Teach me to dance: exploring player experience and performance in full body dance games

Author

Abstract

We present a between-subjects user study designed to compare a dance instruction video to a rhythm game interface. The goal of our study is to answer the question: can these games be an effective learning tool for the activity they simulate? We use a body controlled dance game prototype which visually emulates current commercial games. Our research explores the player's perceptions of their own capabilities, their capacity to deal with a high influx of information, and their preferences regarding body-controlled video games. Our results indicate that the game-inspired interface elements alone were not a substitute for footage of a real human dancer, but participants overall preferred to have access to both forms of media. We also discuss the dance rhythm game as abstracted entertainment, exercise motivation, and realistic dance instruction.

ダンスインストラクションビデオをリズムゲームのインターフェイスと比較するように設計された被験者間のユーザースタディを紹介します。 私たちの研究の目的は、質問に答えることです。これらのゲームは、それらがシミュレートするアクティビティにとって効果的な学習ツールになり得るのでしょうか。 私たちは視覚的に現在のコマーシャルゲームをエミュレートするボディコントロールダンスゲームのプロトタイプを使用しています。 私たちの研究では、プレーヤーが自分の能力について認識していること、大量の情報を扱う能力、そして体をコントロールするビデオゲームに関する彼らの好みを探ります。 私たちの結果は、ゲームに触発されたインターフェース要素だけでは本物の人間ダンサーの映像の代わりにはならないことを示していますが、参加者は全体として両方の形式のメディアにアクセスできることを望みました。 また、抽象化された娯楽、運動意欲、そしてリアルなダンス指導としてのダンスリズムゲームについても説明します。

Source

Published 2011 in Advances in Computer Entertainment Technology

DOI:10.1145/2071423.2071477

Comments

ゲームが本当に練習に役立つのか

表示はどのようなものがいいのか

URL

概要

ダンス指導ビデオとリズムゲームのインターフェースを比較する研究．

研究目的は，リズムゲームのインターフェイスがシミュレーションされた活動の効果的な学習ツールとなりかを調査すること．

本研究では現在市販されているゲームを視覚的にエミュレートした、体で操作するダンスゲームのプロトタイプを使用．

本研究では，指導用ビデオと提案リズムゲームの比較を行い，プレイヤーの自分の能力に対する認識，大量の情報に対処する能力，身体制御ビデオゲームに対する嗜好を探りる．

結果，ゲームにインスパイアされたインターフェース要素だけでは，実際の人間のダンサーの映像を代替することはできないが，参加者は全体的に両方のメディアを好むことがわかった．

目的

本稿では，ダンスゲームというジャンルを用いて，以下の2つの項目を検討する．

ボディコントロールされたダンスゲームはダンスを指導することに適しているのか

ユーザーはそのゲームを好むのか

これらを調査するため，3つの異なるダンスゲームのビジュアルを比較する研究を行った．

ビデオのみ、ゲームのみ、ビデオとゲームの両方。

これらの，3つの要素が結果に影響を与えると考え、次のような仮説を立てた．

・自己表出

ダンス未経験者は，理想的なアバターのアニメーションは、プレイヤーの身体を再現するよりも励みになる．

ダンス経験者は，自分のシルエットを見ることに喜びを感じ，運動やダンスをあまりしない人は，インストラクターが上手にやっている姿を見たいと思うのではないかという仮説を立てた．

・プレビュー

多くのリズムゲームでは，先の動きのタイムラインが表示される．このようなゲームでは、手と目のコーディネーションをテストするトゥイッチ・ゲームプレイがよく使われる．

対照的に，振り付けを教えるには，記憶から動作を実行できるようになるまで反復する必要がある．

頻繁にゲームをする人や記憶力に問題がある人は，先の動きを簡単に見ることができるモードを好むだろうと予測される．

・学習曲線。

これまでのダンスゲームは、いくつかのボタンを押すだけのものがほとんどだった．

しかし，人間の体は非常に複雑で，体の部位や位置の組み合わせが多く，それを伝える必要がある．

2次元の画面を3次元の身体空間に変換するため，細かい動きを伝えることはできない．

多くのユーザーがより身近な存在である人間のインストラクターを見ることを好むという仮説を立てた．

ユーザーの好みに関するデータを記録するために自己申告式のアンケートを使用し，パフォーマンスを判断するためにアルゴリズムベースと人間による評価の2つの異なる方法を使用．

手法（システム）

様々なビジュアライゼーションを用いてルーティンを教えるダンスゲームのプロトタイプを開発．

実験では，一般の人の能力を考慮して，プロのダンスレベルではなく，有酸素運動のレベルをモデルにしている．

使用した振り付けは「So You Think You Can Dance: Get Fit」というもの．

・指導ビデオ

ダンス・インストラクターが，シンプルで有酸素運動に適した動きを教えている．

・実装システム

Optrima社の深度カメラとSoftKinetic社の人間のポーズライブラリを使用して，プレイヤーがダンスをしているときの3Dボリュームを検出．このデータは、Microsoft XNAを使用してC#でコーディングされたゲームにストリーミングされる．このSDKは、1秒間に15個のサンプル（フレーム）を提供しており、各サンプルには前景オブジェクト（プレイヤー）を表す150個のセントロイドが含まれている．

シンプルなヒューリスティック・ベースのスコアリング・メカニズムを構築し，各動きのトレーニング・データを使用して，精度を決定．また，ヒューリスティックな手法を異なるユーザー間でより強固なものにするため，最初のフレームでは，ユーザーは腕を横にして静止しており，自然な幅と高さがスケーリングファクターとして使用されている．

プロトタイプシステムは，被験者にフィードバックを提供し，リアルタイムでスコアを計算，パフォーマンスデータを記録する．ダンスは4拍子の10のムーブに分けられ，さらにポーズに分けられて，時間内に撮影されたカメラのサンプルによって評価される．ジェスチャー認識アルゴリズムと同様に，ユーザーの動きをセンサーで観測し，あらかじめ設定された位置と関連付ける。しかし，認識の目的はユーザーの意図を判断することですが、この場合はユーザーがどのような動きをしようとしているかが既に分かっているので、1つのモーションの精度を評価すればよいことになります。スコアリングでは、あるコンデンス値を超えるとその動きが正しいとし、その後タイミングを評価する．

・ビジュアル要素

プロトタイプでは，3つの異なる視覚化モードを作成．

「Video Only」「Game Only」「Both」

「Video Only」は，家で一人で練習するために有酸素運動のビデオを見ることを想定．

「Game Only」は，全身を使ったダンスリズムゲームを想定．

「Both」では，これらの要素を1つのディスプレイにまとめたもの．

それぞれのモードでは，異なる視覚的要素が使用されているが，音源の音声はどのモードでも同じものを使用．

・ダンスリズムゲームのインターフェイス

1. 動作の名前の分類

ユーザーにとっての大きな課題の一つは、技の違いを見分けること．

「Scoop」「Walk」「Pocket」「Monkey」「Left Whoop」「Right Whoop」「Airplane」「Pop」「Snaps」「Jump」

などを分類する．

2. スコア

フルルーティンを行う際に，それぞれの動きが「PERFECT」「GOOD」「OK」「MISS」のいずれかでリアルタイムに採点される．曲の終わりには，パーセンテージのスコア（獲得したスコア／可能なトータルスコア）が表示される．

トレーニング中はスコアが表示されないので，プレイヤーは学習に集中することができる．

3. インストラクターの動画

人間のインストラクターの映像も使用．

トレーニング用に10本、フルルーティン用に1本、合計11本のクリップを用意．「ビデオ」と「両方」の条件でのみ存在．

4. インストラクターのシルエット。

人間のアバターを使用．

プレイヤーはインストラクターの形に自分を直接マッピングすることができる．

トレーニング時にはプレイヤーの横や上に配置し，本番ではプレイヤーのシルエットに重ねて表示．

5. プレーヤーのシルエット。

ユーザーの体もセントロイドを使って表示．

プレーヤーのシルエットは、プレーヤーが実際にどのように演技しているかを示す唯一のもの．

6. 先の動作のタイムライン。

多くのリズムゲームでは，プレイヤーはあらかじめ手順を覚えるのではなく、先の動きを予告する方法がとられている．

プレイヤーは，現在のムーブの名前と，次に来る2つのムーブを確認することができる．

各ムーブの名前の横には，それぞれのムーブを実行している人の小さな録画が表示される．

実験

3つの可視化モードのパフォーマンスを比較するためにユーザー調査を行った．

「ビデオのみ」「ゲームのみ」「両方」の3つの可視化モードのパフォーマンスと体験を比較．

仮説としては、ダンスやエクササイズの経験が少ない参加者は，自分の姿が画面に映らないことを好む．ゲーマーや記憶力の低い人は「Next Move」のタイムラインを好む．すべての参加者は「インストラクタービデオ」が最も分かりやすいと考える．

・被験者

被験者は30任．男性19名、女性11名．年齢は18歳から32歳まで（平均22.9歳）。

ユーザーは、ダンス、ゲームの経験などで分けられた．ダンス経験者は3人しかいなかったので，未経験者と1年以上のダンス教室に通っている人の2つのグループだけに分けた．ゲームの経験については，ゲームをほとんどしないか，まったくしない人を初心者，週1回以上プレイする人を上級者とした．

もう1つの要素として，参加者の身体的特徴を調べた．国際身体活動質問票（International Physical Activity Questionnaire: IPAQ）の短文版を用いて，自己申告の身体活動に基づいてユーザーを分類．

4人のユーザがカテゴリー1（最も活動していない），14人がカテゴリー2，11人がカテゴリー3（最も活動している）に分類．

また，Prospective and Retrospective MemMemory Questionnaire（PRMQ）を用いて，自己申告の記憶能力によってユーザーを分類．PRMQは，記憶力の自己申告による分類を行うためのもので，今回は総合的な記憶力のみを対象とした．

これらのスコアの絶対値の範囲は32から67であった。平均値（50.2）以下のスコアを持つユーザーは「記憶力が低い」，平均値以上のスコアを持つユーザーは「記憶力が高い」とみなされる．

・デザインとタスク

実験では，各ユーザーに3つの視覚化モードのうち1つを提示する．

「ビデオのみ」「ゲームのみ」「両方」の3つの可視化モードのいずれかを提示する被験者間実験を行った．

実験で得られたデータは，センサベースのスコアリングシステムで測定されたユーザのパフォーマンス，実験後の審査員によるスコア，ユーザが記入したアンケートの3種類である．

実験は，いくつかのフェーズに分かれる．異なる条件でのユーザーの認識とパフォーマンス、ユーザーの全体的な好みをテストする．

まず，各人が同じ時間だけ練習できるようにし，その後継続して練習する機会を与えることで，継続のモチベーションを評価した．実験にかかった時間は平均して1時間．

・実験行程

1. 準備

ユーザは実験者と本人しかいない閉ざされた空間に案内された後、研究者がダンスの振り付けを教えるソフトウェアを調査していることを告げられ、同意書を渡されて記入した．

2. アンケート調査 1．

デモグラフィック情報を教え，自己申告のIPAQとPRMQのスコアを記録．

3. トレーニング

被験者はタスクを開始．

参加者は，一連のトレーニングを通じて，10種類のダンスの動きを学んだ．

それぞれの動きは数回繰り返され，さらに小さなシーケンスで繰り返された．

各参加者は，経験の有無に関わらず，同じ準備ができるように，同じトレーニングのシーケンスを行った．

4. フルルーティンとテスト

トレーニングの後，参加者は音楽に合わせてFull Routineを3回行ってもらった．

このとき3つの可視化モードの1つ見ている．

テストモードでは，参加者は一人で完全にルーティンをこなす必要がある．

5. 質問票2

アンケート2では，被験者好みや認識についての質問があり，このとき被験者は，他の視覚化モードがあることを知らない．

6. 最終的な手順。

次に，被験者は他の2つの表示モードが存在することを知らされる．

他の2つのモードをそれぞれ1回ずつ（ランダムに）使ってパフォーマンスをしてもらった．

トレーニング・セグメントとフル・ルーティンを使って，どの可視化モードでも，好きなだけ練習してよい．

7. アンケート3．

最後に，モード間の好みを尋ねる短いアンケートを記入してもらった．

・結果

今回の分析では，ユーザーを初期モード，ダンス経験，ゲーム経験，IPAQスコア，PRMQスコアで分類した．

これらの分類は，被験者間のANOVAを用いて，いくつかの異なるパフォーマンス指標と比較した．

アンケートのデータに対してノンパラメトリック検定を行い，有意性を調査した．

5.1 パフォーマンス

パフォーマンスは3つの異なる方法で評価した．

まず，練習モードでの最初の3回のフルルーティンの試行の平均値を取った．これはプレイヤーが他の可視化モードの存在を知る前に行われたもので，プレイヤーの努力を公平に評価することができる．

次に，非構造化セクションで自由に操作した場合の練習時間を調査した．

最後に，実験後の被験者のパフォーマンスについて，専門家の意見を聞くため審査員を集めた．

5.1.1 スコアリングとタイミングのデータ

参加者の平均スコアや自主練習の時間には，特に相関性は無かった．

基本的に，ダンサーや記憶力の高い人のほうがスコアが高く，ダンス経験のない人は練習に時間がかかった．

しかし，これらの結果は重要ではない

5.1.2 実験後の振り返り

実験の最後に，参加者は映像なし，音楽なしでもう一度ダンスを行った．これは，特にダンスに触れる時間が短い初心者にとっては，非常に難しい課題である．

次の3つのカテゴリーで人間の視点を求めた．

ムーヴ（どれだけ正確に覚えているか）

タイミング（リズム感）

フレアー（どれだけ優雅でスムーズな動きをしているか）

の3つのカテゴリーで、人間的な視点を求めた．

一人目の審査員は，文化系のダンサーとして12年，バレエ教師として3年の経験を持つ．2人目の審査員は，バレエとタップを中心に7年の経験がある．最後の審査員は，ダンスの経験はないが，Guitar Heroのトーナメントに参加するほどのリズムゲームのエキスパートである．

ある審査員が他の審査員のスコアを知らないように，個別の審査セッションを行った．審査員はまず，すべてのルーティンとトレーニングビデオを見る．参加者は各審査員ごとにランダムに振り分けられる．

スコアは，3つのカテゴリーで1から5の間（1が最悪、5が最高）で評価された．

各参加者について，3人の審査員の「動き」，「タイミング」，「センス」の平均値を取り，参加者の属性と比較した．

・結果

可視化モードび「ビデオのみ」の被験者は，「ゲームのみ」の被験者に比べて、「ムーブ」と「タイミング」のスコアが高かった．(Moves: F2;27 = 3:859; p < 0:05, Timing: F2;27 = 3:66; p < 0:05) 「ビデオのみ」でトレーニングを行ったことにより、参加者がムーブを覚えやすく，タイミングを取りやすいことを示している．

非ゲーマーは，ムーブ，タイミング，エアの各項目で大幅にスコアを伸ばした．(ムーブ。F1;28 = 5:044; p < 0:05, タイミング。F1;28 = 6:803; p < 0:05, Flair: F1;28 = 4:554; p < 0:05)

ゲーマーと非ゲーマーの間には他の変数が多すぎるため，この結果から具体的な結論を得ることはできない．

「はじめに」で述べたように，振り付けを学ぶこととリズムゲームをプレイすることの違いが明らかになるかもしれない．

上級ゲーマーのほとんどは「Dance Dance Revolution」や「Pump it Up」などのダンスゲームに慣れ親しんでいたが，その経験はパフォーマンスには反映されなかった．

ダンサーは非ダンサーよりも高いスコアを出しましたが，有意に高いわけではない．タイミング：F1;28 = 3:565; p = 0:057）

タイミングの結果は、ダンサーと非ダンサーの間でほとんど差が無かった．プロのダンサーや経験豊富な参加者がいれば，この2つのグループの間にもっと大きな差が生まれたかもしれない．

・自己申告型アンケート の結果

被験者は2つのアンケートに回答した．

質問は7段階のリッカート尺度（「強く反対」が1，「強く賛成」が7）を用いて評価した．

その結果，最も有意な結果が得られたのは，被験者間でスタートモードを比較したときである．

このデータは、「ゲームのみ」モードが他の2つのモードに比べてはるかに好ましくないことを示唆していた．

「Game Only」は，「Video Only」や「Both」に比べて、圧倒的にわかりにくかった(22 = 6:858; p < 0:05)．

「ビデオのみ」の方が「ゲームのみ」よりもはるかに楽しかった．

「ゲームだけ」の方が「ビデオだけ」や「両方」よりも、何が悪いのか分かりにくかった(22 = 6:640; p < 0:05) ．

「ビデオのみ」の方が「ゲームのみ」よりもほぼ有意に関与していた(22 = 5:861; p = 0:053) ．

「ビデオのみ」は「ゲームのみ」に比べて、被験者は自分の記憶がパフォーマンスに影響すると感じた．

「ゲームオンリー」で始めた人は、実験終了時にはより理解できたと感じ、シグニチャンスが変化した(22 = 9:1; p = 0:092) ．

「ゲームオンリー」参加者の平均値は3.9から4.7に上昇した．

「ゲームのみ」の参加者は，実験終了時に自分のパフォーマンスが向上したと考えた(22 = 9:459; p < 0:05)

「ゲームのみ」の参加者は，他のモードを見た後、自分のパフォーマンス能力を高く評価した。(4.2から5.3へ)．

・考察

どのインターフェースが一番好きかを尋ねたところ，ダンサー（22 = 10:5; p < 0:05）とPRMQで高得点を得た人（22 = 8:4; p < 0:05）は，「ゲームのみ」を最も好きではない，好まないインターフェースとして顕著に選択した．

この2つのグループは，ダンスをしない人や記憶力の低い人ほどタイムラインの助けを必要としていないため，特に「Game Only」に興味を示さなかったのではないかと考えられる．

非ゲーマーとゲーマーの間には有意差がなく，IPAQの結果の間にも有意差がなかった．

このプレビュー表示の実装は，一部のユーザーには有用であったが，解説ビデオほど望ましいものではなかった．

記憶力が低い人やゲーム経験が豊富な人には有意性が見られなかった．

記憶力の高い人は，記憶力の低い人に比べて「ゲーム専用モード」を嫌う傾向が強いと結論づけられた．

これは追加要素が不要だと感じているからと考える．また，「ゲームオンリー」を選んだ被験者のうち4人は記憶力の低いグループであり，プレビュー方式であることから「ゲームオンリー」が好まれたと考えられる．

新しいインターフェースには学習曲線があり，それが好みに影響した．

大多数のユーザーは「両方」を好み，次に「ビデオのみ」を好み，次に「ゲームのみ」を好み，「ゲームのみ」の割合は少なかった．

・まとめ

全体的に見て，ゲーム専用モードはダンスを教えるのに適切な方法ではなかったことが示唆された．

リアルタイムのフィードバックと自己表現の利点を加えても、多くのユーザーは教育用ビデオのみを使っていた．

しかし、ほとんどのユーザーはBothモードを最適なインターフェースとして選択しており，ダンスゲームのビジュアル要素を追加することにはまだメリットがあると考えられる．

また、記憶力、ダンス経験、ゲーム経験が、パフォーマンスと好みの両方の要因となっていることもわかった．

ダンスリズムゲームのビジュアルインターフェースは、まだ振り付け指導の代わりにはなれない．

プレイヤーが十分に励まされていると感じる必要があり，プレイヤー自身の反応は最小限に抑えるべきである．

今後の動きをプレビューすることは役に立つが，人間のトレーナーほどではない．

また，実際のパフォーマンスに違いがなくても，視覚的なフィードバックによってパフォーマンスの認識に影響が出ることがわかった．

ダンストレーニングシステムの目標は，カジュアルな全身リズムゲームの目標とは多少異なる．ダンスゲームの開発者は、カジュアルなプレイヤーがいずれは本格的にやっていきたおいと思うかもしれないので，どちらの好みにも対応できるような製品を作るべきである．

Tag