Name of study Q

Détection automatique d'interactions dans des traces de jeux sérieux.

Description of study Q

Des étudiants de L2 ont utilisé un jeu multi-joueurs dédié à la logique propositionnelle. Les traces sont aggrégées en situation d'interaction puis analysée pour tenter de déterminer les interactions effectuées par les joueurs. Les interactions ainsi détectées sont comparées aux informations fournies par les joueurs sur leur ressenti quant à la partie qu'ils viennent d'effectuer.

Name of the author of the study Q

Mathieu Guinebert

Name and contact of person which can give informations about data Q

Mathieu Guinebert mathieu.guinebert@gmail.com

Pour cas d'étude > à fusionner avec "Nom du(es) producteurs" Q

Amel Yessad

Mathieu Muratet

Vanda Luengo

Pour cas d'étude - Fields of education (mathematic, physics, litterature, ...) Q

Informatique: logique propositionnelle.

Types of non-numerical resources available to students (Podcast, MCQ, text, etc.)

Number of hours of training (number of sessions, total duration of training, number of hours, sessions, ...) Q

Types of numerical resources available to students (Podcast, MCQ, text, etc.)

Number of students Q

Number of tutors

Types of activities set up (groups, distance, ...)

Problematic description Q

Les interactions multi-joueurs sont extrêmement intéressantes. Elles renforcent la motivation et l'implication des apprenants joueurs. Elles permettent également d'apprendre des compétences spécifiques comme le travail en équipe.

Les joueurs n'ont cependant pas tous les mêmes besoins et ni les mêmes goûts en matière d'interaction. Détecter quel type d'interaction est privilégié par un joueur et à quel moment il y fait appel est donc intéressant, tant d'un point de vue du game design que du profilage des joueurs.

Les interactions sont cependant des processus sociaux complexes impliquant à la fois des éléments verbaux et non-verbaux. Leur détection automatique n'est donc pas simple. Cette difficultée est par ailleurs renforcée par l'absence de consensus sur les définitions des interactions en fonction des domaines ou de l'individu concerné.

Creation date of problematic Q

2015

Description of research questions Q

- Comment détecter des interactions uniquement à l'aide des actions de jeu?

- Comment formaliser et modéliser des interactions multi-joueurs de manière flexible pour permettre à chacun d'exprimer sa vision des interactions?

- Comment s'assurer que les interactions détectées soit bien conformes aux interactions ressenties par les joueurs?

Data location Q

France

Description of the storage format of data (files, data base, ... ) Q

Traces brutes sous format .txt:
Date; USERID1; USERID2; Action; paramètres

Traces modélisées sous forme d'activité sous format txt:
[Activité1[roles], Activité2 ....]

Somme des features exprimés et réponses aux questionnaires sous format csv:
page 1: ID session; somme features; réponses questionnaire fin session; profil BrainHex
page 2: moyenne des features par session; BraiHex; réponses du Google Form

Data description (e.g. contents, size, number of records, ...) Q

Logs des joueurs au format txt réparti en 6 groupes de tailles variables
- actids_id: séquence d'activité des joueurs
- actsurids_id: questionnaire de fin de session des joueurs
- gameids_id: séquence d'actions des joueurs
- chatids_id: chat des joueurs

Pour cas d'étude - Data properties (name, labs, universities, companies, ...) Q

Toutes les données sont propriétés de Sorbonnes Université.

Purposes of analysis Q

Déterminer les corrélations qu'ont les différentes features d'interactions entre elles et déterminer les corrélation entre les interactions détectées et les ressentis fournis par les étudiants.

Person(s) in charge of the analysis (pre-processing and processing) Q

Mathieu Guinebert

Which actors would be interested in the analysis and why?

Les développeur de jeux sérieux peuvent être intéressé par cette analyse afin de modifier leur scénario si les interactions détectées chez les étudiants ne correspondent pas à leur cahier des charges.
Les enseignants peuvent également être intéressés car il permet d'obtenir des informations sur les interactions privilégiées par leurs étudiants et le cas échéant de créer des groupes de travail axés sur la collaboration ou la compétition par exemple.

State of progress of the analysis scenario (e.g. pre-processing, processing, dashboards, ...)

Travail fini:

- modélisation des jeux effectué
- pré-traitement des logs effectué
- analyse et regroupe des données effectué

Date or period of the analysis

01/18 au 03/18

Description of learning analytics goals Q

Production d'indicateurs sur les interactions privilégiées par un étudiant ou un groupe d'étudiant.

Production d'indicateurs sur les interactions les plus utilisées dans le cadre d'un jeu sérieux.

How has the ethical dimension of the analysis been taken into account?

Anonymisation des profils d'étudiant.

Global description of pre-processing

Les données non traitées sont sous la forme de logs d'actions effectuées par les joueurs. Ces logs contiennent quatres informations:
- le timestamp de l'action
- l'identité du joueur
- la nature de l'action effectuée
- les différents paramètres dépendant de l'action (acteur, cible, ...)

Il faut transformer ces logs d'actions en logs d'activité. Ces logs se présentent alors sous la forme d'une liste chronologique indiquant les différentes activités effectuées par les joueurs et les rôles qu'ils y ont assumé. Pour aggréger les actions du jeu en activité, il est nécessaire d'avoir modéliser le scénario à l'aide de l'ontologie MPLGO.

Une fois les séquences d'activité obtenues, elles sont qualifiés en feature d'interactions à l'aide d'un Analytic Framework conçu pour les activités respectant la formalisation de MPLGO.

Plateforms or softwares to pre-process data

- MultiPlayer Learning Game Ontology (MPLGO) [Guinebert et al., 2017]

- Analytic Framework for automatic detection of peer interaction features (AFADPIF) [Guinebert et al., 2018]

Description of data cleaning

Séparation des différentes parties de jeu effectuées sur une même machine.
Suppression des parties incomplètes ou inachevées.

Description of data aggregation (e.g. aggregation by students, class, topics)

Les joueurs se retrouvant sur différentes machines, il est nécessaire de regrouper leurs logs sous un seul fichier pour reconstruire une partie.

Description of the problems encountered during pre-processing

Certains étudiants ont mal renseigné leur identité

Overall description of the treatments used (e.g. make a list of the methods used)

- MultiPlayer Learning Game Ontology (MPLGO)
- Analytic Framework for the automatic detection of peer interaction features (AFADPIF)
- Analyse en composante principale (ACP)

Description of variables used as input for processing (e.g. name, content, modalities)

Pour MPLGO:
- logs d'actions des joueurs fusionnés

Pour AFADPIF:
- séquences d'activités effectuées par les joueurs

Pour ACP:
- Séquences qualifiées avec AFADPIF et réponses aux questionnaires de fin de partie.

State of progress of the analysis scenario (e.g. pre-processing, processing, dashboards, ...)

Travail fini:

- modélisation des jeux effectué
- pré-traitement des logs effectué
- analyse et regroupe des données effectué

How has the ethical dimension of the analysis been taken into account?

Anonymisation des profils d'étudiant.