Gamasutra: Blog Paul Tozour – Proyek Hasil Game, Bagian 1: Yang Terbaik dan yang Lain

Posting blog berikut, kecuali disebutkan, ditulis oleh anggota komunitas Gamasutra.
Pikiran dan pendapat Gamasutra atau perusahaan induknya.

Artikel ini adalah yang pertama dari seri 5-bagian.

Tim Game Outcomes Project termasuk Paul Tozour, David Wegbreit, Lucien Parsons, Zhenghua "Z" Yang, NDark Teng, Eric Byron, Julianna Pillemer, Ben Weber, dan Karen Buro.

Proyek Hasil Game, Bagian 1: Yang Terbaik dan Sisanya

Apa yang membuat tim terbaik begitu efektif?

Pengembang veteran yang telah bekerja di banyak tim yang berbeda sering mengatakan bahwa mereka adalah perbedaan budaya yang luas di antara mereka. Beberapa tim tampaknya berjalan seperti jarum jam dan tetap bahagia dan cukup istirahat. Tim lain memiliki perjuangan yang kuat dan mandiri dalam lembur mimpi buruk dan krisis 80-90 jam seminggu selama bertahun-tahun, atau dalam kasus terburuk, membakar diri mereka sendiri dalam kekacauan kacau. Beberapa tim ramah, kolaboratif, fokus, dan mendukung; yang lain tidak fokus dan antagonis. Ada sejumlah acara yang telah menyelenggarakan sejumlah lingkungan kerja dengan umpan balik yang cukup dan pengkhianatan untuk membuat permainan Team Fortress 2 memalukan.

Apa yang menyebabkan perbedaan antara tim-tim itu? Faktor-faktor apa yang memisahkan yang terbaik dari yang lain?

Sebagai sebuah industri, apakah kita bahkan berusaha mencari tahu?

Apakah kita bahkan mengajukan pertanyaan yang tepat?

Ini adalah game untuk pengembangan Game Outcomes Project. Pada bulan Oktober dan November 2014, tim kami melakukan survei besar-besaran terhadap ratusan pengembang game. Survei mencakup sekitar 120 pertanyaan tentang kerja tim, budaya, produksi, dan manajemen proyek. Kami menduga bahwa kami dapat belajar lebih banyak dari perbandingan berdampingan dari banyak proyek game daripada proyek tunggal mana pun, dan kami yakin bahwa ada tim hebat yang tidak dimiliki tim yang lebih kecil – dan sebaliknya – saya bisa membantu semua orang meningkatkan permainan mereka.

Survei kami terinspirasi oleh beberapa karya klasik tentang efektivitas tim. Kami mulai dengan model keefektifan tim 5-faktor yang dijelaskan dalam buku Leading Teams: Setting the Stage for Great Performances. Kami juga memasukkan model keefektifan tim 5-faktor dari buku manajemen terkenal The Five Functions of a Team: A Leadership Fable dan model 12-faktor dari 12: The Elements of Great Managing, yang berasal dari data Gallup agregat dari 10 juta wawancara karyawan dan manajer. Kami merasa bahwa setidaknya satu dari tiga model ini pasti akan berubah menjadi relevan dengan pengembangan game.

Kami juga menambahkan beberapa kategori pertanyaan spesifik ke industri game yang kami rasa cenderung menunjukkan perbedaan yang menarik.

Pada halaman kedua survei, kami menambahkan pertanyaan latar belakang yang lebih umum. Ini ditanya tentang ukuran tim, proyek durasi, peran pekerjaan, genre game, platform target, insentif keuangan yang ditawarkan kepada tim, dan metodologi produksi tim.

Kami kemudian menghadapi masalah yang lebih luas tentang bagaimana mengukur secara kuantitatif hasil proyek game.

Tanyakan kepada lima pengembang game apa yang dimaksud dengan "sukses", dan Anda mungkin akan mendapat lima jawaban berbeda. Beberapa pengembang hanya peduli pada intinya; orang lain lebih peduli pada penerimaan kritis gim mereka. Small Indie Developers mungkin menganggap "sukses" sebagai game pertama yang dirancang untuk penerimaan atau penerimaan kritis, sementara pengembang bekerja di bawah kontrak, bebas dari tekanan pasar, mungkin mendefinisikan "sukses" hanya dengan menyelesaikannya tepat waktu (dan kami menerima beberapa tanggapan seperti itu dalam survei kami).

Karena tidak memiliki cara obyektif untuk mendefinisikan "kesuksesan," kami memutuskan untuk mengukur hasil dari empat jenis hasil yang berbeda. Kami menanyakan empat hasil berikut, masing-masing dengan skala 6 poin atau 7 poin:

"Sejauh pengetahuan Anda, apa pengembalian keuangan investasi (ROI) game? Dengan kata lain, untung atau rugi apa yang diambil perusahaan dalam mengembangkan game sebagai hasil publikasi?"
"Untuk platform target utama game, itu ditunda dari tanggal rilis aslinya, atau apakah itu dibatalkan?"
"Tingkat kesuksesan apa yang sangat penting dalam pencapaian game?"
"Akhirnya, dalam permainan memenuhi tujuan-tujuan internalnya? Dengan kata lain, sejauh mana tim merasakannya mencapai sesuatu yang sama baiknya dengan yang mereka coba ciptakan?"

Kami berharap bahwa akan ada lebih banyak pengaruh atas empat hasil ini. Kita telah melihat bahwa "suara berisik" dalam hasil proyek (selera konsumen yang berubah-ubah, mood pengulas game, tantangan yang sering tidak terduga untuk membuat game berkualitas tinggi, dan berbagai tindakan Tuhan) akan membuatnya sulit untuk menemukan korelasi yang bermakna. Tetapi dengan respons yang cukup, mungkin korelasinya akan bersinar melalui kebisingan yang tak terhindarkan.

Kami kemudian menciptakan nilai "hasil" agregat yang menggabungkan hasil dari keempat pertanyaan hasil sebagai representasi yang lebih luas dari tingkat kesuksesan proyek game. Ini ternyata bekerja dengan baik, karena berkorelasi sangat kuat dengan hasil dari masing-masing pertanyaan hasil individu. Halaman blog Metodologi kami memiliki deskripsi rinci tentang bagaimana kami menghitung skor agregat ini.

Kami bekerja dengan hati-hati untuk mensurvei banyak iterasi, dan meminta tanggapan melalui posting forum, posting Gamasutra, Twitter, dan mailer IGDA. Kami menerima 771 tanggapan, yang 302 selesai, dan 273 terkait dengan proyek yang diselesaikan yang tidak dibatalkan atau ditinggalkan dalam pengembangan.

Hasil

Jadi apa yang kita temukan?

Singkatnya, tambang emas. Hasilnya mengejutkan.

Lebih dari 85% dari 120 pertanyaan kami menunjukkan korelasi yang signifikan secara statistik dengan skor hasil agregat kami, dengan nilai-p di bawah 0,05 (nilai-p memberikan kemungkinan independen dalam sampel data). Oleh karena itu, nilai p yang kecil dapat diartikan sebagai bukti dari asumsi bahwa data tersebut independen). Korelasi ini moderat atau kuat dalam kebanyakan kasus (nilai absolut> 0,2), dan sebagian besar nilai-p sebenarnya jauh di bawah 0,001. Kami bahkan dapat mengembangkan model regresi linier yang menunjukkan korelasi 0,82 yang menakjubkan dengan skor hasil gabungan (ditunjukkan pada Gambar 1 di bawah).

Gambar 1. Model regresi linier kami (sumbu horizontal) diplot terhadap skor hasil permainan komposit (sumbu vertikal). Garis hitam diagonal adalah garis tren yang paling cocok. 273 titik data ditampilkan.

Untuk berbagai tingkatan, ketiga model efektivitas tim (model "Tim Terkemuka" Hackman, model "Five Dysfunctions" Lencioni, dan model Gallup "12") terbukti kuat dengan hasil proyek game.

Kami tidak dapat mengatakan dengan pasti berapa banyak pertanyaan yang relevan yang tidak kami tanyakan. Ada juga banyak tim dan sisanya.

Tapi timnya sangat sukses, itu adalah permainan yang sangat bagus, sangat bagus, sangat bagus.

Seri Proyek Hasil Game

Kami akan merilis karena kendala ruang, analisis kami sebagai serangkaian beberapa artikel, dengan 3 artikel yang tersisa dirilis pada interval 1 minggu mulai Januari 2015. Efektivitas model hingga analisis menyeluruh yang layak mereka dapatkan.

Artikel ini akan berfokus hanya pada pengantar survei dan penggabungan pertanyaan latar belakang yang diajukan pada halaman survei kedua. Dan meskipun kami menemukan korelasi yang relatif sedikit di bagian survei ini, area tempat kami tidak menemukan itu sama menariknya dengan area di mana kami melakukannya.

Genre dan Platform Proyek Target

Pertama, kami meminta untuk memberi tahu kami apa genre permainan mereka yang tim telah kerjakan. Di sini, hasilnya ada di seluruh papan.

Gambar 2. Genre game (sumbu vertikal) vs skor hasil permainan komposit (sumbu horizontal). Titik data yang lebih tinggi (titik hijau) mewakili proyek yang lebih sukses, sebagaimana ditentukan oleh skor hasil permainan komposit kami.

Kami melihat korelasi yang sangat kecil antara genre game dan hasil. Dalam beberapa kasus di mana genre game tampak condong ke satu arah atau yang lain, ukuran sampel terlalu kecil untuk menarik kesimpulan apa pun, dengan semua fitur memiliki kurang dari 30 tanggapan.

(Perhatikan bahwa Gambar 2 menggunakan plot kotak-dan-kumis, seperti dijelaskan di sini).

Kami juga mengajukan pertanyaan serupa mengenai platform target produk, termasuk tanggapan untuk desktop (PC atau Mac), konsol (Xbox / PlayStation), seluler, genggam, dan / atau web / Facebook. Kami tidak menemukan hasil yang signifikan secara statistik untuk semua platform ini, atau untuk total jumlah platform untuk game yang ditargetkan.

Durasi Proyek dan Ukuran Tim

Kami bertanya tentang jumlah bulan dan tahun dalam pembangunan; berdasarkan ini, kami memiliki total waktu pengembangan dalam beberapa bulan:

Gambar 3. Total bulan dalam pengembangan (sumbu horizontal) vs skor hasil pertandingan (vertikal). Garis diagonal hitam adalah garis tren.

Seperti yang Anda lihat, ada korelasi negatif kecil (-0.229, menggunakan koefisien korelasi Spearman), dan nilai-p adalah 0,003. Korelasi negatif ini tidak terlalu mengejutkan, karena proyek yang bermasalah lebih cenderung tertunda daripada proyek yang berjalan dengan lancar.

Kami juga bertanya tentang ukuran tim, ukuran tim rata-rata dan ukuran tim akhir. Ukuran tim rata-rata adalah antara 1 dan 500 dengan rata-rata 48,6; ukuran tim akhir adalah antara 1 dan 600 dengan rata-rata 67,9. Keduanya menunjukkan korelasi positif sedikit dengan hasil proyek, seperti yang ditunjukkan di bawah ini, tetapi dalam kedua kasus nilai-P lebih dari 0,1, menunjukkan tidak ada signifikansi statistik yang cukup untuk membuat korelasi ini bermanfaat atau perlu diperhatikan.

Perhatikan bahwa pada kedua gambar di bawah ini, sumbu horizontal ditampilkan pada skala logaritmik, yang membuat garis tren linier tampak melengkung.

Gambar 4. Ukuran tim rata-rata berkorelasi dengan hasil proyek game (sumbu vertikal).

Gambar 5. Ukuran tim akhir berkorelasi dengan hasil proyek game (sumbu vertikal).

Kami juga menganalisis rasio rata-rata tim terhadap akhir, tetapi kami tidak menemukan korelasi yang berarti di sini.

Mesin Game

Kami bertanya tentang solusi teknologi yang digunakan: apakah itu mesin baru yang dibuat dari awal; teknologi inti dari versi sebelumnya dari gim serupa atau gim lain dalam seri yang sama; mesin in-house / proprietary (seperti EA Frostbite); atau mesin bekas dikembangkan (seperti Unity, Unreal, atau CryEngine).

Hasilnya adalah sebagai berikut:

Gambar 6. Teknologi game / teknologi inti yang digunakan (sumbu horizontal) vs hasil proyek game (sumbu vertikal), menggunakan plot kotak dan kumis.

Skor komposit rata-rata

Standar Deviasi

Jumlah tanggapan

Mesin / teknologi baru

53.3

18.3

41

Engine dari versi sebelumnya dari gim yang sama atau serupa

64.8

15.8

58

Mesin / teknologi internal / paten (seperti EA Frostbite)

60.7

19.4

46

Mesin game berlisensi (Unreal, Unity, dll.)

55.6

17.5

113

Lain

55.5

19.5

15

Hasilnya di sini tidak terlalu mencolok, semakin Anda melihatnya. Ini adalah proyek yang memiliki sejumlah jenis produk yang berbeda, tetapi inilah yang harus dilakukan tim dalam kategori ini jelas sudah memiliki awal dalam produksi, banyak risiko teknis yang telah dihilangkan, dan ada mungkin sudah tim veteran yang tahu cara membuat jenis permainan itu!

Kami menganalisis hasil ini menggunakan analisis varian satu arah Kruskal-Wallis, dan kami menemukan bahwa pertanyaan ini hanya signifikan secara statistik karena pilihan itu (versi sebelumnya dari game yang sama atau mesin yang sama), dengan nilai p dari 0,006. Menghapus titik data yang terkait dengan kategori jawaban ini naik di atas 0,3.

Data adalah bahwa opsi terbaik untuk mesin permainan adalah pilihan terbaik untuk keadaan yang tepat. Dengan kata lain, kesimpulan paling masuk akal adalah bahwa tidak ada jawaban universal yang "benar", permainan yang sebenarnya dibuat, tim yang membuatnya, dan keadaan di sekitar pengembangan permainan. Itu bukan untuk mengatakan pilihan mesin tidak penting, tetapi ada banyak keberhasilan dan kegagalan dalam semua opsi sepenuhnya layak dalam beberapa situasi.

Kami juga tidak menanyakan solusi teknologi spesifik responden yang digunakan tim pengembang. Dapat mencakup versi masa depan dari mesin permainan khusus yang sedang digunakan (Unity, Unreal, CryEngine, dll.)

Pengalaman Tim

Kami juga mengajukan pertanyaan tentang tingkat pengalaman rata-rata tim, bersama dengan skala dari 1 hingga 5 (dengan a & # 39; 1 & # 39; menunjukkan pengalaman pengembangan rata-rata kurang dari 2 tahun, dan a) ; 5 & # 39; menunjukkan tim veteran industri permainan beruban dengan rata-rata pengalaman 8 tahun atau lebih).

Gambar 7. Level peringkat pengalaman tim (sumbu horizontal, berdasarkan kategori yang tercantum di atas) dipetakan terhadap skor hasil pertandingan (sumbu vertikal)

Di sini, kita melihat korelasi 0,19 (dan nilai-p di bawah 0,001). Perhatikan khususnya tidak adanya sudut kiri (yang akan menunjukkan tim yang sangat sukses tanpa pengalaman) dan sudut kanan bawah (yang akan menunjukkan tim yang sangat berpengalaman yang gagal serempak).

Jadi studi umum kami dengan jelas mengkonfirmasi pengetahuan bahwa tim yang berpengalaman lebih mungkin berhasil. Ini tidak mengherankan, tetapi meyakinkan bahwa data membuat poinnya begitu jelas. Pengalaman pengembangan game telah menjadi beberapa hari (seperti halnya Flappy Bird), penelitian kami menunjukkan dengan jelas bahwa kasus-kasus seperti itu adalah pencilan yang ekstrim.

Kejutan # 1: Insentif

Halaman pertama survei kami ini juga mengungkapkan dua kejutan besar.

Kejutan pertama adalah insentif keuangan. Survei ini mencakup pertanyaan: "Apakah tim terlibat dalam kinerja, tim, atau kinerja Anda sebagai individu? Pilih semua yang berlaku." Kami menawarkan beberapa kotak centang untuk mengatakan "ya" atau "tidak" kombinasi insentif keuangan yang ditawarkan ke tim.

Korelasi adalah sebagai berikut:

Angka 8. Insentif (sumbu horizontal) diplot terhadap skor hasil permainan (sumbu vertikal) untuk lima jenis insentif keuangan, menggunakan plot kotak dan kumis. Dari kiri ke kanan: insentif berdasarkan kinerja individu, kinerja tim, royalti, insentif berdasarkan ulasan game / skor MetaCritic, dan berbagai insentif lainnya. Untuk setiap kategori, kami membagi semua 273 titik data menjadi yang termasuk insentif (sisi kiri setiap kotak) dan yang termasuk insentif (sisi kanan setiap kotak).

Dari lima bentuk insentif ini, hanya insentif individu yang menunjukkan signifikansi statistik. Proyek game yang menawarkan kompensasi yang dirancang secara individual (64 dari 273 tanggapan) memiliki skor rata-rata 63,2 (standar deviasi 18,6), sementara yang tidak menawarkan kompensasi individual berarti skor hasil permainan sebesar 56,5 (standar deviasi 17,7). Jumlah peringkat Wilcoxon untuk insentif individu dengan nilai 0,017 untuk perbandingan ini.

Semua bentuk lain dari insentif – yang didasarkan pada kinerja tim, berdasarkan royalti, berdasarkan ulasan dan / atau peringkat MetaCritic, dan insentif "lainnya" lainnya – menunjukkan bahwa tidak ada korelasi yang berarti dengan hasil proyek (nilai-p) Masing-masing 0,33, 0,77, 0,98, dan 0,90, sekali lagi menggunakan uji peringkat-jumlah Wilcoxon).

Ini adalah temuan yang sangat mengejutkan. Insentif ditawarkan dengan asumsi bahwa mereka adalah motivator besar bagi sebuah tim. Namun, hasil kami menunjukkan bahwa hanya insentif individu yang memiliki efek yang diinginkan, dan bahkan kemudian, pada tingkat yang jauh lebih kecil dari yang diharapkan.

Salah satu cara paling efektif dan efektif untuk melakukan industri – yang merupakan alat motivasi yang sama sekali tidak efektif, dan sebenarnya menjadi bumerang dalam banyak kasus. .

Kami juga berspekulasi bahwa dalam kasus royalti dan ulasan MetaCritic pada khususnya, perasaan bahwa para pengembang game dapat merasakan ketika berhadapan dengan faktor-faktor di luar kendali mereka – seperti keputusan desain yang tidak mereka setujui, atau anggota tim lain jatuh pada pekerjaan – The kompensasi potensial untuk setiap efek motivasi yang mungkin dimiliki oleh insentif. Dengan insentif individu, di sisi lain, individu mungkin merasa bahwa upaya individu mereka lebih cenderung diperhatikan dan dihargai secara tepat. Namun, tanpa lebih banyak data, ini semua tetap spekulasi murni di pihak kami.

Apa pun alasannya, hasil kami tampaknya menunjukkan bahwa insentif yang disesuaikan dengan individu, seperti rencana Pay For Performance (PFP), tampaknya mencapai hasil yang bermakna di mana royalti, insentif, dan bentuk-bentuk insentif keuangan lainnya tidak.

Kejutan # 2: Metodologi Produksi

Itu di bidang metodologi produksi, topik diskusi yang sering di industri game.

Kami bertanya metodologi produksi apa yang digunakan tim – 0 (tidak tahu), 1 (air terjun), 2 (lincah), 3 (lincah menggunakan "Scrum"), dan 4 (lainnya / ad-hoc). Kami juga memberikan deskripsi terperinci dengan setiap jawaban sehingga responden dapat mencocokkan pertandingan sesuai dengan deskripsi acara jika mereka tidak tahu nama pasti dari metodologi produksi. Hasilnya mengejutkan.

Gambar 9. Metodologi produksi vs skor hasil pertandingan.

Berikut adalah definisi terperinci dari standar deviasi untuk setiap kategori, bersama dengan jumlah respons di masing-masing kategori:

Skor komposit rata-rata

Standar Deviasi

Jumlah tanggapan

Tidak dikenal

50.6

17.4

7

Air terjun

55.4

17.9

53

Tangkas

59.1

19.4

94

Agile menggunakan Scrum

59.7

16.9

75

Lainnya / Ad-hoc

57.6

17.6

44

Apa yang luar biasa adalah betapa kecil perbedaan ini. Mereka hampir tidak ada.

Selain itu, uji Kruskal-Wallis H menunjukkan nilai p sangat tinggi 0,46 untuk kategori ini, yang berarti bahwa kita dapat menyimpulkan hubungan antara metodologi produksi dan hasil permainan. Pengujian lebih lanjut dari metodologi produksi terhadap masing-masing dari empat faktor hasil proyek permainan secara individual memberikan hasil yang identik.

Mengingat bahwa metodologi produksi tampaknya menjadi cawan suci bagi sebagian orang, orang akan berharap untuk melihat perbedaan besar, dan bahwa Scrum khususnya akan jauh di depan. Tetapi perbedaan antara metodologi produksi dan skor memiliki variasi dari setiap kategori dan skor memiliki nilai p juga, dan terlalu tinggi untuk asumsi bahwa data tersebut independen. Scrum, lincah, dan "lainnya" pada dasarnya tidak bisa dibedakan satu sama lain. "Tidak dikenal" jauh lebih tinggi dari yang diharapkan, sementara "Lainnya / ad-hoc" juga sangat tinggi, menunjukkan bahwa ada metodologi produksi yang efektif yang tersedia (yang menarik, kami bertanya kepada mereka yang ada di "lain"). kategori untuk lebih detail, dan metode Cerny terdaftar sebagai metodologi produksi untuk proyek game top-skor dalam kategori itu).

Juga, tidak seperti pertanyaan kami tentang mesin permainan, kami tidak bisa hanya menulis metodologi ini karena lebih cocok untuk jenis tim tertentu. Metode produksi umumnya dimaksudkan untuk bermanfaat secara universal, dan hasil kami tidak menunjukkan korelasi yang berarti antara metodologi dan genre permainan, ukuran tim, tingkat pengalaman, atau faktor lainnya.

Ini menimbulkan pertanyaan: di mana hasilnya?

Kami telah melihat beberapa korelasi signifikan dalam artikel ini, dan kami akan menjelaskan lebih banyak lagi selama penelitian kami. Artikel 2 dan 3 khususnya akan menggambarkan banyak korelasi luar biasa antara berbagai faktor budaya dan hasil permainan, dengan lebih dari 85% pertanyaan kami menunjukkan korelasi yang signifikan secara statistik.

Jadi sangat jelas bahwa ada hasil proyek yang signifikan, mereka menonjol dengan sangat jelas. Hasil kami tidak malu-malu. Dan jika metodologi produksi spesifik yang digunakan tim benar-benar sangat penting, kita akan berharap bahwa itu seharusnya juga ditunjukkan dalam korelasi hasil.

Tapi itu tidak ada di sana.

Tampaknya dalam hal perhatian yang diberikan kepada subjek, jenis metodologi produksi tertentu yang digunakan tim tidak penting, dan itu bukan pendorong hasil yang signifikan. Bahkan pendekatan "Air Terjun" yang banyak difitnah dapat dibuat bekerja dengan baik.

Itu akan memberikan beberapa petunjuk tentang aspek produksi apa yang benar-benar berdampak pada hasil proyek – metode ini menggunakan penggunaan tim – meskipun rata-rata ini masih jauh lebih lemah secara rata-rata daripada kategori kami lainnya mengenai budaya.

Kesimpulan

Kami mulai memecahkan tim terbaik dari yang lain.

Kami telah melihat empat faktor – durasi total proyek, tingkat pengalaman tim, insentif keuangan berdasarkan kinerja individu, dan penggunaan kembali mesin game yang ada dari game yang sama – memiliki korelasi yang jelas dengan hasil proyek game.

Studi kami menemukan beberapa kejutan, termasuk kurangnya korelasi antara faktor-faktor yang akan memiliki dampak besar, seperti ukuran tim, genre permainan, platform target, metodologi produksi yang digunakan oleh tim, atau insentif finansial tambahan apa pun yang ditawarkan tim di luar kompensasi kinerja individu.

Dalam artikel kedua dalam seri ini, kita akan membahas efektivitas korelasi dengan skor hasil agregat dan masing-masing pertanyaan hasil individu. Kami melihat korelasi yang jauh lebih kuat daripada apa pun yang disajikan dalam artikel ini.

Setelah itu, artikel ketiga mengeksplorasi temuan tambahan di sekitar banyak faktor lain yang spesifik untuk pengembangan game, termasuk manajemen risiko teknologi, desain manajemen risiko, krisis / lembur, stabilitas tim, perencanaan proyek, komunikasi, outsourcing, penghormatan, kolaborasi / bermanfaat, fokus tim, dan persepsi kegagalan organisasi. Kami juga menyediakan alat refleksi diri yang dapat digunakan tim untuk postmortem dan analisis diri.

Akhirnya, artikel keempat kami memuat data kami tentang isu kontroversial krisis dan menarik kesimpulan yang tidak ambigu, dan artikel kelima kami merangkum hasil kami.

Tim Proyek Hasil Game ingin mengucapkan terima kasih kepada pengembang game saat ini dan sebelumnya yang membuat studi ini dimungkinkan melalui partisipasi mereka dalam survei. Kami juga ingin mengucapkan terima kasih kepada anggota SIG Produksi IGDA, Clinton Keith dan Chuck Hoover atas bantuan mereka dengan desain pertanyaan; Kate Edwards, Tristin Hightower, dan IGDA untuk bantuan promosi; dan Christian Nutt serta tim editorial Gamasutra atas bantuan mereka dalam mempromosikan survei.

Untuk pengumuman tentang proyek kami, ikuti kami di Twitter di @GameOutcomes

Leave a Comment