就表現在階級低這一點上。 當然,階級低的玩家跟其人的互動也會是低的(因為他們對公會的貢獻度是 低的)[21]。或許會有人質疑,那如果新來的玩家跟會長個人很熟的話,那 他的階級不就可以跳級?其實玩家自行在組織公會時當然也會避免此一情 況,所以能夠決定玩家階級的為一管理群,管理群裡面又只有少數幾人具有 更改級別的權限,這種機制就是為了防止會長獨權的狀況。 圖 14 公會階級例 1

(27)

圖 15 公會階級例 2

(28)

玩家的成長階段所用,而階級的定法為工會的管理群依照玩家對公會的貢獻度而定。

3.3 玩家互動的三個層面

在本篇論文中我們探討的互動專注於角色跟角色間的互動,也就是我們並不 在乎遊戲外真實世界當中玩家跟玩家的關係,因為一個玩家可能有兩三隻角色, 而本論文只專注釐清在遊戲虛擬世界中角色間的互動。 人與人的互動有三個層面:討論、合作、分工,在虛擬世界當中亦然[24]。 以下我們用魔獸世界來說明角色間的討論、合作、分工。 討論: 人與人第一層面的互動就是溝通、討論,在遊戲中也是,玩家與其他玩 家接觸的第一層面互動就是討論,他們會互相交換情報,可能是關於遊戲世 界、可能是關於遊戲操作方式,那是一種資訊的交換。本論文實驗所使用的 數據是玩家在公會頻道討論的發言次數。

(29)

圖 17 玩家在遊戲中討論。玩家在遊戲當中利用公會頻道進行討論的互動,玩家藉由此互動交換 對整個遊戲世界的認識。 合作: 互動的第二層面指的是玩家間的合作,他們在遊戲中一起完成共同的目 標,在本實驗當中我們採用的數據是,玩家在上線後組隊的情況。如圖 15 中間有一 NPC 而旁邊有三個人組成隊伍共同攻擊他。

(30)

圖 18 玩家在遊戲中合作。玩家透過組隊的方式在遊戲中合作,合作是比較沒有組織性的,大家 組成一隊各自要怎麼打就怎麼打。 分工: 在遊戲中最高層級的互動就是分工,亦即各司其職來聯合完成任務。它 跟合作是很不一樣的,合作的玩家組隊後可能可以隨心所欲的進行遊戲,但 是分工的話,玩家在隊伍中必須作好他份內的事,譬如說一個補血的角色, 整個隊伍希望他能做好補血的工作,不希望因為他亂跑忘記幫別人補血而導 致整個隊伍滅亡。在本實驗我們是抓取玩家進入副本(指的是某一大型的地 圖需要很多人去共同完成任務)(見附錄 C)的時間。因為在進入此大型副本 基本上是以公會為單位,而公會內部通常會強制的希望某些人做好其本分的 事,當然,做不好的是會被輿論所施壓的,所以分工的情形是很明顯的。

(31)

圖 19 玩家在遊戲中分工。分工為玩家在遊戲中進入副本的情形,相較於合作,分工比較嚴謹, 大家會各司其職,且嚴格的希望不要因為個人的行為而破壞到團隊。

3.4 總結

本實驗是使用魔獸世界當中的官階去定義兩種玩家類型:練功型玩家和組織 型玩家。我們利用玩家在公會當中的階級去定義玩家成長的五個階段:單機版、 公眾意識、朋友網路、公會、制度化。並考慮玩家彼此間的三層面互動: 討論:是由玩家在公會頻道的發言次數定義。 合作:是定義玩家組隊的情形。 分工:是定義玩家進入大型副本的情況。 接著我們將在第四章介紹利用這三個面向所形成對於玩家互動行為的模型。

(32)

肆、實驗數據研究

4.1 用官階定義玩家分類

我們所使用的實驗數據是針對魔獸世界中一個 190 人的公會,做為期一個 月、每天 24 小時的資料收集(每天取樣 24 次),而針對每個玩家我們收集的資 料包括:玩家名稱、等級、職業、官階、上線時間、區域、公會對話。 我們收集的方法為設計一玩家設計介面,將此一程式放在某一角色身上,然 後將此一角色加入某一公會,藉此收取此一公會的資料。我們所選取的公會有 190 人,屬中大型公會,而在我們研究的伺服器中最大公會有 240 人,我們所研 究的公會屬於前五大公會,而在其中約有一半的玩家都已經達到 60 級。 關於實驗程式方面,本實驗總共在魔獸世界裡使用兩段小程式收取資料,分 別是“GuildProfiler.lua"和“HonorSeeker.lua"。程式內容請見附錄 D,而 後續處理使用 C++ Builder,詳細收取的資料內容也請見附錄 D。 如圖 20 所示,橫軸是玩家等級的排列,越右邊代表玩家等級越高。縱軸是 玩家的官階,玩家的官階是士兵、士官、指揮官等這些稱號,但我們從遊戲中收 取下來的是這些稱號相對應的數字。如最低官階為士兵,也就是官階為五的部 分,我們可以看到官階五以下有一群人(五以下沒官階的通通都是零),以上有另 一群人,也就是有官階的有一群人,而另外一群則是沒有官階的。

(33)

圖 20 玩家等級和官階分佈圖。玩家等級和官階並沒有直接的關係,這也說明遊戲中兩種類型玩 家的存在,一種是會去追求與其他玩家互動的玩家,另一種則否。 圖 20 顯示兩個重點: 1. 即使高等級的玩家也有的是沒有官階的。 2. 官階最高的玩家並不一定是等級最高的玩家。[25] 這也說明了遊戲世界中存在兩種類型的玩家:練功型和組織型,而且這兩類 型的玩家散佈在各階段的玩家,並不是說等級高的玩家一定是組織型。 如果我們將有官階和無官階的人數作一統計,即會得到圖 21,我們可以看 到如果無官階的人數扣掉一些只是上來玩一下遊戲隨即退出遊戲的人,那麼無官 階和有官階的人數是差不多的。

(34)

圖 21 玩家官階大餅圖。此圖也說明兩種類型玩家比例差不多,一種是有官階,另一種是沒有官 階,因為沒有官階的人數要扣掉一些只上來打一下就沒再進入遊戲的試玩者。

4.2 不同類型的玩家在不同成長階段的行為模式

現在我們知道如何在遊戲中定義兩種類型的玩家,也知道怎麼區分玩家的五 個階段,接下來我們來看看實驗數據表現出哪些玩家的行為模式。我們將實驗結 果分成四項:時間、討論、合作、分工。 A.時間 圖 22 是表現出不同類型的玩家在不同成長階段對於遊戲時間上的差 異。顏色深的代表組織型的玩家,橫軸代表的是玩家五個成長階段,縱軸是 平均每個玩家每天花在遊戲上的時間。

(35)

圖 22 玩家遊戲時間長條圖。橫軸代表的是玩家五個成長階段,縱軸是平均每個玩家每天花在遊 戲上的時間。 由圖我們可以發現,兩種類型的玩家的確花在遊戲時間上有很大的差 異,而且組織型的玩家在第三成長階段(朋友網路)時期,花特別多的時間在 遊戲上。 B.討論 圖 23 表現出不同類型的玩家在不同成長階段參與討論的差異。顏色深 的代表組織型的玩家,橫軸代表的是玩家五個成長階段,縱軸是每個玩家平 均每小時在公會頻道上的發言次數。

(36)

圖 23 玩家遊戲討論長條圖。橫軸代表的是玩家五個成長階段,縱軸是每個玩家平均每小時在公 會頻道上的發言次數。 由圖我們可以很明顯的發現,制度化時期的玩家,不管是組織型還是練 功型的玩家,其討論的頻率是相對非常高的。這也說明玩家進入最後一個成 長階段,上線的時間幾乎都在與人討論溝通。 C.合作 圖 24 表現出不同類型的玩家在不同成長階段對於合作的參與情形。顏 色深的代表組織型的玩家,橫軸代表的是玩家五個成長階段,縱軸是每個玩 家平均每天花多少小時在合作(也就是花多少小時在組隊)。

(37)

圖 24 玩家遊戲合作長條圖。橫軸代表的是玩家五個成長階段,縱軸是每個玩家平均每天花多少 小時在合作(也就是花多少小時在組隊)。 由圖我們可以發現兩類型的玩家隨著成長階段的不同會有不同的成長 方式,稍後我們會對這差異作一比較。 D.分工 圖 25 是表現出不同類型的玩家在不同成長階段對於分工的參與情形。 顏色深的代表組織型的玩家,橫軸代表的是玩家五個成長階段,縱軸是每個 玩家平均每天花多少小時在分工上(也就是花多少小時在大型副本任務上)。

(38)

圖 25 玩家遊戲分工長條圖。橫軸代表的是玩家五個成長階段,縱軸是每個玩家平均每天花多少 小時在分工(也就是花多少小時在大型副本)。 由圖我們可以看到第三階段組織型玩家分工的情形是非常明顯的。 E.小結 在這一節我們先概括的看我們將玩家分成兩種類型、五個成長階段以及 三個層面的互動會有哪些具有特徵的行為模式,當我們先確定了解不同類型 的玩家在不同成長階段所具有的行為模式後,下一節我們將更進一步去比較 不同類型的玩家在不同成長階段彼此間的互動模式。

4.3 不同類型的玩家彼此間的互動模式

在這一節我們會提出我們認為玩家彼此間的互動模型。最後會將這模型所得 到結果與真實的玩家感受作一比較。 A.互動性 首先我們要看的是不同類型的玩家在不同成長階段的互動性差異,如果

(39)

我們將之前的討論、合作、分工都以每小時為單位時間的話,也就是說若某 一玩家上線五小時其中有三小時有參與公會討論,其中有兩小時有組隊合 作,另外還有一小時有副本分工,這樣他的互動性為六。如果以這種方法將 不同類型的玩家在不同成長階段作一個平均,即會得到圖 26。 圖 26 玩家互動性模型。橫軸表示的是玩家成長的五個階段,縱軸是玩家的互動性(也就是討論、 合作、分工量化後的加總),表現出來的組織型和練功型玩家各五個點,當然其互動性的高低取 決於收資料的結果。 圖 26 表示不同類型玩家在不同成長階段彼此間的互動模型。我們可以 看到橫軸表示的是玩家成長的五個階段,縱軸是玩家的互動性(也就是討 論、合作、分工量化後的加總),表現出來的組織型和練功型玩家各五個點, 當然其互動性的高低取決於收資料的結果。 若我們接著把同一類型的玩家的點連接起來,如圖 27,我們會發現玩 家成長的第二階段是一個分水嶺,對於練功型玩家來說他在第二階段之後與 遊戲的互動性就會降低,而且非常不明顯;但是對組織性的玩家來說,第二 階段之後玩家整個在遊戲中的互動性是非常明顯而且大幅成長的,如果我們

(40)

再比較圖 22 我們更可以得到進一步的證明,練功型的玩家在第二階段之後 參與遊戲的時間便漸漸減少,但是組織型玩家卻大幅提高。稍後我們會對此 一現象作一比較說明。 圖 27 兩類型玩家的分水嶺。對於練功型玩家來說他在第二階段之後與遊戲的互動性就會降低, 而且非常不明顯;但是對組織性的玩家來說,第二階段之後玩家整個在遊戲中的互動性是非常明 顯而且大幅成長的。 B.玩家彼此間的討論 由圖 23 我們知道如何定義玩家彼此間的討論,若我們在進一步追蹤到 底是哪幾類的玩家間最常進行討論的互動,這邊我們所使用的方法為,紀錄 同一時段內(譬如一小時)哪些玩家是參與討論的。因為電腦並無法判斷究竟 是誰跟誰在討論(也就是說在公會頻道我們並無法用程式去判斷某一玩家提 出的問題是由誰來回答),所以我們使用的方法就是去紀錄在一個時段內有 參與討論串的玩家,將他們彼此間的連結數都增加 1。如果我們把不同玩家 間的連結數前五名標示出來(由線段的粗細表示),可得到圖 28。

(41)

圖 28 玩家彼此間的討論。我們去追蹤玩家間的討論情形,究竟是哪一種類型的玩家跟哪一種類 型的玩家之間會存在比較多的討論,以線段粗細列出比較明顯的前五名。 根據圖 28 我們不難發現一個有趣的現象,組織型的玩家的確討論的行 為比較多(線段最粗的幾條線段都與朋友網路和公會時期的組織型玩家有 關),但有趣的是他們發生討論的對象,除了和自己同樣是組織型的玩家討 論外,她們也很樂意和剛進入遊戲的練功型玩家討論。這可以由圖上的三條 線,組織型朋友網路─練功型單機版、組織型公會─練功型單機版、組織型 朋友網路─練功型公眾意識,這三條線得到說明。這個結果告訴我們一個重 點,組織型玩家並不是只會和自己同樣是組織型的玩家討論,他們也喜歡幫 助遊戲的新手,即使那些人平常並不常發言(練功型玩家)。 C.玩家彼此間的合作

(42)

在玩家彼此間的合作方面,我們的做法就是在同一小時內若玩家表現出 組隊關係的話,我們就在這兩類的玩家彼此間的合作互動值增加 1,同樣, 若我們將比較大量的前五個值表示出來,就會得到圖 29。 圖 29 玩家彼此間的合作。我們去追蹤玩家間的合作情形,究竟是哪一種類型的玩家跟哪一種類 型的玩家之間會存在比較多的合作,以線段粗細列出比較明顯的前五名。 圖 29 的結果就更有趣了,我們可以發現,玩家喜歡和自己是「同種類」 的人一起合作,所謂「同種類」指的是他們不但是同一種類型的玩家(組織 型或練功型),而且還是處在同一成長階段的玩家;這結果也支持玩家要組 隊、要找人合作,還是喜歡找跟自己一樣的人;同時還間接的顯示玩家的交 友情況,因為大部分人若要組隊還是找自己朋友是比較多的,那就表示玩家 的交友情況大致還是「物以類聚」。 D.玩家彼此間的分工

(43)

這邊的做法和玩家的分工相似,若在同一小時內玩家同處於同一副本 內,我們就將其之間的分工互動值加 1,接著將大量的值表現出來,如圖 30。 圖 30 玩家彼此間的分工。我們去追蹤玩家間的分工情形,究竟是哪一種類型的玩家跟哪一種類 型的玩家之間會存在比較多的分工,以線段粗細列出比較明顯的前五名。 由圖 30 我們可以非常明顯的發現,大家都喜歡找組織型朋友網路(第三 階段)的這一類人組隊進行副本任務,這邊若拿圖 22 來比較,也就驗證了為 什麼第三階段組織型的玩家會花這麼多的時間在遊戲上(因為副本是很花時 間的任務,見附錄 D)。至於大家為什麼都會找這一類的玩家(組織型朋友網 路)下副本呢?這實在是值得思考的問題,我們將在下節時舉例說明。 E.總結 由圖 28、29、30,如果我們將三張圖疊合起來,並將比較不重要的點 拿掉,就會如圖 31。

(44)

圖 31 綜合比較玩家間的互動情形。將圖 28、29、30 三圖合起來就會凸顯出那些類型的玩家在 遊戲中的互動性是較高的。 由圖 31,我們發現玩家互動性高的五個點分別為:組織型公眾意識、 組織型朋友網路、組織型公會、練功型單機版、練功型公眾意識。這五個點 (也就是這五類玩家)彼此之間存在著許多不同複雜的互動關係。當然,沒有 列出來的只是彼此間的互動關係相對比較小而已。 這時我們再比較圖 27,不難驗證我們之前的發現,也就是練功型的玩 家在魔獸世界這個線上遊戲中成長到第二階段後,在遊戲中的遊戲時間、互 動性都漸漸降低,而組織型的玩家反而在第二階段之後不管是遊戲時間還是 互動性都大幅提高,不過,在進入制度化之後,也就是玩家成為公會的管理 者後就遊戲時間和互動性來說,還是稍微降低的。 或許我們就要問,是什麼原因造成以上的現象呢?難道線上遊戲不適合 練功型玩家嗎?答案是否定的!應該說,以上這現象只是魔獸世界這款遊戲 也許是因為其遊戲設計、也許是因為玩家分佈特色等原因而造成這樣的現 象。根據我們實際進入遊戲的經驗,以及一些玩家回饋的經驗,我們的確發

(45)

現魔獸世界具有上述的現象。譬如玩家在成長到第三階段朋友網路時,此時 玩家等級大概介於四十至六十,這時在魔獸世界當中若還是一個人單打獨鬥 那麼等級就會很難衝上去,這對某些練功型玩家就會選擇離開遊戲;相對 的,組織型玩家此時卻是如魚得水,因為此時有非常多的副本或者需要組隊 合作才能解的任務,他們在此時等級上升會非常快,同時也花非常多的時間 在遊戲上,他們會有幾群固定的朋友到處解不同的高難度任務或副本,也就 是為什麼他們互動性和遊戲時間這麼高的原因。 比照真實的遊戲之後,我們發現這樣的模型做出來的結果的確符合現在 線上遊戲的生態。

(46)

伍、結論

5.1 結論

在本篇論文裡我們結合了 Bartle 和 Yee 對玩家分類的精神,還有 Taylor 對玩家成長階段的描述,最後再引用過去對互動的研究,總合起來建立了一個玩 家彼此間互動行為的模型。這模型如圖 23 所示,而經過第三章和第四章的討論, 我們的確可以以此模型去觀察魔獸世界現有的遊戲概況。當然,相較於前人的研 究我們不但提出合理的模型,也具備了量化玩家數據的支持,這也是我們使用玩 家設計介面這一新型態研究遊戲方法的原因。 將來的遊戲都將朝玩家介入遊戲設計的因素發展。所以現階段雖然我們是以 魔獸世界為例子,但是我們所提出來的模型將可以適用未來任何可詳細收集到玩 家資料的線上遊戲。 而利用此模型研究出來的成果,譬如我們發現魔獸世界練功型玩家在成長到 第三階段後將會因某些因素而大量離開遊戲,這些將可以幫助遊戲設計者成為修 改遊戲的方向,或者成為遊戲研究者所想要知道的玩家間個體行為差異,我們都 可提供很好的模型研究基礎作為研究的切入方向。

5.2 應用

另外,我們回過頭來比較一下 Bartle 所提玩家分類和玩家的成長,如圖 4, 我們發現圖中上面一排玩家類型:Griefer、Network、Politician、Friend 以 及下面一排:Opportunist、Scientist、Planner、Hacker,這樣的分別規則正 是以 PLAYER←→WORLD 這一軸項所區分的,請見圖 2,這一軸向也是符合我們對 於組織型和練功型玩家的定義。 那麼如果我們比較圖 4 和圖 24,我們就會發現我們模型當中組織型玩家和

(47)

練功型玩家在第一階段和第二階段中間有一交叉點;而 Bartle 的模型中上排(組 織型)和下排(練功型)也同樣出現了交叉點。這說明了玩家在剛進入遊戲初期其 本身練功型和組織型的特徵還很不明顯,所以有可能由組織型玩家變成練功型玩 家或由練功型玩家變成組織型玩家。 而我們的模型對於遊戲公司或者研究者來說也是有很大的助益的,譬如圖 27,遊戲公司藉由此研究可以發現目前線上虛擬世界中存在的不平衡,如大量的 分工都與第三階段組織型玩家有關,那麼遊戲公司是不是應該因應此情形而調整 遊戲事件的發生,好讓遊戲世界能更平衡呢?而學者也可針對此一現象從社會學 或遊戲學的角度來分析造成此一現象的原因。

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。

(48)

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

(49)

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.

(50)

附錄 A 玩家設計介面研究

透過玩家設計介面中介於玩家與遊戲平台間的能力,我們可以將角色在遊戲 世界中的行為相關資料收集的工作變成系統化、自動化並且可程式化的進行。透 過紀錄如玩家操作不同角色的行為,角色與其他角色及遊戲環境的互動情況,以 及遊戲世界中的各種事件與整體概觀,取得在不同時間點的清晰遊戲世界切片, 並且進行長期,連續追蹤研究,研究者能夠幫助進行玩家成長、遊戲組織動態與 遊戲社會變遷等過去難以達成的大範圍研究。 遊戲研究者依研究主題的不同,在切入遊戲時有不同的尺度(Scale)選擇。 依照不同研究需要資料收集尺度的差異,使用玩家設計介面可以調整成三種不同 的方式進行資料的收集:全域普查、結構調查、個人紀錄。 „ 個人紀錄: 遊戲研究者紀錄遊戲玩家在進行遊戲的過程,希望了解遊戲與玩家之間的對 應關係以進行如玩家學習曲線、時間分配與使用習慣、虛擬身份投射與對 應、遊戲對玩家的影響等的研究。過去進行個人紀錄資料的收集時,需要使 用長期紀錄或是錄影的方式觀查玩家的遊玩狀況與遊戲的情況,或是必須透 過自製遊戲平台以自動化搜集資料進行研究。但使用觀察與錄影的方式應用 在遊戲歷程長的鉅量多人線上遊戲上極為耗費人力與時間,而研究者也難以 負荷鉅量多人線上遊戲程式開發與玩家社群經營。使用玩家設計介面的方式 提供研究者在應用現有平台自動化對玩家遊戲行為進行資料搜集的工作。 „ 結構調查: 玩家透過遊戲中的角色在虛擬世界中進行互動時,依不同的場合會有不同的 互動結構。透過搜集遊戲中公會、隊伍、聊天室、戰場內等各種場合角色間 的互動結構,研究者能夠了解玩家的行為以及角色間如何互相影響,進行如 公會內的互動網路、虛擬社會中信任的建立與角色間如何競爭等等的研究。

(51)

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。

(52)

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。 什麼團隊適合 DKP? DKP 的基本精神很簡單,但實作的辦法千變萬化,端看各公會的需求,與公 會的組織架構和價值觀。故 DKP 是和公會密切契合的,一個公會應該只有一套 DKP,並且只有該公會會員適用這個制度。 如何實作 DKP 制度? 實作方法為,用數量化的單位來衡量玩家的參與度。當一個物品掉落時,就由被 量化後的參與度來決定誰可以拿走物品。 首先,來看看 DKP 是怎麼產生與消失的。正所謂凡事都有個開始與結束,DKP 的產生有三種:

1.Raid Run + Boss

2.Raid Run + Boss + item 3.Item

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。

(53)

10 點。

Boss : boss 通常是副本的主要目標。每個 boss 都有設定其對應的 DKP,打 倒 boss 後得到這些 DKP。譬如說,設定 Lucifron(某一隻 boss)是 50 點,當打 倒後,參與的會員都得到 50DKP。若和前面的 raid run 合併來看,這次副本花 了 2 hour,也就是, 2 * 2 + 50 = 54。

Item : 這次副本有掉什麼東西,會額外多加 DKP 值。譬如說,掉了一把 Uber 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 會取得他想要的物品(因為他有較多的貨幣---即 DKP)

第 2 種 Raid run + boss + item 是特殊情況,後面再談。先看 Item: Item : 這也是所謂的 Sum-Zero 制度(總合為零)。DKP 由 drop 的物品產生, 譬如說這是公會的第一次副本。打了 1 hour 後掉了一把 Epic sword,這把 Sword 的 DKP 有個定值(要事先定好),是 100,而有 3 個人想要,由於是第一次副本, 大家都是 0 DKP,所以就由這 3 人 random,最後 A 贏了,於是大家的 DKP 在 A 拿到 sword 後,變成: A : -100 + 100/40 = -97.5 B~第 40 人,都是+2.5 總合起來,還是 0 DKP,當第 2 個物品掉落時,ABC 都想要,於是要決定誰 可以 loot。這時候就看各人的 DKP 值有多高,當做判斷資格的方法(故 DKP 不只 是一種貨幣,也變成是判斷資格的一種指標,這留到下個部分(討論 DKP 消費時 再詳述),這邊簡單地說,最高的人有兩個,即 B、C、而 A 比他們低,就直接淘

(54)

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: A : -100 + 100/40 + 60/40 B : (100/40) -60 + 60/40 C 和其他人 : 100/40 + 60/40 總合 DKP 仍然是 0。現在 A,B 都是負的,若再有物品掉落,他們應該都無法和 別人競爭。就這樣類推下去。 而這套總合為 0 的奇妙制度之所以會出現,是為了要解決新人加入副本時, 其 DKP 一定不如老手的問題。前面說過的 Raid run + boss,老一輩的會員跑了 3 個月 MC run,其總合 DKP 一定遠比剛加入的新人多。新人進去,拿到物品的機 率顯然是墊底的(輸另外 39 人)。而採用 Item 制,也就是 Sum Zero 制度,新人 進來,至少會比約一半的人點數要高(因為那些人是負的,新人進來是 0),這樣 子可以拿到物品的機率就比使用 Raid + boss 要高些。 接下來看 DKP 的消費部分,前面講 Sum Zero 時已經有提過一次,這套制度 中的物品,已經先有個定值的 DKP。為什麼會這樣子? 先來看一下 DKP 的消費方式,有三種模式: 1.Open Bid

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 紹:

Open Bid : 這是配合有穩定 DKP 進帳的制度的。如前述的 Raid Run + Boss 制。 由於多參加就有 DKP,固在決定 loot 權時,讓玩家們公開使用 DKP 來 bid 物品。 譬如說,掉了一個物品下來。有 3 個人想要,大家就用 DKP 競標:

A : 出 30 點 DKP B : 出 50 點 DKP C : 出 42 點 DKP

(55)

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 原本有 60 DKP,那他現在就變成 60 – 50 = 10。這種消耗 DKP 的制度很直觀 也很簡單,配上 Raid + boss 這種取得 DKP 的制度,就是鼓勵玩家多多參加副本, 就會有很多的 DKP,然後就可以用較多的 DKP 去 Bid 物品。

第 2 種 minimum fixed price + bid,是這樣運作的。所有物品都要先定好 其 DKP 的值,變成每樣 drop 物都有定值(價),然後,當物品掉落後,想要這個 物品的人必須要有能夠買該物品的 DKP 值。譬如說掉了一個定值為 50 的物品, 那只有能出得起 50 的人,才能有 loot 權。當有很多人都達到這個標準時(很多 人都想花 50 DKP 拿這物品),就使用 bid,大家再往上加價,加到有人最高為止。 這就很像是拍賣會場,每個物品都有起標價(底價),然後大家再競標。而若是只 有一個人想要這物品時,他就花 50 DKP 的代價拿走。

第 3 種是 fixed price,就是每樣物品是固定的 DKP 值,前述的 Sum zero 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 有兩個人都想要,也都出得起 DKP,就用 roll。 以上是簡單的介紹 DKP 的產生與花費,與其反應在 Loot 物品時的表現行為 是什麼樣子。至於這些規則,是怎麼來的,又為什麼這樣子定?其考量是什麼? 會有什麼問題產生?這些議題就五花八門,複雜無比。 實作時最主要的技術面問題 : DKP 這套制度需要耗費極大的人力去維持, 隨著時間的推移,資料量會越來越多,記錄與記算會變成一件極其冗長又煩人的 工作。

為什麼要用 Raid run + boss?為什麼用 Sum Zero?為什麼是 Open bid?為什 麼有 fixed price?

這些設定的產生,都有其原因與目的。底下就針對這些設定的背後意義做簡 單的探討與分析。在實作時,這些規則還會再依照各個公會的不同需求做細部調 整,因此過於細部的討論就略過不談,只看大方向。

(56)

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。

(57)

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。 至於公正性,DKP 需要寫資料庫專門用來存放與更新各會員的 DKP 變動。這會需 要耗費不少人力。不過只要資料記錄確實,其公正性是相當夠的。一旦採用 DKP, 這些資料完全是公開透明,任何時候任何人都可以上去觀看記錄。而可以修改資 料的人會把每次的異動都記錄下來。

接下來進入正題 Raid Run + Boss 這是最簡單直觀的取得 DKP 的方式。直接 反應出 DKP 的精神所在,參加的越多,就有越多的 DKP。通常會配合使用 Bid 或 是 fixed price 的消費 DKP 制度。有高 DKP 的人就越有機會拿到好物品。把這種 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 掉一個機率很低的神兵,也一定是被這些 Uber(玩的時間最久,參加最多次的那 群人)玩家拿走。這種方式是確保讓那些最 Uber 的會員可以拿到最 Uber 的東西。 能留住這些最 Uber 的會員是很重要的事情。 新人進來,永遠只能撿別人吃剩不要的。 但可以適時做出調整,定期把物品的 fixed price 往下降。這樣子新人 DKP 足夠該物品的 fixed price 後,若沒人跟他搶,還是可以拿到手。

這邊之所以用 fixed price,是為了配合 raid run + boss 的制度。就算是 新人,也不能用很低的價去 bid 沒人想要的東西。物品都定上定價,就代表至少 要參加幾次 raid 後,才有足夠的 DKP 可以去購買物品。可以說,把 raid run +

數據

圖 1 Bartle 玩家分類模型。Bartle 將玩家依照兩個軸向,(互動←→行動)和(玩家←→世界) 分成四種不同類型的玩家,分別是殺手、社交家、征服者、探險家。
圖 5 魔獸世界戰場圖。魔獸世界小遊戲,戰場的實景圖,由於戰場是一種需要玩家高度互相配 合的小遊戲,所以我們以戰場的積分,也就是榮譽值去判斷玩家是屬於練功型玩家或組織型玩家。  3.2 玩家的五個成長階段  A.五個階段  對於玩家在線上遊戲的成長階段,我們依據 T.L Taylor 在 2003 年所提 出的三個成長階段,將之延伸為五個成長階段,分別是:單機版、公眾意識、 朋友網路、公會、制度化。其所代表的意義我們將在下列一一敘述。  單機版:  玩家在參與一款新遊戲時,最開始進入遊戲的狀態為單機版,這邊
圖 6 單機版示意圖。單機版為玩家成長階段的第一階段,此時的玩家會單獨在遊戲世界中探索。  公眾意識:  玩家進入遊戲的第二個階段為公眾意識,這時的玩家對於遊戲這虛 擬的世界有一定的認識,並且在操作上比較熟悉了,接著他們會去想知 道別人都怎麼在玩這個遊戲,是不是有一些基礎的禮儀或者基本的玩法 需要知道?他們不希望被別人一眼就認出「你是新手」 ;或者,他們更 不希望因為自己對遊戲的不熟悉而被誤認為「小白」[22]。譬如圖 7 是一個網路上的討論區,上面會收編一些新手該知道的資訊,譬如組隊 心得;在組隊心得下,
圖 7 討論區組隊心得。討論版的精華區常常會有給新手的一些文件,這些文件內含許多存在遊 戲規則之外規則,這些文件也幫助新手快速的融入整個遊戲世界。  圖 8 討論區骰寶方式。這些文件通常由有經驗的玩家寫下自身的遊戲經驗,內容非常豐富,像 是組隊心得下面又分好幾項,其中之ㄧ是骰寶方式,內容就是告訴新手玩家在跟其他人組隊時分 配寶物該注意哪些禮儀。  朋友網路:  經過一定的時間,玩家會在遊戲中認識一些朋友,進而開始會固定 跟一些朋友共同探索遊戲這個虛擬世界,這就是玩家進入遊戲的第三階 段。如圖 9。
+7

參考文獻

相關文件

在「If A then B」中, A 是 前設B 是果。如前設為真 ,

2012 年 1 月 1 日, 都柏林大學的 Gary McGuire 利用計算機已證明出“不存在 16 個初始數的數獨題目”, 意即, 在數獨遊戲中, 最 少需給定

在撰寫網頁應用程式 HTML 的語法當中,以下何者錯誤?(A)<a>是用來製作超連結的標記(Tag) (B)HREF 是一個在<a>與</a>中指定其他

其次,將服裝可視為一種「符號」,在當代已是不爭的事 實。美國服裝社會心理學家 Susan Kaiser 在 The social psychology of clothing 中,進一步提出一「關於服裝符號系

因為我們的學員年齡層是大概 75~80 歲左右,那這些中高齡(老師)的來跟

主持人 政府這邊他們想說,是不是在政策上面有什麼樣相對應的調整,會

H2-7:不同 Facebook 得知管道的 Facebook 遊戲使用者在 Facebook 遊戲動機有顯著 差異。. H2-8:不同 Facebook 平均每次使用時間的 Facebook

• 其認為使用「管制」一詞似乎意指政府單 方面的干涉非營利組織的活動,而使用規