大家好。我是硕士一年级的尾崎。
在这篇文章中，我将介绍我在本次英语文献研讨会上阅读的论文及其感想。

论文标题：CareerSim: Gamification Design Leveraging LLMs For Career Development Reflection
期刊与页码：Extended Abstracts of the CHI Conference on Human Factors in Computing Systems(pp.1-7)
出版年份：2024
作者：Wantong Du, Zhiying Zhu, Xinhui Xu, Haoyuan Che, Shi Chen

1. 背景与目的
在近年不稳定的社会形势下，职业发展中的自我构建、决策制定以及长期展望变得尤为重要。然而，有效掌握这些技能并非易事，信息匮乏和理解不足成为了主要挑战。因此，“游戏化”作为一种创造性方法在职业教育领域备受关注，但也有观点指出其可能存在过度简化现实或忽视内省的问题。针对这一痛点，通过构建综合数据库并利用大规模语言模型（Large Language Models: LLMs）进行设计，或许能够生成更具个性化且深刻的叙事，创造沉浸式的用户体验，从而促进有意义的内省。
本研究对目前正在开发的职业教育模拟RPG“CareerSim”进行了设计、开发和初步调查，旨在“通过利用LLMs，强化游戏事件与现实世界之间的关联性及内省”。

2. CareerSim的游戏设计
在设计过程中，研究参考了“DMC金字塔模型(Wiklund and Wakerius, 2016)”，将设计要素分为动态（Dynamics）、机制（Mechanics）和组件（Components）三个维度。
(1) 动态维度与游戏类型
CareerSim被设计为一款教育类RPG。教育类RPG具有能够将玩家的进度作为内省记录提供的特性。玩家通过角色体验30年的职业生涯，探索不可预测的未来及自身的职业形象。在游玩过程中，玩家可以构建虚拟角色并确认职业发展情况。
(2) 机制维度
CareerSim基于“进程机制 (Ljungkvist and Mozelius, 2012)”进行设计。玩家的职业形成被分为不同阶段，每个阶段都设定了主题、事件和任务。玩家需要在每个阶段探索职业可能性并做出决策。该设计的理论支撑采用了萨珀（Super）的职业发展理论。游戏内的决策起到了促使玩家在现实中进行内省的作用。此外，基于职业相关理论设计了“机会机制”，同时也考虑了随机发生的社会、经济和文化等外部因素。
(3) 组件维度
为了将决策结果可视化，引入了“现实型、探索型、社会型”等特性设定。这些特性基于霍兰德（Holland）的职业人格理论，由玩家在游戏开始时定义。在游戏进行中，特性会根据玩家的决策动态变化，并影响决策的成功率。此外，采用低像素界面设计，使玩家能够专注于故事本身，确保了教育游戏化的便利性。

3. 游戏概念
CareerSim可在PC上运行，玩家扮演虚拟角色，在初期设定各种特性。他们通过经历与职业发展相关的事件并形成虚拟职业生涯，从而获得对自我构建和职业决策进行内省的机会。
关于游戏的世界观，故事从玩家毕业于X大学工业设计专业开始。在通过升学、就业等事件形成职业生涯的过程中，需要进行审慎的选择。玩家在决策过程中发展特性和角色，最终在55岁退休并获得一份职业报告。游戏通过职业形成过程中的事件推进，分为四个主要阶段。
(1) 角色设定：游戏开始时设定角色的特性和居住城市。结合特性与职业人格理论，匹配最初的最佳职业岗位。特性会根据事件和玩家的选择动态调整。
(2) 职业发展事件：游戏开始后，经历由系统生成的职业发展事件。这些事件受玩家的职业发展阶段和个人特性的影响。
(3) 决策与影响：玩家考虑游戏内的选项并做出决定。这会改变角色的特性，年龄也会在下一阶段范围内更新。这些变化会影响后续事件。
(4) 结束后的报告：游戏结束时，会生成一份综合职业发展报告。设计旨在让玩家回顾所发生的事件，从而激发内省思考。

4. 功能实现
CareerSim的主要功能分为以下四点：
(1) 输入：包含两个要素。一是游戏开始时的特性输入，作为初始事件生成的触发器。二是游戏进行中玩家的决定，基于此动态修改特性。
(2) 数据库：由某大学毕业生的真实职业事件构成。这些数据基于萨珀的职业发展理论进行整理，并根据霍兰德的职业人格理论进行分类。
(3) 职业事件生成：利用Langchain和大规模语言模型（GPT-4）生成个性化且真实的事件。将数据库中的事件分割为向量，通过余弦相似度比较进行检索，找到匹配玩家输入的职业事件。玩家会收到包括AI生成的随机事件在内的多个选项，并从中做出决策。
(4) 与玩家的交互：通过Dynamic Feedback和Unity实现的界面设计，实现实时交互。根据玩家的特性和决定，生成后续的职业事件或选项。此外，使用记忆模块记录玩家的交互，并影响后续事件。

5. 初步调查结果
初步调查以12名18至24岁的大学生为对象，在他们实际体验CareerSim后进行了半结构化访谈。调查结果显示，CareerSim能够创造包含多样化决策的沉浸式体验。用户在将游戏内的初始特性设定和决策与现实情况相结合的过程中进行游玩，表明系统设计促进了个性化的职业探索（例如，“能够客观理解现实及未来的情景，并进行早期的经验积累和准备”等评价）。
另一方面，也有意见指出“刚毕业时对职业选择有明确规划，但到了40岁时，不知道该考虑什么来做决定”，这表明随着年龄增长，游戏的沉浸感或关联性可能会降低。

此外，特性的变化也被证实能引导玩家进行内省。具体而言，由于“残酷”或“失败”的经历导致不符合预期的决策或特性值下降，用户获得了反思自身选择的机会（例如，“平时不会考虑职业陷阱，但在游戏中面对失败和挫折，更容易反思自己的选择”等评价）。这表明游戏内的逆境有可能提高现实中的内省能力和韧性。
作为调查结论，验证了诱发职业内省的系统与游戏化设计的有效性。然而，在预测遥远未来的场景中，背景设定的深度存在局限，难以提供个性化且真实的回答，这一课题也随之浮现。研究建议在未来的开发中，需要在职业发展阶段引入家庭因素等更丰富的主题。

6. 结论与未来课题
通过开发与初步调查，确认了利用LLMs能够为职业探索提供适当反馈，并具有提高内省动机的效果。
未来的改进点包括：整合实时互联网数据库以创建最新的职业场景，以及根据职业发展的见解改进LLMs以创建更现实的因果关系。后续计划通过问卷和访谈来衡量用户的体验和对自我构建的理解程度。此外，通过反复的版本升级，旨在追求游戏化在整个学习领域的可能性，并为基于LLMs的游戏化理论做出贡献。

以下是我阅读这篇论文后的感想。
我因为对“利用游戏化能否引导自我职业内省？”这一主题感兴趣而阅读了这篇论文。在利用LLMs并使用50名真实毕业生数据，从而实现大规模、真实且个性化的故事构建这一点上，从游戏设计的角度来看非常有参考价值。此外，由于系统允许验证“如果选择了与自己决策不同的选项，会产生什么结果？”，通过比较，玩家可以客观地审视自己的决策，从而实现更深层次的内省。另一方面，本次的游戏类型为RPG，前提是个人学习。由于职业相关的自我内省除了自我理解外，对他者及社会的理解也是重要要素，因此我很好奇在采取协作学习或共同学习模式的游戏系统中，会有哪些优势？今后，关于职业相关的游戏设计领域，我希望能够根据目的和对象，构思出能够考虑更多样化类型和应用技术的方案。