オンラインビデオゲームにおけるバーチャルセルフアイデンティティの解釈：レパートリーグリッド研究

序章

オンライン ビデオゲームの登場以来、カスタマイズされたキャラクターとしてまったく新しいアイデンティティを採用する可能性を人々に与える仮想メディア上で人々がどのように社会的に行動するかについての関心が高まっています. 以前の研究では、プレイヤーがビデオゲームのキャラクターを実際の自分よりも理想の自分に似せるように作成する傾向が観察され、仮想アバターは実際の自分よりも望ましい性格特性を持っていると実際に報告されていました. さらに、より最近の研究では、ゲームプレイ中の没入度と、理想の自分と実際の自分との大きな相違により、人々は理想の自分に似た仮想キャラクターを作成する傾向にあることが観察されました。 したがって、実際の自分にすでに満足している人は、代わりに、実際の自分と理想の自分の両方とはまったく異なる仮想の自分を作成する傾向があります. 認識された制限を満たすために新しいアイデンティティーを必要とせずに、さまざまなアイデンティティーを探索するという単なる事実は、それ自体でやりがいがあることが示されています.

ただし、これらの研究のいずれも、構成主義の枠組みを使用して実施されていません。 Personal Construct Theory (PCT) などのそのフレームワークに基づく理論は、各個人の世界と自分自身の認識に合わせて調整された評価を提供し、意味システムに属するかどうかにかかわらず、事前に確立された次元に個人を分類するのではなく、 . この理論に基づいて、レパートリー グリッド テクニックを使用すると、人々が自分自身を他の人と似ているか、または異なっていると認識している度合いと、なりたい自分 (つまり、「理想の自分」) の表現を評価できます。 さらに、ビデオゲームの研究分野では、PCT は、ゲーマーの仮想自己の解釈と、それが理想の自己に似ているか、実際の自己に似ているか、またはどれにも似ていないかどうかを調査することも許可しています。 レパートリーグリッドから、実際の自己と理想的な自己との間の距離を表す自己理想の不一致、参加者の構成システム内の認知的競合の存在など、この研究に役立つ他の尺度も抽出できます。異なるニュアンス（認知的複雑さの指標）で、いくつかの次元を通して自己と他の要素を知覚する構成体系の傾向として定義される。 このプロジェクトでは、参加者のグリッドに仮想自己を含めた結果、研究者は 2 つの追加の尺度を抽出します。 これらの尺度は、実際の自己と仮想の自己の間の距離として理解される自己仮想の不一致と、仮想の自己と理想の自己の間の距離である仮想理想の不一致です。 これらの測定により、参加者のビデオゲームの仮想キャラクターが、ゲーム外での実際のアイデンティティや、どのようになりたいかという考えとどの程度類似または異なると認識されているかを評価できます。

他の要因が、仮想自己によるプレイヤーのアイデンティティ探索に影響を与える可能性があります。 そのため、参加者の心理的苦痛を測定するための他のツールや、ゲーム中の没入レベルや、参加者をプレイに引き付ける主な動機など、より具体的なツールが含まれます。

前述のとおり、この問題に関する実証データはまだありません。 ただし、理論的な観点からは、現実の自己、理想の自己、仮想の自己の間の関係にはいくつかの構成があり、オンライン ビデオゲーム プレーヤーの仮想自己の解釈には 4 つのタイプがあります。 研究者は、実際の自分と理想的な自分との関係で仮想の自分をどのように解釈するかに従って、各タイプのプレーヤーにラベルを付けました。

• 1 つ目は投影タイプのプレーヤーで、仮想アイデンティティを理想の自己に近いものとして解釈し、おそらくより望ましいと認識した属性を試している人を指します。 理想の自分からかけ離れていると感じている人は、このカテゴリーに入る傾向があります。 これは、仮想環境で検証を取得するための戦略として役立つ可能性がありますが、現実の世界では、自分自身が理想的とはほど遠いため、無効化を経験することがほとんどです.
• 研究者が探索型プレイヤーと名付けた2番目のタイプ。 前のタイプとは対照的に、これらのプレーヤーは、理想的な属性を体験する必要性に必ずしも結び付けられているわけではなく、探索を楽しむために、代替のアイデンティティを探索する方法として、実際の自分と理想の自分の両方からより離れた仮想アバターを作成します。まったく別のアイデンティティ。 理想の自分に非常に近いとすでに認識しているプレイヤーは、仮想キャラクターを通じて理想の自分を体験する必要性をあまり感じないため、このタイプに陥る可能性が高くなります。
• 3 番目のタイプについては、近位型プレーヤーという用語が選択されました。 それは、理想的な自己からの距離に関係なく、仮想の自己が実際の自己に似ているプレーヤーを含みます。 このタイプのプレーヤーが遭遇する可能性のある方法は、経験したゲーム中の没入レベルが低すぎて仮想アバターと同一視されていない場合、または場合によっては、ゲームをより競争的な方法でプレイした場合です。他のキャラクターとの相互作用のモダリティとして。 このタイプのプレーヤーが仮想アバターを通じて自分自身の別の側面を表現しない理由のもう 1 つの説明は、対人構造の差別化が低く、アイデンティティのさまざまなインスタンスを保持することが難しくなる可能性があるためです。
• 最後に、特定されていないタイプのプレーヤーがあり、仮想の自己が実際の自己と理想的な自己からほぼ等距離にあると認識されているが、それら 2 つが必ずしも近くにあるわけではありません。 数学的には、これは現実-理想-仮想自己の関係からの可能な結果かもしれませんが、この不測の事態を説明する理論的前提はありません。 したがって、その有病率が有意である場合に備えて、慎重に研究される可能性はまれであると見なされるべきです.

目的:

このプロジェクトでは、研究者は、仮想環境のおかげでさまざまなアイデンティティがどのように探索されるか、およびさまざまな要因がこのアイデンティティ探索にどのように影響するかを調査することを目指しています. より具体的には、彼らは、異なる人々が仮想自己をどのように異なる方法で作成するか、およびこれらの違いが以前に予測されたプレーヤーの類型にどのように反映されるかを評価したいと考えています.

ゲーム中のプレーヤー体験に関して、研究者は、知覚される没入感のレベルがプレーヤーの仮想自己の解釈に影響を与えるかどうかを調査したいと考えています。 また、オンライン ビデオゲームをプレイするプレーヤーの動機は、仮想自己のさまざまな経験につながる可能性があるため、プレーヤーの競争志向が、仮想アバターを通じて代替アイデンティティを探索する傾向に影響を与えるかどうかを調査したいと考えています。社会的側面。 一方、研究者は、プレイヤーが理想の自分をキャラクターに投影する方法に影響を与える要因として、プレイヤーの心理的苦痛と自尊心を調査したいと考えています。

別の目的は、参加者が仮想的に自分自身を表現する方法における認知的葛藤やジレンマの役割を探ることです。 研究者は、人が理想的な自己を解釈する際に、認知的葛藤が不協和音の原因となる可能性があるため、より多くの内的葛藤が仮想アバターを介してプレーヤーがさまざまなアイデンティティを探索する方法に影響を与える可能性があると予想しています.

第二に、研究者は、認知の複雑さの指標である対人構造の分化など、これらのプレーヤーが仮想自己を理解する方法で他の変数が果たす役割を研究することを目指しています。 ただし、この問題についてはまだ理論的な背景がないため、この目的はより探索的な方法で研究されます。

手順

参加者には、インターネット フォーラムでオンライン電話をかけることによって連絡があり、参加に関心がある可能性のあるプレイヤーに Qualtrics を使用したオンライン調査にアクセスするよう依頼します。

調査は、以前に倫理委員会によって承認されたインフォームド コンセント フォームから開始されます。 インフォームド コンセントを読んで同意した後、参加者には、年齢、性別、国、雇用状況、週あたりの平均プレイ時間、プロとしてプレイしているかどうか、および重度の精神疾患または薬物乱用の記録。 その後、PENS、CORE-OM、RSE のアンケートに回答します。 調査の合計所要時間は約 12 分です。

調査を完了した後、参加者は、ゲーム コミュニティ内で最も普及しているビデオ会議ソフトウェアの 1 つである Discord が実施する仮想会議を予約できる日時を指定するよう求められます。 この会議では、博士課程前の研究者が参加者に RGT を管理します。これは 45 ～ 90 分間続きます。 各グリッドは、GRIDCOR 6.0 ソフトウェアまたはより高度なバージョンで分析されます。

参加者はコラボレーションに対して報酬を受け取ることはありませんが、このプロジェクトが完了すると、希望する人は評価の簡単なフィードバック レポートを受け取ります。

収集されたデータの分析には、RStudio ソフトウェアが使用されます。 研究者は、クラスター化基準として自己仮想と仮想理想の不一致を使用して、参加者を 3 つのグループにクラスター化するように指定する K-means クラスター分析を実行します。 分析によって 3 つのクラスターがレンダリングされると、研究者は前述のプレーヤーの類型に従ってそれらにラベルを付けます。 自己仮想不一致がより低くなる 1 つのグループが存在すると予想され、近位タイプのプレーヤーを示します。 研究者はまた、残りの 2 つのクラスターが、仮想理想的な不一致の点で区別されることを期待しています。 差異が大きいものは探索型、差異が小さいものは投影型と分類されます。 投影型の参加者は、他のクラスターよりも自尊心が低いと予想されます。

近接型プレーヤーと他の 2 つのグループとの間の自己仮想不一致に有意差があるかどうかを評価するために、一方向 ANOVA が実施されます。 自己理想の不一致に関して、予測型プレーヤーと探索型プレーヤーの間に統計的に有意な差があるかどうかを確認するために、別の一元配置分散分析が実行されます。 これらの分析を通じて、研究者は、仮想自己の解釈に基づいて、オンライン ビデオゲーム プレーヤーの類型を検証することを期待しています。

その後、研究者は多重線形回帰モデルを実行し、結果として自己仮想矛盾を取り、独立変数として経験された没入感を使用します。これは、PENS の対応するスケールから取得され、認知の複雑さの程度が手段によって推測されます。グリッドからの認知差別化尺度の。

ゲームの社会的側面または競争的側面に対するモチベーションに関して、3 つのグループ間に違いがあるかどうかをテストするために、もう 1 つの一方向 ANOVA が実施されます。ペン。

最後に、研究者はプレーヤーの各グループ内で多重線形回帰モデルを実行し、投影タイプと探索タイプの結果として仮想理想の不一致を採用しますが、近位タイプの結果は自己仮想不一致になります。認知的葛藤のレベル、認知的分化のレベル、および自尊心、心理的苦痛、没頭、関連性、および能力の尺度を予測因子として使用します。