随着电子游戏技术的进步和游戏产业的蓬勃发展,游戏科学研究也越来越受到人们重视,并逐渐成为一个独立的研究领域。游戏的一个主要目标是通过交互为用户提供丰富多彩的体验,因此,用户体验的理解与监测成为了游戏设计者和开发者的重要考虑,也是相关领域的一个研究热点。传统用户体验评估大多依赖于用户的主观报告或评价,但是该方法在客观性、准确性、连续性等方面都有很大的局限,而基于生理信号的用户体验分析凭着其客观、可靠和实时等特点逐渐受到研究者们的广泛关注。然而,目前关于生理信号在游戏用户体验方面的研究还处于初步的探索阶段,研究成果较少,且面临着许多问题。因此,本文以“心流体验”为主要研究对象,针对当前基于生理信号的游戏用户体验研究中的空白及面临的挑战,分别从用户体验的状态识别、量化评估、情绪分析三个方面开展关键技术与实验研究。主要研究内容和创新点如下:(1)状态识别:基于心理学的心流体验理论模型,首先设计了游戏用户心流体验诱发实验,并构建了关于两个游戏场景的生理数据集,为后续研究奠定了基础。其次,采用机器学习方法,验证了用户体验与皮肤电、心率之间的内在关联性,并通过二分类和三分类方式实现了心流以及无聊、焦虑体验状态识别。进一步,分别针对个体生理差异和用户体验动态变化的问题,提出了样本个体标准化(策略1)和基于滑动窗口的样本碎片化(策略2)优化策略。实验结果表明,两种优化策略对各模型的分类性能都有显著的提升作用,在两个游戏场景交叉验证情况下,两种策略的最高准确率分别达77%和75%,比一般方法提升了 23%和21%。此外,与现有相关研究的对比分析中,策略1的最高准确率为82%,比对照研究的最佳结果高23%;而策略2则在分类模型泛化能力和分类的精细度方面表现出较大优势。(2)量化评估:针对用户体验的模糊性、连续性和动态性等特点,引入模糊逻辑方法,并结合生理信号的时序性特征,提出了基于生理信号模糊拟合的游戏用户体验量化评估方法。进一步,基于生理数据集,采用数据统计分析和领域知识推理相结合的方法,构建了游戏用户心流体验量化模型,并分别从整体的体验状态分类、个体体验的连续性分析和复杂长时游戏用户体验的实时量化评估三个方面进行实验验证。结果表明,该量化模型可以连续且有效地对用户体验类型及对应强度进行同步表达,同时细致地反映出游戏过程中用户体验的动态变化,以及不同个体体验的个性化特点,具有较好的普适性和实用性。(3)情绪分析:针对游戏用户情绪多样化的特点,在传统心流理论模型基础上增加情绪维度,为实现全面的用户体验评估奠定基础。进一步,通过设计和开展游戏用户情绪诱发实验,实现了一种基于视频双模态特征的用户情绪分析方法。其中,通过引入基于视频的心率测量技术,克服了生理采集设备对用户游戏操作和体验的干扰;通过设计5类具有时序性的面部动作特征,解决了单帧图像的面部动作单元信息无法表征动态的情绪反应的问题。实验结果表明,基于两种模态特征,可以实现用户不同情绪反应的有效判别,且最高准确率达75%;同时,双模态特征的融合实现了信息的互补,一定程度提高了识别的可信度。最终,综合以上三部分内容,构建了面向游戏用户的心流体验评估模型。一方面,该模型实现了与心流理论相关的用户体验状态识别;另一方面,充分考虑了游戏用户体验的连续性、动态性及情绪多样化等特点,通过引入量化指标和情绪指标,实现更细致和更全面的用户体验评估。