Stage de M2 : Calibration de jeux sérieux

Contexte

Ce sujet s’intègre dans les activités de recherche et recherche-action de l’équipe STEEP. En particulier, dans son axe de recherche sur les « Alternatives sociotechniques », qui a pour objectif d’étudier la base matérielle de l’économie (en unités physiques plutôt que monétaires), d’analyser ses impacts environnementaux, et de proposer des méthodes participatives permettant à des acteurs d’imaginer leurs propres alternatives en termes de modes de production et de consommation.
Le sujet est relativement large, nous le proposons comme sujet pour un stage de M2, avec une option de poursuivre en thèse. La description du sujet correspond de fait déjà à un sujet de thèse, le stage M2 pourra couvrir une partie des activités envisagées.
L’une des modalités participatives explorées depuis 18 mois par l’équipe est le jeu sérieux. Ce terme englobe diverses approches avec divers objectifs, allant du jeu pédagogique ou de sensibilisation (aux enjeux environnementaux ou autres), à des approches et outils de modélisation participative [1, Becu]. Dans l’équipe, nous avons développé et expérimenté plusieurs jeux sérieux, principalement de trois types. (1) Une fresque des risques systémiques globaux [2], inspirée de la fresque du climat. Cette fresque a déjà été testée avec divers publics, scientifiques ou non, y compris des représentants de collectivités publiques. (2) Des jeux de simulation de flux de matières au sein et entre des territoires, dans lesquels les différentes joueurs représentent différents types d’acteurs socio-économiques, ayant des objectifs éventuellement divergents. (3) Des jeux « minimaux » visant, chacun, à sensibiliser à un phénomène ou mécanisme particulier associé aux liens et effets systémiques entre les secteurs socio-économiques et l’environnement et qui expliquent en partie les dynamiques et enjeux auxquels on fait face avec l’Anthropocène. Les jeux développés par l’équipe concernent le transfert géographique de pressions environnementales (par exemple, l’achat d’un produit de consommation dans un lieu peut induire des pressions environnementales (ou sociales) dans un autre lieu, potentiellement lointain) et la concurrence d’usages (comme par exemple l’utilisation de terres agricoles pour la production de bio-carburants versus la production alimentaire). Voir [3,4] pour plus de détails.

Description du sujet

Nous proposons un déroulement en deux grandes phases. La première vise à développer des outils pour la conception de jeux du 3ème type, en particulier des méthode de « calibration » pour de tels jeux. Un jeu est défini, entre autres, par des règles et des artefacts (dans nos cas, par exemple des cartes représentant des modes de production). La spécification de ces derniers comprend souvent des paramètres. Pour l’exemple d’une carte représentant un mode de production, ces paramètres peuvent être le nombre d’intrants et de sorties (un exemple fictif serait la « production » d’un poulet, avec comme intrants une certaine quantité de céréales et une surface de terre et comme sorties, la quantité de viande consommable et des déchets liés à l’élevage). Des jeux pédagogiques ou de sensibilisation, comme ceux déjà développés dans l’équipe, et plus généralement de nombreux jeux issus de recherches en partenariat avec des territoires [1,2], peuvent avoir recours à des artefacts tangibles, tels que des pions qui matérialisent les entités physiques en jeu. Ainsi, les paramètres décrits ci-dessus, sont en général des (petits) entiers. Une problématique récurrente lors de la conception d’un jeu est la « calibration » de ces paramètres. En effet, leur choix est crucial pour l’expérience du jeu et pour ce que ce dernier transmet aux joueurs. Un choix inapproprié peut faire que le phénomène auquel le jeu était censé sensibiliser, ne se manifeste pas du tout au cours d’une partie, ou beaucoup trop tôt, induisant ainsi soit le manquement de l’objectif pédagogique, soit de la frustration et du désengagement du côté des joueurs. Cet effet peut être potentiellement amplifié par l’existence de dynamiques non linéaires présentes dans l’environnement simulé, comme par exemple l’approche d’une limite environnementale : proche de la zone de transition, le jeu aura une certaine dynamique, mais en exhibera une autre en régime quasi-linéaire…
La calibration est jusqu’à maintenant faite à la main, par essai-erreur. Il s’agit d’une activité souvent peu valorisante. Elle est chronophage et peut, selon la complexité d’un jeu, constituer un vrai goulot d’étranglement dans sa conception. Le premier grand objectif de ce sujet est de développer des approches de calibration automatisée. Cela requiert tout d’abord la formalisation des objectifs d’un jeu, selon un formalisme à trouver. Ici, on parle des objectifs d’un jeu du point de vue du concepteur. Des exemples d’objectifs sont: faire en sorte que le jeu ne puisse être « gagné », par exemple que des ressources non renouvelables critiques vont s’épuiser au cours du jeu, mais ni trop tôt, ni trop tard (pour éviter frustration et ennui). Ou bien, faire en sorte que le jeu ne puisse être gagné uniquement si les joueurs collaborent ou encore s’ils font des choix d’un certain type. Une fois l’objectif formalisé, vient la calibration proprement dite, donc la détermination des paramètres du jeu qui conduisent à la satisfaction de l’objectif. Diverses approches de calibration sont envisageables, selon la nature du jeu en question. Pour des jeux peu complexes, on peut s’imaginer une exploration plus ou moins intelligente des règles possibles (stratégie globale) ou des déroulements de jeu possibles (tactique locale), avec notamment des méthodes issues de l’apprentissage machine (arbre min-max, apprentissage par renforcement, ressource assignement scoring, optimisation combinatoire). Ce point n’est cependant pas le cœur du travail, et nous sélectionnerons la méthode qui donne les meilleurs résultats, sans chercher à l’améliorer au début. Il pourra néanmoins constituer, pour l’étudiant.e, une opportunité d’échange de pratiques avec les communautés scientifiques s’appuyant régulièrement sur les jeux.
Plus le jeu est complexe, plus il peut devenir important de modéliser les choix plausibles des joueurs, selon les objectifs propres à chaque joueur (objectifs de collaboration ou de recherche de victoire individuelle par exemple) allant de choix « atomiques » jusqu’à des stratégies de jeu. Nous allons explorer des approches de modélisation explicite telles que [Scanagatta] ; le recours à des approches simples d’apprentissage machine est également envisageable [Reis].
La validation expérimentale peut en partie se faire in silico, mais une validation grandeur nature, avec de vrais joueurs, est bien entendu indispensable. L’équipe a déjà expérimenté quelques-uns de ses jeux avec différents publics, dont un café de jeux à Grenoble.
Selon l’avancement du stage / de la thèse et les intérêts de l’étudiant.e, plusieurs ouvertures sont possibles pour la deuxième phase ; nous en citons trois.

• Premièrement, outre le développement des approches de calibration, l’étudiant.e pourra participer à la conception de nouveaux jeux, que ce soient des jeux minimaux pédagogiques ou des jeux de modélisation participative utilisés dans des vraies démarches participatives avec des territoires partenaires de l’équipe
• Deuxièmement, développer des méthodes pour passer d’un modèle numérique continu et précis (par exemple une analyse de flux de matières entre plusieurs secteurs socio-économiques) à un modèle discret et moins précis (par exemple comprenant moins de secteurs, typiquement en agrégeant des secteurs du modèle numérique initial) pouvant être joué sur un plateau avec des objets tangibles. Il s’agit d’une problématique particulière de simplification de modèle, avec comme objectif à atteindre un bon compromis entre précision et « jouabilité ».
• Finalement, une recherche se rapprochant plus des sciences cognitives : mise en place et application de protocoles expérimentaux qui visent à évaluer ce que l’expérience d’un jeu « produit » chez les joueurs, que ce soit en termes de compréhension d’un enjeu socio-environnemental ou concernant un éventuel changement d’attitude face à ces enjeux, à des acteurs socio-économiques impliqués ou encore à des actions de mitigation ou adaptation proposées. Nous pouvons d’ores et déjà identifier de potentielles pistes pour ce dernier point au sein de la psycho-phénoménologie, et notamment les entretiens d’explicitation.

Encadrants, candidature

Ce travail sera encadré par Mathilde Boissier, Serge Fenet, Nils Ferrand et Peter Sturm.
Pour candidater, envoyer un mail à peter.sturm[at]inria.fr, avec votre CV et une lettre de motivation.

Bibliographie

Bibliographie de l’équipe en lien avec le sujet :
[1] N. Ferrand, E. Hassenforder, W. Aquae-Gaudi. L’approche COOPLAGE – Quand les acteurs modélisent ensemble leur situation, principes ou plans pour décider et changer durablement, en autonomie. Sciences Eaux & Territoires, no. 35, pp. 14-23, 2021. https://revue-set.fr/article/view/6977

[2] https://steep.inria.fr/STEEP__supplementary/Global_Systemic_Risks_Fresco.pdf

[3] L. Viénot. Démonstrateurs pour l’analyse d’alternatives socio-techniques, Mémoire M2, École Polytechnique, September 2022, https://inria.hal.science/hal-03867864

[4] M. Boissier et al. Designing Serious Games to understand the challenges of the Anthropocene, ICED 2023 – 24th International Conference on Engineering Design, Juillet 2023, https://inria.hal.science/hal-03975671v1

Bibliographie externe : travaux directement liés au sujet

D. Altimira et al. Enhancing player engagement through game balancing in digitally augmented physical games. International Journal of Human-Computer Studies, 103:35-47, 2017.

N. Becu. Les courants d’influence et la pratique de la simulation participative : contours, design et contributions aux changements sociétaux et organisationnels dans les territoires. HDR La Rochelle Université, 2020.

S. Reis et al. Game Adaptation by Using Reinforcement Learning Over Meta Games. Group Decision and Negotiation, 30(2):321-340, 2021.

M. Scanagatta et al. Calibration of Game Dynamics for a More Even Multi–Player Experience. Proceedings of the 25th International Conference on Intelligent User Interfaces, 2020.

Bibliographie externe plus large : autres travaux dont nous pourrons nous inspirer

S. Demediuk et al. Monte Carlo tree search based algorithms for dynamic difficulty adjustment. IEEE Conference on Computational Intelligence and Games, 2017.

R. Khoshkangini et al. Automatic generation and recommendation of personalized challenges for gamification. User Modeling and User-Adapted Interaction, 31(1):1-34, 2021.

D. Kristan et al. Creating Competitive Opponents for Serious Games through Dynamic Difficulty Adjustment. Information, 11(3):156, 2020.

A. Streicher et J.D. Smeddinck. Personalized and Adaptive Serious Games. Entertainment Computing and Serious Games, 9970:332-377, 2016.

P. Weiser et al. A Taxonomy of Motivational Affordances for Meaningful Gamified and Persuasive Technologies. Advances in Computer Science Research, 2015.

M. Zohaib. Dynamic Difficulty Adjustment (DDA) in Computer Games: A Review. Advances in Human-Computer Interaction, 2018.