結果

5.4.1 作成されたゲーム 

3 回のワークショップを通じて設定されたテーマは計 13 件あった．その内，プラット フォームに実装された 9 件を表  5-2 に示す．タイトルと概要はゲームオーナがゲームの説 明として記述したものである． 

それぞれのゲームは，課題に対する参加者による解決のプロセスである．例えば，世代 というタイトルのゲームでは，地域や身の回りにおける世代間のつながりが希薄になって

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

いるという課題に対して取り組むゲームである．この課題は 1 つの世代だけで解決できる 問題ではない．そのため，ワークショップに参加した様々な年代の人々が，自分とは異な る世代との接点を持つこと，その経験をゲーム参加者間で共有するというコラボレーショ ンを通じて，課題に対するより深い共通認識を得ることを目的とする．今回，設計された 行動は，その課題解決のための最初のプロセスになると考えられる． 

参加人数とツイート数との関係を  図  5-10 に示す．参加人数とツイート数の間には有意 な相関は見られなかった（Pearsonʼs r=0.028, p=0.94） 

表 5-2 ゲーム内容説明 

タイトル  参加人数  ツイート数  概要 

世代  6  89  自らがつながりのないコミュニティに積極 的に入っていく．その経験をツイートす る． 

Good Deed  Story 

14  146  良いことを広げる．とにかく見つけた良い ことをツイートする． 

アサハピ  7  104  朝をイキイキと過ごして，自己実現．社会 とのつながりを強め，皆が充実した毎日を おくれる． 

Play Museum  14  55  いつも Museum のある生活を楽しむ． 

World Family  8  91  人類みな家族．テーマを決めて，世界の人 が写真付きツイートをする． 

エコサバイバル  6  14  より快適な節電方法を競い合う． 

ロジハナ  11  56  路地に咲く花のように，身のまわりにある 花のフォトをツイッターにアップしましょ う． 

イケてるご老人 トーク 

7  9  ご老人コミュニティで聞いた，ぐっと来る 話を tweet します．近所のご老人スポット に関する tweet でも可． 

褒め褒め  7  263  個人の良いことや自分自身の善い行いをツ イートして褒めちぎり合う． 

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

図 5-10 参加人数とツイート数の関係   

5.4.2 作成されたゲームにおける行動の持続 

次に，各ゲームにおける行動の持続性を示す．図  5-11 に各ゲームの開始から 1 週目ま でのツイートとリツイートの合計数を横軸に，2 週目から 4 週目までのツイートとリツ

1"

10"

100"

1000"

1" 10" 100" 1000"

24#

1

Good"Deed"Story

World"Family Play"Museum

図 5-11 ゲーム開始 1 週間とその後 3 週間のツイート数比較 

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

イートの合計数を縦軸に示す．ゲーム間でのツイート数にばらつきが大きかったため，対 数軸を用いて図示した．  図  5-11 から，ゲーム開始後 2 週目以降の行動量は最初の 7 日間 の行動量と強い相関があることがわかった（Pearsonʼs  r=0.93,  p<0.01）．「褒め褒め」

ゲームと「Good  Deed  Story」は，ゲーム開始から 1 週間が経過したあとも 100 件以上の ツイートとリツイートが起きており，行動の持続が見られる．一方，「イケてるご老人 トーク」や「エコサバイバル」では 10 件程度の行動しか行動が起きておらず，行動が持続 していない．この点から，行動の持続性という観点では，「褒め褒め」と「Good  Deed  Story」が自発的コラボレーションを支援できており，「イケてるご老人トーク」や「エコ サバイバル」は支援できていない結果となった． 

図 5-12 に，各ゲームの開始後 1 週間おける，1 ツイート当たりの平均リツイート数を示 す．図  5-12 から，「褒め褒め」と「Good  Deed  Story」の 2 つのゲームは，平均して 1 ツイートに対して 1 回以上のリツイートが行われていたことがわかる．つまり平均すると すべての行動に対して 1 つ以上のフィードバックが行われていた．その他のゲームでは，

平均リツイート数はツイート当たり 1 回以下であり，フィードバックが得られなかった行 動が多数あったことがわかる．この結果から，「褒め褒め」と「Good  Deed  Story」は，

フィードバックによる意味付けが機能し，行動の持続性の意味でも支援が成功した事例で あることがわかる． 

以上の結果から，課題を共有する当事者が，自己組織的に課題解決に向けたプロセスを ゲーム化するという設計の点においては，ゲーム化され実際の行動が行われた 9 件のゲー ムは成功したと言える．一方で，ゲーム化された自発的コラボレーションのうち，行動の 意味付けというフィードバックを得て持続的な行動が促進された成功ケースは，「褒め褒 め」と「Good  Deed  Story」であることがわかった．そこで次節にて，参加人数と比較し て，多くの行動が発生した「褒め褒め」に着目し，そのゲーム内での行動を示す．さらに 社会ネットワークの視点から，リツイートによるフィードバックによって得られた社会 ネットワークの変化を示す． 

1

図 5-12 開始後 1 週間における 1 ツイート当たりの平均リツイート数 

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

5.4.3 ゲーム内での行動 

作成されたゲームのうち，持続性が見られ，行動へのフィードバックによる意味付けが 多かった，「褒め褒め」というテーマについて，ゲームを通じたユーザの行動を Twitter のログ分析から示す．さらに，ログ分析から見られた行動の意味を把握するために，「褒 め褒め」ゲームの参加者に補足的に実施したインタビューの内容を示す．このゲームは，

「他人の良いことや自分自身の善い行いをツイートすることで，他人や自らの良いことを 気づきあい，共有しあうことで世界平和に寄与する」というゲームである．以下にツイー ト数変化，実際のツイート例，リツイートによって形成されたユーザネットワークを示す． 

5.4.3.1 時系列でのツイート数の変化 

図  5-13 に「褒め褒め」ゲームのツイートとリツイート数の累積変化を示す．最初の 1 週間でのツイート数は 38 件，リツイート数は 70 件であった．その後，1 ヶ月後までにツ イート 66 件，リツイート 135 件となり増加率は低下しているが，継続して行動がなされ ていたことが分かる．ゲーム開始直後に関して，参加者へのインタビューから，「開始直 後は頻繁にゲーム状況を気にしており，そのタイミングで他の参加者の行動をみるとそれ に刺激をうけ，自身も行動を行う」というコメントが得られた． 

5.4.3.2 実際のツイート例 

ゲーム開始から 1 週間の間に，フィードバック（リツイート）が多かったツイートには 以下のようなものがあった．各ツイートに対してそれぞれ 4 名からフィードバックがあっ た． 

/

図 5-13 褒め褒めゲームにおける累積ツイート数変化 

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

• #realhomeru 褒めることについて考えてみました．会社にいつもふくれっ面の方がいま す．彼を笑顔にさせてみたいのですが，良い言葉がみつかりません．褒めてみてもあた りまえじゃん!のお返事．ふくれっ面でいられるとこちらも嫌な気持ちがするし笑顔でい て欲しい．  

• #realhomeru 褒めることって，奥が深い．私たちはどんな人を褒めたいと思うのだろう か．良い関係を作りたいと思うから，褒めるのだろうか．助けたいから，褒めるのだろ うか．気を引きたいから褒めるのだろうか． 

ゲームで共有されたツイート内容に関して，参加者へのインタビューから，「人が投稿 した内容を読んで，気づきを得て，モチベートされ行動した」というコメントが得られた． 

5.4.3.3 リツイートによって形成されたユーザネットワーク 

図  5-14 に，リツイート関係を示したネットワーク図を示す．ノードがユーザ，エッジ は矢印元ユーザが矢印先のユーザへリツイートしたことを表し，エッジの太さはリツイー ト回数に比例して描画されている．3 つのネットワークそれぞれゲーム開始後の 1 週間

（左），2 週目から 4 週目（中），5 週目以降（右）に分けて示す．表  5-3 にツイート人 数，リツイート数，ネットワーク密度 [73]，クラスタリング係数 [73] を示す．ネットワー ク密度はノード数から求められる理論的なエッジの最大数に対する実際のエッジの数の割 合である．ネットワーク密度𝐷はネットワークのノード数𝑁，エッジ数𝐸の時，式 5-1 から 算出される． 

𝐷

=

図 5-14 褒め褒めゲームにおけるリツイートネットワークの形成 

第 5 章 ゲーミフィケーションを活用した自発的コラボレーション支援の検証 

開始後の 1 週間に形成されたフィードバックネットワークは，ネットワーク密度が 0.9，

凝集性を表すクラスタリング係数が 1.00 となり，密なネットワークが形成されていた．

フィードバックをするユーザ，フィードバックされるユーザに偏りはなく，1 週間のうち にほぼ全てのユーザが他の全てのユーザに対してフィードバックを行っていた．その後 2 週目から 4 週目までも同程度のフィードバックが存在し，ネットワーク密度が 0.8，クラ スタリング係数も 0.87 となっている．しかし，5 週目から 12 週目までは，行動したユー ザが 1 名減少し，フィードバック数はほぼ半減した．ネットワーク密度は 0.5 となり，ク ラスタリング係数は 0.8 となった．参加者へのインタビューから，1 ヶ月をすぎたところ から，身の回りでツイートできることが限られてきたため，ツイートの継続が難しくなっ たというコメントが得られた．これは，5 週目以降のネットワークがそれ以前と比べて参 加者数の減少とフィードバックが疎になっていることとも整合している． 

以上の結果から，9 件のゲームの中で，最も行動が多かった「褒め褒め」では，最初の 1 か月間は参加者が積極的に行動とフィードバックを行うことができており，活動の設計 が成功していたと言える．また，相互に活動の意味付けを行い，正しく活動できているこ とをフィードバックすることで，行動の持続が見られた．さらに，そのようなフィード バックにより，密な社会ネットワークの構築も行えていたことがわかった．