为了研究而玩：游戏分析的方法

http://school.ogdev.net/ArticleShow.asp?id=6548&categoryid=1

摘要（译者加入）：本文调查了3200名玩家的数据，研究他们为什么玩MMORPG。经过因素分析，发现了玩家动机的三个首要因素：成就、社交、代入感，以及取得进步、认识游戏机制、竞争、交际等10个次级因素。依据这些数据，研究者提出了玩家动机的因素理论，对巴图将玩家分为成就型、探索型、社交型、杀手型这四种类型的理论进行了重要的修订。文章还进一步分析了玩家动机上的性别和年龄差异，并研究了哪些因素对于游戏时间、网络成瘾和是否购买虚拟道具等起决定作用。本文通过实证数据更清晰的揭示了MMORPG玩家的动机，为我们进一步做好游戏开发和设计工作提供了很好的参考资料。同时这种研究方法对我们的研究工作也具有重要的指导意义。

作者：Nick Yee
参见 http://www.nickyee.com/daedalus/motivations.pdf
前言
如果问MMORPG玩家他们为什么玩游戏，会发现答案是如此之多。确实，这种动机的多样性证明了为什么MMORPG有如此大的魅力---因为它们能吸引各种不同动机的玩家。
“经过几周的体验后，我发现自己对游戏中人们之间的交往很感兴趣，这确实是太吸引人了！！！我能够沉浸在游戏里，与其他人息息相关，或者只是听人‘闲聊’，这一切都很有诱惑。”[DAoC, F, 34]
“我和丈夫一起玩MMORPG，把它当作一种娱乐之源。它总体上是一种廉价的娱乐形式，你可以与其它玩家一起消磨大量时间。随着游戏的进展，你会发现交流的渠道越来越多。”[DAoC, F, 31]
“我喜欢整体上进步、发展的东西…作为玩家变得越来越好，解决那些以前使我一筹莫展的问题。”[EQ, M, 48]
“游戏里没有人抱怨工作或其他琐碎的事情。游戏是一个美妙的减压器。我喜欢在一段时间里变成另外一个人的感觉。”[SWG, M, 28]
“现在，我正试图在虚拟世界的经济中建立一个公司。主要是想了解一下，现实中的社会理论在虚拟经济中如何运作。”[EVE Online, M, 30]
整合和建立一个这些潜在动机的实证模型，将为其他方面的研究提供重要的基础。首先，它开辟了研究不同玩家的途径，例如探讨老年玩家和年轻玩家有什么差异。第二、玩家动机模型提供了研究游戏内表现和行为的工具。例如，哪些玩家更可能成为公会领导者，或者是哪类玩家更可能出现游戏成瘾？

巴图的玩家类型理论
巴图（Bartle)的玩家分类(http://www.mud.co.uk/richard/hcds.htm)是一个著名的玩家动机模型。在那篇文章中，巴图（Bartle)分析玩家间的区别，按照两个内在维度提出了玩家的4种类型（社交型、成就型、杀手型和探索型）。最近，巴图（Bartle)进一步把他的模型扩展到8种分类（见Designing Virtual Worlds ，巴图, 2004)。
巴图（Bartle)理论尽管有重要的价值，但也存在许多不足。
1)每个类型假定的成分间可能并不相关。例如，巴图（Bartle)假定角色扮演和社交性都属于同一类型，但它们可能没有高度的相关。
2) 假定的类型间可能相互重叠。例如，raid型公会的成员是否可能同时是成就型和社交型玩家？但在巴图（Bartle)的分类中两者处于模型上相反的位置。
3)纯理论的模型没能提供途径，测量玩家是哪种类型。更重要的是，假如没有解决1)中的问题，任何依据该模型的测量都更可能是造出玩家类型而不是测量它们。
关键问题是，除非得到实证数据的支持和证实，否则很难用巴图（Bartle)模型进行实际研究。例如，巴图（Bartle)提出不同玩家类型间以某种方式相互影响。但除非我们能测量和确认玩家的不同类型，否则很难将巴图（Bartle)的理论模型运用到实际中。尽管确实存在“巴图（Bartle)测试”（不是巴图本人开发的），但那种测量工具的两分法和强迫性选择，只是先定假设了巴图（Bartle)玩家类型的存在，而不是去验证它们。在本文中，我提出了验证巴图（Bartle)模型的一种途径，研究结果与巴图（Bartle)假设的类型既有符合之处、也有存在差异的地方。







因素分析（Factor Analytic）方法
在过去几年里，通过经验主义方法，我使用迭代程序（iterative process）来验证、扩展和改进玩家动机模型。首先，从现有文献（例如巴图的分类理论）或早期的开放性调查中，收集了人们玩MMORPG的可能动机：
http://www.nickyee.com/everquest/mgame.html
http://www.nickyee.com/daedalus/archives/000777.php
然后把这些动机转换成调查问题，例如：
尽可能快地升级对你来说很重要吗？
 一点也不重要
 有点重要
 一般重要
 很重要
 极为重要
在本文的最后，提供了调查所用的全部问题，以及测量工具的相关信息。
通过网上调查，玩家在线对每个陈述进行评定。现在这批数据，包括了3200名作答者对39个项目的评定。随后对这些数据进行了因素分析，把那些陈述分离成独立的因素，因素内的题项尽可能的高相关，而因素间则尽可能不相关。这种方法达到了3个目的：
1)保证每个动机内的成分间是相关的
2)保证不同的动机是相互区别的
3)提供测量这些动机的工具
我希望强调目前这种工作的迭代式本质。开放性调查和头脑风暴提供了研究的线索，通过因素分析来验证，此时再通过开放性调查来进一步探索因素分析所确认的因素。玩家的作答使我们能探索他们玩游戏的动机，我还收集了玩家的言论来做进一步的探究。
从现在的数据中，分析出了10个因素，它们又能进一步被归纳成3个更高层次的因素。我们可以把这10个因素看作次级因素，也可以分别看作主因素。
通过主成分分析(principal components analysis)，对39个题项中的因素进行了聚类。特征值(eigenvalues)大于1的10个因素被抽取出来。这些因素共解释了总变异的60%。下面的图表显示了所用题项的因素负荷量(factor loadings)：



在所有次级因素的分数上，我们都对3200名作答者进行了回归分析(regression Method)。从而在10个次级因素的基础上形成了另外的首要因素。因素负荷量大于1的3个主因素被抽取出来。这3个因素合在一起可以解释总变异的54%。并且3个因素间很不相关(r’s ~ .10)。下面的表显示了次级因素在3个主因素上的因素负荷量。



主因素&次级因素
这里给出了3个主因素以及它们的次级因素。



下文主要来说明次级因素上的高分数代表什么意思。而这些因素上的低分数也同样具有启迪作用。例如，在交际次因素上得分低的玩家，将会更喜欢那些不强迫人进行交流的游戏机制（像EQ中的人物属性---绑定、心灵传送、复活）。限于篇幅，对每个次级因素的“次要方面”这里就没详细讨论。

成就因素：
取得进步：这个因素上得分高的玩家，满足感来自于达成目标、快速升级以及收集游戏中像黄金这样的资源。他们喜欢以游戏中的方式不断进步和获得力量---战斗力、社会认可、或者金钱/制造业方面的优势。这方面得分高的玩家，将会趋向于那些有助于他们进步的、严肃的、核心玩家组成的公会。
游戏机制：在游戏机制因素上得分高的玩家，满足感来自于分析和理解系统内在的数值系统。例如，他们的兴趣可能是计算装备两把单手武器与装备一把双手武器间伤害值的差别，或者是计算招架、未击中和逃跑的几率问题。他们理解游戏内在机制的目的，就是为了改进并优化角色，使之在某一领域出类拔萃。
竞争：在这个因素上得分高的玩家，喜欢在战场或经济上取得优势，以及享受与其他人竞争的感觉。这既包括公平、有序的挑战—像决斗或结构化的PvP/RvR，也包括了非暴力的竞争—像诡计或欺骗。这个因素上得分高的玩家，满足于拥有击败或支配其他人的力量。
社交因素：
交际：这个因素上得分高的玩家，满足感来自于遇到和认识其他玩家。他们喜欢与其他玩家闲聊，并且一般乐意帮助别人—无论对方是偶遇的玩家还是老朋友。这方面得分高的玩家，将会趋向于那些随和、友好的公会。
关系：这个因素上得分高的玩家，寻求的是与其他人形成持久的、有意义的关系。他们不介意与其他人讨论涉及现实生活的私人问题。他们需要的是亲密的网上朋友，以在面对真实生活中的问题时获得必要的支持。
团队协作：这个因素上得分高的玩家，喜欢与其他人共事与合作。他们乐于组队而不是单闯，并且从集体成就中比从个人成就中得到更多的满足。这个因素上得分低的玩家，会倾向于作独行侠，并且认为自给自足、不依赖其他人是至关重要的。他们只是在万不得已的时候才会组队。

代入感因素：
探索：这个因素上得分高的玩家，喜欢探索游戏世界，发现那些其他人可能不了解的区域、任务或物品。他们乐于奔波，但只是为了去观光世界的不同部分，和探索自然区域（像地牢和洞穴）。他们喜欢收集稀有的信息、物品或琐碎的东西。
角色扮演：这个因素上得分高的玩家，喜欢通过游戏中人物的视角来沉浸于其中的故事。这些玩家倾向于阅读游戏世界的背景故事，以及为他们的人物编写历史和故事。同时，他们喜欢人物的角色扮演，以把自己的人物整合进游戏世界的故事里。
个性化：这个因素上得分高的玩家，喜欢个性化他们人物的外表。使自己的人物有独特的风格或外观对他们来说很重要。他们希望游戏提供个性化方面的多项选择，并努力使自己的人物具有一致的色彩配置和风格。
逃避现实：这个因素上得分高的玩家，把虚拟环境当作放松和释放压力的地方。这些人把玩游戏当作一种途径，来避免想起真实的烦恼，或者大体上当作逃避现实生活的工具。
对巴图分类的修订
通过因素分析得出的因素不是玩家类型。我们不是造出了10个箱子，然后把玩家向里放，而是揭示了共存的10个因素，来共同解释玩家的动机。巴图（Bartle)假设内在的动机是相互“排斥”的。换句话说，你越是一个成就型玩家，就越不可能是一个社交型、探索型和杀手型玩家，但是，仅仅因为喜欢冰激凌并不意味着你就会恨通心粉。对动机两极化的假设，也没有得到对目前数据相关分析的支持。成就因素并不像巴图（Bartle)假设的那样与社交因素负相关。事实上，两者是略微正相关(r = .10, p < .001)。在文章的后面，对类型vs因素的差异有更详细的解释。
经过因素分析，也发现了当前数据与巴图（Bartle)理论几点显著的不同之处：
1) 交际和角色扮演：巴图（Bartle)提出，喜欢聊天和交朋友的玩家也同时是喜欢角色扮演的玩家。而它们实际上是两个独立的因素。
2) 成就和竞争：巴图（Bartle)假设成就型和破坏型是两个独立的类型，而它们实际上是显著相关的。取得进步和竞争两个因素的相关是：r = .41, p < .001。
3) 探索型：巴图（Bartle)认为探索型玩家既喜欢探索世界、收集信息，也喜欢探究游戏的内在机制和系统。而他们实际上是两种不同的玩家。我早期尝试寻找巴图（Bartle)定义的探索型玩家但没有成功，直到我把它们两者作为独立的类型。换句话说，探索性因素涉及的只是寻找和积累知识，与探索游戏机制是两个不同的因素。
4) 代入感：这是一个巴图（Bartle)类型中没有出现的动机。代入感因素涉及的是故事线索、角色扮演、幻想、个性化和逃避现实，它独立于社交动机。
在《设计虚拟世界》（2004）一书中，巴图（Bartle)批评了早年基于因素分析建立的玩家动机模型。这里我列出这些批评，并给与一些回答。
1)调查所提出的动机类型在题项中有所暗示。尽管这是事实，但调查并没有整体暗示出假设的一组评定，并且调查更重要的目标——不是假定这些动机的存在，而是了解哪些相关的动机形成一个“因素”。例如，我们发现交际和角色扮演是独立的结构。
2) 头脑风暴产生的动机像头脑风暴产生的玩家类型一样都是主观的。但两者更重要的差别是，头脑风暴产生的动机随后通过实证研究来验证。数据显示了与巴图（Bartle)最初类型的矛盾，证明玩家动机不能简单地通过头脑风暴来认识。它们必须通过数据调查来验证。
3) 因素的命名并不是通过因素分析提供的。但玩家类型的名称也同样不是固有的。玩家类型的命名存在更为严重的问题，把一些毫不相关的动机放在一起命名。
4) 一些因素相互重叠，而另一些则不重叠。了解因素间关系的唯一途径，是开发一种有效的测量方法，观察各因素内在的相关。事实上，玩家类型也存在重叠，而直到我们找到测量那些动机的途径之前，对这种重叠的认识都是不清晰的。而更重要的是，当前模型的3个主因素都是显著不相关的(都大约是 r = .10)。

其它数据的分析
我们进行了一系列t检验，来分析玩家动机上的性别差异，同时对年龄、玩家动机和每周游戏时间进行了相关分析。



注：这里报告的所有性别差异都在p < .001水平上显著。r是表示性别差异程度的指标（(t-test)，因此也大致表示了性别多大程度上能单独解释因素上的总体变异。效果大于.15的被突出显示（字体加粗的数字，译者注）。
因为标准分和差异程度（连续数据）可能没有百分率（类别数据）直观，这里也给出了这些数据的另一种形式。我们根据每个玩家的分数推断出他们的“首要动机”。如果没有很接近的次要动机（首要* .75 >次要），每个作答者都被赋予一个首要动机。按照这个标准，57%的玩家具有首要动机。这个标准可能并不严谨，但使我们能更直观的理解这些数据。
首先来看一下主因素上的性别差异。总体来说，依据上述标准，43%的玩家没有首要动机。在那些具有首要动机的玩家中，20%玩家的首要动机是成就感，20%玩家的首要动机是代入感，而17%玩家的首要动机是社交。使用百分率形式时，性别和年龄差异显得更为显著。

首要动机上的性别差异
男性 = 2769, 女性 = 430


（纵轴代表百分率，横轴自左向右分别是成就因素、社交因素、代入感因素，黑色代表男性、浅色代表女性。译者注）
我们根据次级因素分数推断出玩家的首要次级动机，来看一下在次级因素上的性别差异情况。
次级因素上的性别差异
男性= 2769, 女性 = 430


（横轴代表百分率，纵轴自上向下分别是取得进步、游戏机制、竞争、交际、关系、团队、探索、角色扮演、个性化、逃避现实，黑色代表男性、浅色代表女性。译者注）

男性玩家更多被成就动机驱动，而女性玩家更多被关系和个性化动机驱动。女性玩家和男性玩家都同样被交际、团队协作、探索、角色扮演和逃避现实因素所吸引。意外的是，关系因素上存在性别差异，但是交际因素上却没有性别差异，尽管这两个因素可能像是高度相关的。换句话说，男性和女性都同样对和人打交道感兴趣，但是社交的目的却不相同。
对男性玩家和女性玩家来说，年龄大的玩家与年龄小的玩家在成就因素上都有很大的不同。年龄小的玩家更着迷于取得进步、竞争和认识游戏内在机制。年龄大的玩家与年龄小的玩家在社交和代入感因素上没有明显的差异。
与每周游戏时间长短相关最大的因素，对男性玩家来说是取得进步和认识游戏机制，对女性玩家来说是形成亲密关系。换句话说，男性玩家和女性玩家在游戏投入时间上的原因是不一样的。男性投入很多时间是为了提升等级、获得稀有装备和了解游戏机制，而女性投入很多时间则是为了建立私人关系。
为了研究影响每周游戏时间长短的因素，我们以性别、年龄和10个次级因素作为预测变量进行了多元回归分析（multiple regression）。回归模型在p < .001水平上显著，校正后的R值是.06（回归模型不是很理想，预测性较弱）。最好的预测指标是取得进步的动机(Beta = .13, p < .001)，随后是形成关系的动机(Beta = .10, p < .001)。尽管如此，没有任何一个因素能非常好的预测每周游戏时间。
我们以性别、年龄和10个次级因素作为预测变量进行多元回归分析，来研究游戏成瘾的最大影响因素。通过使用下面的题目，我们还开发了一份测量游戏成瘾的量表（基于结构--特定（construct-specific）反应选择的5点量表）。这些参考了Ian Danforth的工作，从心理承诺方面的研究中抽取题目形成了游戏成瘾的量表。(http://iandanforth.net/pdfs/addiction.pdf)
* 你是否认为自己的游戏时间过多，超过了适宜的范围？
* 你很难控制自己的游戏时间吗？
* 如果服务器意外关闭，你会烦躁不安吗？
* 你的朋友和家人经常抱怨你玩游戏的行为吗？
* 玩游戏影响了你的工作/学习吗？
* 你在生活中的幸福感多大程度上来自于玩游戏？
* 玩游戏影响了你的人际关系吗？
通过主成分分析（principal components analysis），得出了特征值（eigenvalue）大于1的一个因素，可以解释总变异的47%。所有项目在这个因素上的负荷量都介于.52和.79。多重回归在p < .001水平显著，校正后的R值是.33（表明模型的预测力较好）。游戏成瘾的最佳预测指标是逃避现实的因素(Beta = .31, p < .001)，其次是每周游戏时间(Beta = .27, p < .001)，再次是取得进步的因素(Beta = .18, p < .001)。
这个多重回归的结果是很有趣的，它表明逃避现实因素才是游戏成瘾的最佳预测指标。换句话说，只有那些把网络游戏作为逃避现实手段的玩家，才最可能导致游戏成瘾。这与以前的看法是相反的，大家以前认为游戏本身与生俱来就有让人上瘾的成分。当然，取得进步的因素也是一个较强的预测指标，但是比逃避现实因素要弱的多。数据显示，游戏成瘾的首要原因是现实生活中已存在的问题，而不是网络游戏本身，与玩家的现身情态相比，游戏机制（常常被认为极具上瘾性）只是一个较弱的预测因素。
玩家也回答了以下题目（是/不是）：
 -连续投身于raid至少8小时
 -曾使用第三方的宏或插件
 -购买过虚拟物品/游戏币
 -游戏中投入的曾经主要是相反性别的角色
我们进行了一系列的多因素回归分析（logistic regressions），来看10个次级因素和性别、年龄中，哪些是以上4个题项的较好预测指标。
“8小时raids”的最佳预测指标是关系因素(B = .66, p < .001)，其次是团队协作因素(B = .39, p < .001)。尽管这看起来可能和直觉相悖，但确实显示了对持久关系感兴趣的玩家，也倾向于长时间的raid。而事实上，女性玩家比男性玩家更可能会有8小时的raid(35% vs. 26%)。
是否使用过“第三方工具”的最佳预测指标是竞争因素(B = .28, p < .001)，其次是探索游戏机制因素(B = .22, p < .001)。换句话说，玩家通过使用宏或插件，在竞争中取得的优势和“最优化”他们的人物。
“购买虚拟道具”的最佳预测指标是年龄因素(B = .32, p < .001)，其次是关系因素(B = .28, p < .001)。年龄成为显著的预测值是与可支配收入有关的，但对于为什么关系也是一个较好的预测值却找不到较好的解释。
“性别偏移”的最佳预测指标是角色扮演因素(B = .26, p < .001)，其次是个性化因素(B = .24, p < .001)。

MORROWIND中的畏惧和嫌恶
玩了将近20年探索类游戏，我对情景的重复性已感到厌倦。接受任务，寻求解决，寻找下一个挑战。或者，换句话说，探索，杀戮，更多探索，更多杀戮，等等。这两个难兄难弟构成了这类游戏的游戏世界。从Crowther 和Woods最初的冒险类游戏Myst以及Duke Nukem到Half-Life、Serious Sam，没有人能够“与众不同”，Max Payne的玩法规则多少还是老一套，但是游戏世界按照Moore法则每年都在更新（与开发经费在同步上涨）。假如不是这样的话，没有任何新游戏能卖得动。存不存在画面很差但照样好卖的游戏呢？确实没有。撇开其世界背景，这些游戏都是在相同的核心骨架之下，给出或拿来了一套算法而已。Bungie设计的非常成功的第一人称射击游戏Halo，多少也是他们早期产品的翻版，当然，它有着更好的图形和更先进的引擎。科幻未来主义、中世纪幻想、或20世纪轮盘戏，它们的公式都是一样的：杀戮，探索，更多杀戮。
你第一次玩冒险类游戏时就是像这样的结构，或许你第二次、第三次玩这类游戏时也是这样的套路，但是一段时间后就会感到厌倦了，于是甚至最可爱的游戏也变的不具有可玩性了。这里，一个比Moore法则更强大的规律可能是：越具有线形性，越少可重玩性。它的否命题---越具有非线形性，越有可重玩性---看起来也是成立的。
这样的一个非线性游戏是Morrowind (Bethesda Softworks, 2002)，《上古卷轴》的第三部。Morrowind设定在一个神秘的幻想帝国，具有侏儒、兽人、各种政治和宗教群体、妖怪侵染的土地、皇家法律执行者、魔力武器、财宝地牢等。Morrowind是一个Rogue/Nethack、Ultima Underworld 和Diablo这样的历程类游戏，玩家沿着从少到多的关卡渐渐增加力量和个人技巧。但是与这些地牢类游戏不同的是，Morrowind设定在一个开放的区域中，拥有大量的小城镇和偶尔的大城市，并有许多的地下室、洞穴和地牢。它游戏世界的规模之大让人印象深刻，野生动物、蔬菜、甚至建筑风格都是变化多端的。
游戏开始时，玩家选择/创建一个角色。接下来这个角色被释放到Morrowind世界中，凭借皇帝的命令可以免于被拘禁，而他需要执行一些未定义的任务作为回报。起初，世界和你所在的区域是混乱的。你遇到的NPC角色乐意与你交谈，尤其是在帝国卫兵遵纪守法的城镇里，但是在野外的话，妖怪和恶棍一见到你就会进行攻击。很幸运的是，游戏里有一些传送装置，像淤泥骑乘兽（具有大象的体积、臭虫那样的奇怪外表），你花一些小钱就能请它们的驭者把你送到附近的城镇。慢慢的你可以收集信息，并加入工会或派别，以完成任务来提升等级。在你完成任务和积累经验值的过程中，你的技能也将得到增加。一个捷径是付费请人来培训自己，你可以在各处都能找到私人教练。
渐渐的，你学会如何战斗、如何使用魔法以及如何操纵这个世界，并且Morrowind的地图也在渐渐扩展，使你看到越来越多壮观的图景。但是，每一个发生的具体事件，对每一个玩家来说都是独一无二的。使用初始资金购买一把合适的剑后，我做的第一件事就是迷失于一个地牢，并被居住在那里的卑鄙恶棍所屠杀。无须多说，很久以后我碰巧又路过这里时，进行了严厉的报复，洗劫了它那肮脏的住所，尽管这样做对我来说已没有任何实际价值。
经过起初不幸的教训后，我学了个乖，玩起来加倍小心和谨慎，经历了许多丰富多彩的冒险，限于篇幅这里无法详述。我明白了智谋和权术比一味强调暴力更有市场。起初很难得到钱，所以我决定先把真实生活中的道德放在一边，去偷窃任何我能染指的东西。游戏中的大部分物品都有自己的主人，但你仍然能把偷得的货物卖给其他人。特别是最大城市Vivec一个严厉的书商，成为了最严重的受害人。当他和卫兵不留意时，我就光顾他的书店和货物，偷走成打昂贵的书卷。然后来把赃物卖给街对面的商人。最终，他300本书中的几乎一半都不翼而飞了，但是因为没有人发现过我的行踪，可怜的书商除了半空的书架外什么也没注意到。后来，我发现了更好的生财之道，它甚至说不上违法。经过多次贩卖，我的商业技能达到了顶峰。这意味着我能更好地讨价还价，比新手能获得更多的利润。于是我挑出钱最多的商人，她恰好是Balmora省会的一个药剂师，我用非常合理的价格买下她最贵的商品：一个研钵，然后又把它卖回给她赚取可观的利润。我翻来覆去这样做，直到她钱袋倒空为止。接下来我会去楼上她的床上睡24小时（恰好是她的钱刷新的时间），再继续这一进程。
有了持续不断的财源，我能购买任何想要的训练和武器，成为了高明的战士、Morrowind之鞭。没有任何妖怪能危及我，没有任何困难能难住我。我能够自由自在地到处探索，进入那些所发现的最危险区域，例如世界中心的火山。那里的地牢中居住了一个叫Dagoth Ur的魔鬼，这是一个理想的对手，让我来试验自己的力量和魔法。
直到那刻为止，我都一直享受着一个完全非线性的游戏：提供的任何任务我都可以自主接受或者拒绝，而不会有什么不良后果。有时候，一些角色会向我求助，并一直追随直到我同意为止，我仍然有些惭愧的记得，曾答应帮助一个近乎全裸的商人寻找他的齿轮，但当他陷在一个山洞里时却不得不抛弃了他（NPC们谈判技巧有限，非常容易受困）。偶尔我也会犯错，像有次做消灭2个Kwama盗贼的任务时错杀了2个无辜的矿工（它们出现在错误的地点，还有它的描述…)。但是毕竟这些都是快乐的时光，在一个充满无尽奇趣的大陆上探索、战斗、潜水采珠。我甚至还学会了飞行。
但是当我遇到Dagoth Ur时，我的世界改变了。Dagoth Ur只是很强大难以被杀死，或者是像他嘲笑的那样，因为我没有干这活的合适工具。嗯，何处去找那些合适的工具？我有一个大略的想法，但是要进行大量单调的探索，于是好奇心战胜了我，我开始四处求取游戏攻略。
这其实是一个错误。游戏攻略包含了大量的资料，涉及任务、角色和我甚至都不知其存在的挑战，还有一个我从没听说过的主线任务。因此，我陷入了信息过载的泥潭，而不是寻找所需要的信息。这可能加深了我对游戏世界的了解，但也产生了相反的另一种影响：那个游戏攻略提供的过程使得我没有再继续以前的探索，使我偏离了玩游戏的初衷！魔法成为了过去，而玩过一周后，我游戏世界里的个人投资也完全贬值了。我停止了玩游戏。我仍然记得这个伟大的游戏，它使我对开放、非直线游戏经历的渴望成为美丽的现实。尽管如此，那里有个主线任务，并且按照其他人的提供的方法我能完成该任务，这样的认识阻碍了我进一步玩游戏。我不再喜欢这个游戏了。
至少对我来说，这件事的教训是，游戏攻略和其他类型的作弊能轻易毁掉游戏（它们徒然没有被叫作“毁灭者”）。但是通过玩来研究又怎么样呢？我自由、简易的玩法并没有助于我发现该游戏的关键部分。因为没有揭示主线任务，作为模范玩家我是失败的，尽管我在游戏中获得了巨大的乐趣。也许在自由享受游戏乐趣和游戏分析之间存在潜在的冲突，在这里作弊和游戏攻略绕过了游戏的挑战，而我们必须通过挑战来理解游戏。当然，假如我有更多的耐心和时间，那么我可以自己来揭示主线任务。
玩和非玩的解释学反馈回路
如何做是由为什么决定的。那么我们为什么要去分析游戏呢？是出于什么原因，哪些种类的原因呢？游戏分析不是评论性、理论性的实践，那种实践玩家一直都在做了。对大部分游戏的首要目标：如何玩得更好、如何赢得胜利，需要采取分析的途径。为了经历游戏的各个学习阶段，玩家必须探索多种策略并试验不同的技巧。这种形式的实际分析可以说也应用于其他类型的消费，但是普通观众和玩家并不把他们对新文学和影视的欣赏当作一个学习的过程，而这种学习过程是每个新游戏玩家必须经历的。对文学和影视的阐释需要某些分析技巧，而对游戏的阐释需要以玩游戏的形式进行分析，从中观察来自游戏系统的直接反馈。这是一种动态的、即时的诠释学，而电影和文学分析中没有这样的结构。
读书和看电影不会提供直接的反馈，我们不会实时看到自己行为的后果。像Markku Eskelinen (2001)曾经指出的，“在艺术上我们可能不得不设定，以解释游戏中那些必须解释的部分，从而达到设定。”我们对书籍和电影的理解，可能最终会通过随笔或论文的形式，让外部的其他观众或教师来评定。但是要表明我们很好的理解了一个游戏，我们能做的只能是把它玩得很好。
游戏分析的类型学将会是什么样子呢？至少会有主要的类型：玩和非玩。能对这些进行进一步细分吗？我们可能很自然的假设非玩只有一种形式，但实际上不是这样。举个例子来说，Eugene Provenzo(2001)对“U.A.C. Labs”进行过分析,该游戏是DoomII的“mod” (改进版)，由一个Columbine杀手Eric Harris制作。Provenzo声称改进版游戏中的角色无法反击，并且改进版明显类似Columbine屠杀（注：指玩家毫无还手之力，只能被动挨打）。但从Ben Turner (1999)撰写的游戏攻略的来看却并非如此。游戏攻略显示，来自于典型Doom mod的论断用截图有两个水平组成，分别充满平常武器和怪物，Turner认为这些特征“相对不明显”。从这个游戏攻略看，很明显Provenzo的论断表明他没有玩游戏，甚至都没有看到过该游戏。但是，我也没有玩过那个游戏。我也用的是二手资料，但是看起来我的资料比Provenzo所用得更为可信，因为Provenzo没有列出任何参考资料。这里存在两种不同类型的非玩分析，一种是基于游戏攻略，一种更可能是基于道听途说。尽管利用游戏攻略资料与亲自玩游戏本身还是有很大的距离，但仍然要比Provenzo那样做要好得多，那样导致了严重的错误论断。我可能无法完全确定游戏攻略的真实性，但是Turner报告中没有什么东西引起我其他的猜疑。另外，我对mod依据的老版本十分熟悉，在1993年12月它于互联网上首次发行前就一直追随者Doom系列。
归纳下来，对非玩分析来说有几种不同类型的资源：
* 以前关于游戏流派的知识
* 以前关于游戏系统的知识
* 其他玩家的报告
* 综述
* 游戏攻略
* 讨论
* 观察其他人玩
* 访谈玩家
* 游戏文档
* 测试报告
* 访谈游戏策划
但是，因为其中的一些方法好过其他的几种，很明显只有把它们与玩游戏的体验结合起来运用，对游戏的分析才更有可能取得成功。可是也要看到，正像Morrowind的例子所表明的那样，非玩资料能显著增加通过玩对游戏的理解。像总体的统览工作一样，对游戏的认识充满变化，对经验的汇集总是能促进新方面的发展，就像Normandy Beach/Wolfenstein多玩家的例子那样。因此，很可能对彻底的游戏分析来说，借助于其他人的游戏经验是至关重要的，而不仅仅是有益的。游戏分析的理解应该包括游戏玩家群（游戏官方论坛、兴趣组论坛和其他用户群），以及可能的对玩家玩游戏的直接观察，而不只是仅仅阅读他们的报告和讨论。因为大部分玩的过程是无法用言语表达的，对玩家风格和技巧的直接观察具有极大的价值，尤其是当我们已相当熟悉游戏时。
游戏分析中的玩家层次
涉及玩和玩家风格时，分析者有大量的模式可供选择，这取决于他们各自的偏好和游戏类型。Bartle的分类提供了4种不同的玩家模式，而作弊者玩家可被看作第5种。上述分类与新手玩家、普通玩家和核心玩家这个轴相组合，可以划分出15种不同的玩家类型，尽管其中的一些可能相对很不常见，例如“普通探索型玩家”。当然我们也能进一步推进组合型游戏，加入游戏流派、理论基础（拉康主义、玩家—反应理论、女权主义、符号学等）以及动机（美学、伦理学、文化等），并且拿出一个整合各模式和角度的金羊角，但是这需要尚待时日。那么，还是让我们简短盘点一下游戏分析所可能达到的不同层次吧。
首先，是蜻蜓点水式的玩法，分析者只玩几分钟游戏，仅仅是做一个快速的分类、对游戏“感觉”一下而已，而没去了解界面命令或结构特征。接下来，还有轻度玩法，玩家/分析者玩到足以有丰富的进展，但在进展作出后就此止步。那么在小目标或一系列小目标达成后，就会出现局部玩完这个游戏。全部玩完当然只是在明确定义结局的游戏中才可能出现，而不会出现在像Tetris或Space Invaders这样的游戏中。全部玩完后，常常还会进行重玩和再次专业去玩，除非是分析者对游戏类型极为熟悉，以至于没有进一步的学习需要。专业玩家也是多人在线游戏典型的胜利者。第7个层次：创新的玩法，是说玩家创造全新的策略，并且不是为了胜利去玩游戏，而是去通过前所未有的方式达成一个目标。经典的一个例子是Quake中的“火箭之跃”，跳跃时发动火箭飞向地面将推动玩家角色高飞入云，而几乎所有类型的游戏中都有这样的例子。一个著名的例子是WarCraft II中的“农民攻势”，玩家通过派遣自己的农民消灭对方农民来获得胜利，而不是像正常流程那样通过收集资源、建造军营、训练士兵等来取胜。
走向方法论
我们应该如何分析游戏？这完全取决于我们是谁，以及我们为什么去分析游戏。学者、玩家、评论家和开发者有不同的需要，所以也就有不同的方法。同样是学者，也可能有不同的需要和动机，但仍然可能提出些普遍使用的标准。典型的，让我们以一个研究问题作为开始，例如“探险游戏的玩法是什么？”又或许，我们可能迷惑地遇到了一个感兴趣的新游戏。假如我们的调查还没有经验主义的基础，我们就选择一个或多个游戏作为问题的目标。这里我们必须仔细选择游戏，使它们不但能证明我们的假设，也潜在存在驳倒它们的可能性。我们的选择要经过仔细辩证，彻底经得住推敲。
我们需要理论吗？看起来这个问题不言自明，但是至今没有真正精辟的计算机游戏理论（或许只是偶然，几乎没有任何理论），看起来提供良好辩证过的假设才更重要一些，用假设来掌控以前的知识并在分析领域有所突破。从文学或艺术史这样的外部学科来引进和利用一些理论是很有价值的，但不是必需的；在这个领域，与那些围着理论转的讨论相比，常常是非理论的评论性观察有更多的启示。这里的问题是，那些理论能告诉我们一些关于游戏的新启示吗，还是只是用游戏来对理论进行自我强化。
在收集关于游戏的信息时，我们应该使用尽可能多的资源。玩游戏是至关重要的，但如果可能的话要与其他资源相结合。游戏是玩本位的，但我们自己玩游戏的经验可能还不是最好的资源，特别是当我们自己分析这个产品的时候。游戏分析工作也应该包括对所用资源的反省，它们的来源是什么、应该包括哪些内容、为什么选择当前所用的这个等等。
当归纳所做的分析时，要使结果和经验基础相一致。游戏的文化类型包括了大量的流派和次流派，对一些既没有代表性也不普及的小例子进行了许多过度的归纳。自然地，上述方法方面的建议有严格的适用范围。游戏学者进行游戏分析可能出于种种原因，并且他们大部分没有使用这里提供的视角。但关键是要提醒自己，无论采取什么形式，一定要对它很熟练。
结论：为了研究而玩？
对于通过玩进行游戏分析来说，能达到什么层次和位置其实是技巧、经验、道德、动机和时间的问题。尽管专业和创新的玩法总是难以达到甚至有时是不可能的，但它们确实表明了（成功的）分析者真正比其他人更好理解了游戏的玩法和规则。蹩脚的作弊者和肤浅的社交者是不可能有望对所分析的游戏有深度理解的。那么，应该要求游戏学者在他们分析的游戏中都胜过他人吗？这个问题很有火药味，但也有些价值，特别是如果看下其他表演艺术的话，我们会发现学术训练常常是与特定表演技巧的训练不可分的。作为游戏学者，我们显然有责任了解玩法，而这最好是通过、有时是只能通对过游戏的通关。我们的学术成就是通过论文的质量来衡量，而不是通过在Tetris 和Quake游戏中的分数，但至少对我们大部分人来说，论文质量也是游戏技巧的一个间接结果。这里比游戏技巧更关键的，是研究中的道德规范。如果我们通过文化和美学分析来评论或使用游戏，我们应该去玩那些游戏，使我们所用例子的重要性一定程序上与我们玩的层次相匹配。非玩分析，无论是出于什么目的，都要通过以前的游戏经验来加强。但正像我分析Morrowind时的倒霉经理那样，在普通玩、分析性的玩和非玩之间也必须有一个平衡。
致谢
我想感谢不知名的DAC评论家，他们的意见和批评极为有价值。
参考文献
1. Aarseth, Espen (2003): “寻求游戏作为后叙述性课程” in Marie-Laure Ryan (ed.) Narrative Across Media. University of Nebraska Press (in Press).
2. Aarseth, Espen (2000): “空间寓言:计算机游戏的空间性问题” in Markku Eskelinen and Raine Koskimaa (eds.) Cybertext Yearbook 2000, University of Jyvaskyla. (http://www.hf.uib.no/hi/espen/papers/space/)
3. Bartle, Richard (1996): “红心、梅花、方块、黑桃:MUD游戏玩家分类.” http://www.mud.co.uk/richard/hcds.htm
4. Eskelinen, Markku (2001): “游戏情景” in Game Studies, Vol.1 Issue 1. http: //www.gamestudies.org/0101/eskelinen/
5. Konzack, Lars (2002): “计算机游戏评论: 计算机游戏分析的一种方法”, in CGDC Conference Proceedings, Frans Mayra (ed.), Tampere University Press 2002, pp 89-100. also available at http:// imv.au.dk/~konzack/tampere2002.pdf
6. Provenzo, Eugene, Jr. (2001): “儿童和超真实：当代儿童和青少年的迷失“http: //culturalpolicy.uchicago.edu/conf2001/papers/provenzo.html
7. Turing, Alan (1936): “论可计算数及其在判定问题上的应用,” Proc. Lond. Math. Soc. (2) 42 pp 230-265 (1936-7); correction ibid. 43, pp 544-546 (1937). Alsoavailable at http://www.abelard.org/turpap2/tp2-ie.asp.
8. Turner, Ben (1999): [untitled ‘UAC Labs’ walkthrough] http://www.worldlynx.net/bent/
misc/uaclabs/
注释
1 关于 “虚拟环境下的游戏” 更多的讨论见 Aarseth 2003.
2 NPC，非玩家角色，游戏中计算机控制的人物。