ゲーム体験を向上させるための在宅生体認証テスト

ゲーム開発者は、プレイヤーが実際にゲームをどのように体験しているかを把握するために、アイトラッキング、脳波（EEG）、表情分析、皮膚電気反応（EDA）といった生体計測ツールをますます活用するようになっています。これらの生体信号は、注意、感情、フラストレーションをリアルタイムで明らかにし、より効果的なリモートプレイテストや、ゲームプレイ、UI、そしてプレイヤー体験全体のデータに基づく改善を可能にします。

AAAタイトルをリリースする大手スタジオから、たった一人のインディー開発者まで、ゲーム開発者たちは、より優れたインターフェース、より印象的な体験、そしてより洗練されたゲームプレイを実現するために、生体認証データの活用を積極的に取り入れ始めています。

現在、自宅の「バトルステーション」に閉じこもっているゲーム開発者やテスターの方でも、生体センサーを活用した効果的なゲームテストを行うことは可能です。私はこの余った自由時間を利用して、かつての『Counter-Strike』全盛期を懐かしむことに没頭しています。2000年代の「de-dusk」時代以来、CSには手を出していなかったのですが、新しいeスポーツ版を試してみて、神経科学の観点からどのように評価されるかを確認してみたかったのです。

この記事では、私が現在自宅で活用しているいくつかのツールと、それらをリモートでの生体データを用いたゲームテストにどう活用すれば、ゲームのユーザビリティやユーザー体験についてより深い洞察を得られるかについて解説します：

アイトラッキングを活用してゲーム開発を改善する方法

ハードウェアの場合、その手順は、このデバイスをモニターの底面に貼り付け、USBポートに接続するだけの簡単なものです。では、なぜこれが広く普及していないのでしょうか？アイトラッキング技術は数年前から存在しており、TwitchやYouTubeの配信で「アイトラッキングチャレンジ」として時折取り上げられることもありますが、ゲーム開発者の視点からは、単なる目新しさとして扱われてきました。しかし実際には、ゲームを改善するための貴重なツールなのです。これにはいくつかの理由があります。

主な理由の一つは、この技術をゲーム分析に活用して有意義な知見を得る方法に関する専門知識が、全体的に不足していることです。モニターに取り付ける画面型アイトラッカーを製造するハードウェア企業は、ハードウェアの製造には長けていますが、それをどのように活用して初回利用時のユーザー体験を向上させるかを見極めるのは、主にGURテスターであるあなた次第なのです。

大手開発会社には、ビルドが完成次第すぐにテストを開始できる社内チームが常駐しています。多くの場合、彼らはアイトラッキングの専門家を新たに採用するか、iMotionsのような企業からソフトウェアやトレーニングを購入し、既存のチームを育成する必要があります。

アイトラッキングデータを効果的に活用するためのヒントをいくつかご紹介します。まず、生体認証テストの性質上、1回の調査で必要な被験者数はそれほど多くありません。

ゲームの視線追跡は、同じセッション内で旧デザインと新デザインを比較検証する、小規模で反復的なデザインプロセスにおいて特に有効です。そうすることで、ヒートマップや視線プロットを活用し、「この新デザインによって、オプションXを見つけたり理解したりするのが容易になったか」といった疑問に答えを出すことができます。

ゲームプレイ中のアイトラッキングが明らかにするもう一つの有用な情報は、ユーザーがゲームに慣れていく過程で、ミニマップなどの画面上のさまざまな要素がどのように利用されているかについての洞察です。大まかに言えば、ミニマップを見るのに費やされた合計時間は、初心者のゲーマーが基本的な操作を習得してから、より高度なスキルや戦略へとどれほど早く移行できるかを示す指標となり得ます。

これにより、「このゲームは習得しやすいか」という問いに対して、より詳細な答えを得ることができます。ユーザーの行動をさらに掘り下げたい場合は、セッションごとのマップ使用状況をグラフ化することで、ユーザー行動のプロファイルを把握できます。そうすれば、デザインを微調整して、新規プレイヤーがマップをより多く利用するよう促すなど、より良い結果を得ることが可能になります。その結果、ゲーム内での達成感が高まり、ひいてはプレイヤーの定着率向上につながるでしょう。

最後に、ユーザー属性に基づく比較分析を行うことを忘れないでください。インサイトを得ようと急ぐあまり、テスト対象グループ全体のデータだけを見て、ゲームのテスト結果が良好かどうかを確認したくなるかもしれません。しかし、ユーザーの経験レベルや年齢、その他の要因に基づいてインサイトを分類することで、さらに有益な知見が得られる可能性があります。

より良い質問を作るための「表情コーディング」の活用法

表情分析とは、カメラで撮影したユーザーの顔の映像を用い、それをAIソフトウェアにかけることで、フレームごとに表れた感情のデータを生成する手法である。

一見すると（駄洒落で恐縮ですが）、表情からゲームの質を予測するのは簡単そうに思えるかもしれません。つまり、プレイヤーの表情がより幸せそうだったり、笑顔が多かったりすれば、そのゲームは優れているということになるのです。プレイテストのセッションを録画するだけで済ませたくなってしまうのも無理はありません。

しかし、すぐに気づくでしょうが、顔に表れる感情はもっと複雑であり、「表情＝感じている感情」という過度に単純化した仮定には落とし穴があります。例えば、テスト対象はゲームプレイなのか、シネマティックシーンなのか、それとも報酬画面なのか。これらの要素はそれぞれ異なる感情的特徴を持っており、生体センサーを用いたプレイテストの設計においては、それらを十分に考慮に入れる必要があります。

一つのアプローチとして、表現が肯定的か否定的かに関わらず、それらを全体的な感情的な没入度として捉える方法があります。開発者はこの指標を活用することで、「楽しさ」と「永久にゲームを辞めてしまうほどの怒り」という微妙な境界線をうまく歩むことができるでしょう。

以下のグラフでこの点を強調しています。このデータは、1ラウンド分の私の表情データを示しており、左側の棒グラフがゲームプレイ全体、右側が結果画面を表しています。色分けされた各棒グラフは、全体的な「肯定的」「否定的」「中立的」な表情の度合いを表しています。

一見すると、私は肯定的な表情よりも否定的な表情を多く見せていたが、そこで疑問が生じる。その結果は、ゲーム全体のユーザー体験を反映したものなのか、それともゲーム内での自分のパフォーマンスを反映したものなのか？

このように表情を用いてゲーム全体の質に関する質問に答えることが、いかに難しいかがお分かりいただけるでしょう。また、表情データを初めて見る人にとって意外に思われるもう一つの結果は、無表情の割合が非常に高いことであり、その割合は85～90％にも上りました。

しかし、表情が単なる感情の状態を示す指標というよりも、むしろコミュニケーションの手段として進化したものであることを考慮すれば、この結果はより納得のいくものとなる。人間は社会的な生き物であるが、コンピュータと社会的な交流を行うようにはプログラムされていない（少なくとも現時点では）。そのため、集中しているときや、社会的な要素を伴わない作業に没頭しているときは、多くの場合、無表情になってしまう傾向がある。

これは、テレビ番組や映画の視聴テストなど、メディア視聴の場面でもよく見られる現象です。しかし、それによって表情が表れる重要な場面が否定されるわけではありません。では、表情データを活用して、プレイヤーのゲーム体験（UX）に関する真の洞察を得るには、どうすればよいのでしょうか？

この情報を踏まえて、ゲーム研究者は設計上の問いを再定義し、報告された楽しさの予測因子として、プレイヤーの没入感やフロー状態などを理解することができる。

ゲームの進行に伴う平均的な顔の関与度をグラフ化すると、ロード画面から試合結果に至るにつれて、感情的な没入感が高まっていることが示された。ゲームの進行に伴い心理的な没入感が高まることは一般的に望ましいことであるため、これは好ましい結果と言える。

皮膚伝導度または皮膚電気活動（EDA）を用いて、ゲームプレイヤーの認知状態を記録する方法

これまで挙げた手法の中で、皮膚電気反応（EDA）は最も馴染みの薄いものかもしれません。ゲーム体験を本を読むことに例えるなら、EDAは読者やプレイヤーが興味を持った文章のすべてに目印をつけるようなものだと考えてください。そのため、テスターが自分の感情をうまく言葉にできない場合でも、何が印象に残り、何がそうでなかったかについて、非常に有益な知見を得ることができます。

皮膚電気活動（EDA）は、ガルバニック皮膚反応（GSR）とも呼ばれ、皮膚から現在どれだけの汗が分泌されているかを測定するセンサーです。今回のテストでは、一般的な腕時計のように装着する「Shimmer GSR」デバイスを使用しました。このデバイスは、2本の電極をマジックテープで左手に貼り付ける仕組みになっています。デバイスはWASDキーの操作に支障をきたすことはなく、1秒も経たないうちに装着していることを忘れてしまいました。

EDAといえば、配線がごちゃごちゃした巨大な嘘発見器や、複雑にうねったグラフといったイメージを抱く人もいるかもしれません。しかし実際には、想像しているよりもずっと理解しやすいものです。脅威などの環境要因に応じて作動する人間の体内システムを表す「闘争・逃走反応」という概念を思い出してください。

皮膚電気伝導度測定は、選手の認知的・感情的な状態を捉えるものです。

人間の体には、その人の感情の状態に敏感に反応する特定の部位があります。人前で緊張した経験がある方なら、手のひらや足の裏、額などが大量に汗をかくことに気づいたことがあるかもしれません。

素晴らしいのは、この反応が「すべてか無か」という二極的なものではないという点です。反応はプレイヤーの現在の状態に比例しており、そうでなければ見過ごされてしまうようなわずかな変化さえも検知することができます。知っておくべきこととして、この反応は感じられている感情の種類とは無関係です。データ上では、待ち伏せに遭遇したときであれ、逆転勝利を祝っているときであれ、発汗のパターンはほぼ同じように見えます。

では、このデータをどのように活用すればよいのでしょうか？EDA分析の結果は、多くの場合、ある体験によって生み出された感情的な関連性、没入感、活性化、あるいは覚醒の度合いとして報告されます。

これは、ピークによって示される穏やかな状態からの何らかの変化を示していますが、その方向性（つまり、その体験がポジティブだったかネガティブだったか）までは示していません。通常、皮膚からの生データはアルゴリズムを用いて処理し、ユーザーが経験した興奮の瞬間数やその反応の大きさといった情報を抽出する必要があります。なぜなら、生データのトレンドラインを見ただけでは、あまり有益な知見が得られないからです。

以前は分析プロセスがはるかに手作業中心でしたが、iMotionsのR-notebook機能により、ボタンひとつで処理が行えるようになり、作業が大幅に簡素化されました。

セッションの再生映像を見返してみると、いくつか気づいた点がありました。セッションの冒頭、ロード画面やセットアップ画面が表示されていた時点で、皮膚電気反応に顕著な反応が見られた箇所が2か所ありました。

どちらの例も、全体的なUXの理解度を測る指標としてのEDAの有用性を浮き彫りにしています。  あるシナリオでは私は苛立ちを感じており、もう一つのシナリオでは複雑な感情の入り混じりを経験していました。ここにおいて、ゲームの流れの中で感情的な転換点となる細かい指標として、EDAの有用性が明らかになります。こうした転換点が生じやすい箇所を分析することで、デザイナーはゲームが想定通りに感情的な流れをたどっているかを確認し、体験をより刺激的なものにするために改善すべき箇所を特定することができるのです。

複数の生体認証センサーが、より深い洞察をもたらす仕組み

さまざまなデータ結果と自己報告を総合すると、CS:GOの世界への復帰は、全体としては非常に肯定的な経験であったものの、完璧なものではなかったことがわかります。全体として、表情や皮膚電気反応（GSR）のデータは、ゲームプレイ中に楽しんだことを反映していましたが、特に時間的プレッシャーがかかる状況下で、インターフェースに慣れるまでの初期の苦労も一部示していました。

アテンションマップの分析により、資金残高をより明確に表示したり、ロードアウト内の銃のステータスを分かりやすく表示したりするなど、私にとって役立つUIの改善点が明らかになりました。

この実験の最大のポイントは、ポケットに入れて持ち帰れる生体センサーを使って、自宅でテストを実施できたことです。iMotions上でデータをゲームプレイと同期させることで、ゲーム体験全体をより深く理解できるようになり、ゲーム開発においてユーザビリティ向上に役立つ改善点を特定することができました。

これらのソリューションについて詳しくは、iMotionsのUXに関する無料パンフレットをご覧ください。

---

ナム・グエンは、多岐にわたる業界における最先端の研究において、ビジョンの策定、設計、最適化、および分析プロトコルの構築に15年以上の経験を有しています。

彼はiMotionsの神経科学プロダクトスペシャリストとして、認知神経科学の手法に関する専門知識と、センサーやテクノロジーへの情熱を活かし、人間の行動に関する研究を支援しています。