It has been challenging to find ways to educate people to have better environmental consciousness. In some cases, people do not know what the right behaviors are to protect the environment. Game engine has been used in the AEC industry for visualization. However, it has barely been used in environmental consciousness education, for example, what operation can reduce building energy consumption, what items are recyclables. As social psychology studies show that video game can influence human behavior, a good designed game should provide the game player with right incentives and guide the users to make wiser choices for better environmental protection. This paper discussed a method to use serious game engines to educate the players the right actions that should be taken under in different scenarios. These actions in real life will results in a better environmental protection. The game proposed in this study is for residential home operation. Other scenarios such as restaurant operation, grocery store operations are discussed as expansion of this study. The game players points will be calculated based on their performance on different choices and when they surpass a certain level, different rewards will be gained in order for them to adjust their current living style. The purpose of the game is to raise the environmental consciousness among the game players and educate them the right actions they can make to better protect the environment while they are spending time on games.


翻译:本文讨论了使用游戏引擎的方法来教育玩家在不同情况下应该采取的正确行动以保护环境,例如哪些操作可以减少建筑能源消耗,哪些物品可以回收利用。社会心理学研究表明,电子游戏可以影响人类的行为。因此,一个良好设计的游戏应该给玩家正确的激励,并引导用户做出更明智的选择,以更好地保护环境。本研究提出了一种使用严肃游戏引擎教育玩家应在不同情况下采取正确行动的方法。这些行动在现实生活中将带来更好的环境保护效果。本研究提出的游戏是针对住宅家庭操作的。同时还讨论了餐饮,杂货店等场景的拓展。玩家的得分将根据他们在不同选择上的表现进行计算,当他们超过某个水平时,将获得不同的奖励,以便他们调整当前的生活方式。游戏的目的是提高玩家的环境意识并教育他们可以采取哪些行动以更好地保护环境,同时消磨游戏时间。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2020年9月6日
【课程推荐】人工智能导论:Introduction to Articial Intelligence
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2023年6月5日
Arxiv
1+阅读 · 2023年6月5日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
35+阅读 · 2019年11月7日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员