šŸ’» 4. SADAÄ»A: DIGITĀLIE EKSPERIMENTI

šŸŽ®āš™ļøšŸ”¬

Mini-spēļu modificÄ“Å”ana kā RTD

Parametru eksperimenti!

šŸŽ® 14 Mini-Games

Ready-made prototypes ar modificējamiem parametriem

šŸ”§ Parameter Testing

Hypothesis ā†’ Change ā†’ Test ā†’ Reflect methodology

šŸ“Š Data Collection

Systematic recording of insights and discoveries

"Lieliski - tagad pārejam no papÄ«ra uz digitālo laboratoriju. Å Ä« ir ceturtā sadaļa - Digitālie eksperimenti. Te mēs vairs tikai nezÄ«mēsim idejas, bet mainÄ«sim parametrus reālās mini-spēlēs un novērosim, kā Ŕīs izmaiņas ietekmē spēlētāja pieredzi. Mēs strādāsim ar 14 mazām spēlēm - katra no tām ir prototips, kur var precÄ«zi pielāgot vienu vai vairākus parametrus: ātrumu, gravitāciju, izvēļu redzamÄ«bu, gaismu, skaņu, laika spiedienu un citus. Galvenā metode paliek tā pati RTD formula: Hipotēze ā†’ Izmaiņa ā†’ Tests ā†’ Refleksija. Un Å”oreiz mēs arÄ« reÄ£istrēsim datus - gan mērāmus (piemēram, laiks, kļūdas, biežums), gan emocionālus (ko spēlētājs izjuta un kā reaģēja). Citiem vārdiem - digitālie eksperimenti ļauj mums apvienot radoÅ”umu ar precizitāti. Tātad, gatavojieties - tagad mēs sāksim testēt un mērÄ«t, kā mazākās dizaina izmaiņas rada lielas atŔķirÄ«bas pieredzē."

šŸŽ® Pieejamās Research Lab spēles

šŸŽØ Spēles dizaina pamati (1-8)

šŸŽ® 1. Spēles sajÅ«tu laboratorija

Platformer physics testing ar regulējamiem kustības parametriem

šŸŽ® Play & Modify

šŸ—ļø 2. LÄ«meņu dizaina smilÅ”kaste

Radiet līmeņus un testējiet sarežģītības ietekmi

šŸ—ļø Build & Test

šŸ“– 3. Izvēle un sekas

Visual novel ar morālajām izvēlēm un sekām

šŸ“– Explore Stories

šŸ‘ļø 4. Emociju izraisÄ«tājs

Horror/tension atmosphere testing emociju pētÄ«Å”anai

šŸ‘» Test Fear

āš–ļø 5. Sociālā dilemma

Morālās dilēmas laika spiedienā

šŸ¤” Test Ethics

šŸŒŒ 6. Fizikas rotaļlieta

Fizikālā smilÅ”kaste ar daļiņām un interakciju

šŸ”¬ Physics Lab

šŸŽÆ 7. Temps un atlÄ«dzÄ«ba

KlikŔķinātājs atlÄ«dzÄ«bas sistēmas pētÄ«Å”anai

šŸ† Test Motivation

šŸ‘ļø 8. Vizuālā kontrasta tests

Atrodiet atŔķirÄ«gos objektus - uztveres pētÄ«Å”ana

šŸŽØ Test Vision

šŸ”¬ Dziļāka izpēte (9-14)

šŸƒā€ā™‚ļø 9. Pirmās personas sajÅ«tu laboratorija

3D vide FOV, apgaismojuma un kustÄ«bas pētÄ«Å”anai

šŸƒ Test Presence

šŸš— 10. SacÄ«kÅ”u fizikas smilÅ”kaste

Izpētiet ātruma, berzes un vadības sajūtu

šŸŽļø Race & Test

šŸ’€ 11. Å ausmu koridora eksperiments

3D Å”ausmu koridors trauksmes un atmosfēras pētÄ«Å”anai

šŸ˜± Test Horror

šŸ§­ 12. Telpiskās atmiņas labirints

3D labirints orientācijas un atmiņas testiem

šŸ—ŗļø Navigate

šŸ•¹ 13. 3D fizikas rotaļlaukums

Metiet objektus un novērojiet 3D fizikas efektus

šŸŽ® Throw & Play

šŸŽÆ 14. Precizitātes un reakcijas laboratorija

FPS trenažieris precizitātes un atbildes laika pētÄ«Å”anai

šŸŽÆ Train Aim
"Å ajā sadaļā jÅ«s redzēsiet, cik plaÅ”as ir mÅ«su iespējas RTD digitālajā laboratorijā. Mums ir 14 mini spēles, kas aptver visu - no fizikas un emocijām lÄ«dz morālei un uztverei. Pirmās astoņas koncentrējas uz spēles dizaina pamatiem - kustÄ«bu, lÄ«meņu struktÅ«ru, izvēlēm, atmosfēru, motivāciju un redzes uztveri. Piemēram: - Spēles sajÅ«tu laboratorija ļauj jums testēt kustÄ«bas parametrus platformerā, - Izvēle un sekas - morālo lēmumu ietekmi, - Temps un atlÄ«dzÄ«ba - kā spēlētājus motivē atalgojuma biežums, - un Vizuālā kontrasta tests - kā acs uztver atŔķirÄ«bas. Otrā daļa, no 9. lÄ«dz 14. spēlei, iet dziļāk - pirmās personas sajÅ«tas, sacÄ«kÅ”u fizika, Å”ausmu atmosfēra, orientācija, 3D fizika un reakcijas tests. Katrā no Ŕīm spēlēm varat mainÄ«t parametrus, testēt un pierakstÄ«t rezultātus - tā ir jÅ«su RTD laboratorija praksē. Citiem vārdiem - Ŕīs mini spēles ir jÅ«su instrumenti, lai veidotu hipotēzes, pārbaudÄ«tu tās un atrastu jaunas dizaina atziņas."

āš–ļø Digitālie vs PapÄ«ra prototipi RTD

šŸ“ PapÄ«ra prototipi:

āš” Ātrums: 5 min lÄ«dz testējamam
šŸ’° Cena: GandrÄ«z bez izmaksām
šŸ¤ Collaboration: Visi var zÄ«mēt
šŸŽÆ Focus: Core mechanics
āŒ Ierobežojumi: No real-time feedback

šŸ’» Digitālie rÄ«ki:

šŸ”§ PrecÄ«zums: Exact parameter control
šŸ“Š Dati: Automatic logging
šŸ”„ Iteration: Real-time changes
šŸ“ˆ Analytics: Player behavior tracking
āš™ļø Complexity: Can test advanced interactions

šŸ¤” RTD Value:

Digitālie rīki ļauj precise hypothesis testing ar measurable outcomes!

"Tagad salÄ«dzināsim divas RTD pieejas - papÄ«ra prototipus un digitālos rÄ«kus. PapÄ«ra prototipi ir lieliski agrÄ«nai ideju izpētei - tie ir ātri, lēti un ļauj iesaistÄ«t visus komandas locekļus. Tie palÄ«dz fokusēties uz pamatmehāniku, bez tehniskām detaļām. Bet tiem ir ierobežojumi - nav reāllaika reakcijas vai precÄ«zu datu. Digitālie prototipi, savukārt, piedāvā precizitāti un mērāmÄ«bu. Te mēs varam mainÄ«t parametrus ar precÄ«zām vērtÄ«bām, iegÅ«t automātiskus datus, izsekot spēlētāju uzvedÄ«bai un analizēt sarežģītākas mijiedarbÄ«bas. Citiem vārdiem - ja papÄ«rs palÄ«dz izdomāt ideju, tad digitālie rÄ«ki ļauj pārbaudÄ«t hipotēzi. RTD skatÄ«jumā tie nav pretēji, bet papildina viens otru: vispirms tu domā ar roku, tad pārbaudi ar datiem. Un tieÅ”i Å”eit sākas mÅ«su nākamie eksperimenti - digitālā precizitāte kā mācÄ«Å”anās instruments."

šŸš§ Digitālie Eksperimenti - Turpinājums

šŸƒ Game Feel Lab: Physics parameters testing
šŸ’­ Choice & Consequence: Decision systems
šŸ˜± Emotion Trigger: Horror mechanics
šŸ“Š Parameter Dashboard: Live demonstrations
šŸ”€ Cross-Game Analysis: Universal patterns
šŸ“ˆ Data Collection: Methods and tools
šŸ”¬ Scientific Rigor: Avoiding biases
šŸ‘„ Collaborative Sessions: Group experiments
"Tātad, ko mēs darÄ«sim tālāk Å”ajā sadaļā? Å Ä« daļa bÅ«s pilna ar praktiskiem digitālajiem eksperimentiem - mēs pārbaudÄ«sim, kā parametru izmaiņas ietekmē spēlētāja sajÅ«tu, emocijas un lēmumus. Sāksim ar Game Feel Lab, kur testēsim fizikas parametrus - ātrumu, gravitāciju, inerci. Tad pāriesim pie Choice & Consequence - morālo izvēļu sistēmu pētÄ«Å”anas. BÅ«s arÄ« Emotion Trigger eksperiments - kā bailes, gaisma un skaņa rada spriedzi. Paralēli izmantosim Parameter Dashboard demonstrācijas, kur jÅ«s redzēsiet, kā viss mainās reāllaikā, un vēlāk veiksim Cross-Game analÄ«zi, meklējot universālus dizaina modeļus. Runāsim arÄ« par datu vākÅ”anu un zinātnisko precizitāti - kā izvairÄ«ties no aizspriedumiem un nodroÅ”ināt, ka eksperiments tieŔām dod uzticamus rezultātus. Un visbeidzot - jÅ«s paÅ”i piedalÄ«sieties grupu eksperimentos, kur katra komanda testēs atŔķirÄ«gu spēli un parametru. Citiem vārdiem - Ŕī sadaļa ir vieta, kur teorija beidzot kļūst par datu un pieredzes kombināciju."

šŸƒ Game Feel Lab: Physics & Control

šŸ”¬ Research Focus:

"Kā physics parameters ietekmē player control sensation un emotional engagement?"

āš™ļø Key Parameters:

  • moveSpeed: 1-10 (player velocity)
  • jumpForce: 5-20 (jump height)
  • gravity: 5-25 (falling speed)
  • inputDelay: 0-200ms
  • friction: 0.1-0.9
  • cameraSmooth: 0-1 (follow delay)

šŸŽÆ Research Questions:

"Vai ātrāks moveSpeed = better control feeling?"
"Cik input delay ir acceptable līdz 'broken' feel?"
"Kā gravity ietekmē stress vs excitement?"

šŸ§Ŗ Experiment Protocol:

  1. Baseline test: default parameters
  2. Modify ONE parameter
  3. A/B test ar 3-5 participants
  4. Record: completion time, deaths, emotional reactions
  5. Reflect: kāpēc results tādi?
"Tagad mēs sākam pirmo digitālo eksperimentu - Game Feel Lab. Å eit pētÄ«sim, kā fizikas parametri ietekmē spēles vadÄ«bas sajÅ«tu un emocionālo iesaisti. PētÄ«juma jautājums: kas tieÅ”i rada to ā€˜pareizoā€™ sajÅ«tu, kad spēle Ŕķiet atbildÄ«ga, plÅ«stoÅ”a un patÄ«kama? Mēs testēsim vairākus parametrus: - kustÄ«bas ātrumu, - lēciena spēku, - gravitāciju, - ievades aizturi, - berzi un kameras kustÄ«bas plÅ«dumu. Katrā testā mainiet tikai vienu parametru, lai varētu novērot skaidru atŔķirÄ«bu. Piemēram: Vai ātrāks moveSpeed dod labāku sajÅ«tu vai haosu? Cik lielu input delay spēlētāji panes, pirms kontrole Ŕķiet ā€˜salauztaā€™? Un kā gravitācija maina spriedzi - vai tā palielina stresu vai azartu? Eksperimenta protokols ir vienkārÅ”s: vispirms baseline ar noklusētajiem parametriem, tad mainiet vienu vērtÄ«bu un veiciet A/B testu ar 3-5 cilvēkiem. Pierakstiet completion time, kļūdas un emocijas - un pēc tam reflektējiet: kāpēc tieÅ”i tā notika? Å is ir klasisks RTD cikls - veido, testē, reflektē, pārveido. Tātad - sagatavojiet spēli un dalÄ«bniekus. Mums ir 20 minÅ«tes. Sāksim Game Feel eksperimentu!"

šŸŽ® Game Feel - Live Experiment

šŸ“Š Hypothesis Testing Framework

Hypothesis Template: "Ja mēs mainīsim [PARAMETER] no [VALUE A] uz [VALUE B], tad players jutīs [EXPECTED CHANGE] jo [REASONING]"

šŸ§Ŗ Test 1: Gravity Impact

Hypothesis: "Ja mēs palielināsim gravity no 10 uz 20, players jutīs vairāk stress, jo ātrāk falling = less time to react"

šŸ“‹ Observation Sheet:

  • ā±ļø Completion time: _____ seconds
  • šŸ’€ Death count: _____ times
  • šŸ˜¤ Stress level (1-10): _____
  • šŸŽ® Control satisfaction: _____/10
  • šŸ’­ Comments: _________

šŸ§Ŗ Test 2: Input Delay

Hypothesis: "Ja mēs pievienojam 100ms input delay, players jutīsies 'disconnected' from character"

šŸ“‹ Observation Sheet:

  • āš” Response feeling: Instant/Delayed
  • šŸŽÆ Precision tasks: Easy/Hard
  • šŸ˜” Frustration level: _____/10
  • šŸ”„ Adaptation time: _____ min
  • šŸ“ Verbal reactions: _______

šŸ‘„ Grupas darbs: Katrai grupai assign different parameter values, compare results!

"Tagad veiksim praktisku Game Feel testu - laiks redzēt, kā nelielas parametru izmaiņas tieŔām maina sajÅ«tu. Mēs izmantosim klasisku RTD pieeju - hipotēze ā†’ tests ā†’ novērojums ā†’ refleksija. Izmantojiet Å”o vienkārÅ”o formulu: ā€˜Ja mēs mainām [parametru] no [A] uz [B], tad spēlētājs jutÄ«s [paredzamo izmaiņu], jo [iemesls].ā€™ Piemēram, pirmais tests - Gravity Impact. Ja mēs palielinām gravitāciju no 10 uz 20, spēlētājs, visticamāk, jutÄ«s vairāk stresa, jo mazāk laika reaģēt. Pierakstiet visu: cik ilgs bija completion time, cik nāvju, kāds bija stresa lÄ«menis, un kā viņi raksturoja vadÄ«bas sajÅ«tu. Otrais tests - Input Delay. Ja ievades aizture ir 100 milisekundes, spēlētājs jutÄ«sies atvienots no tēla - it kā viņŔ ā€˜nesadzirdētuā€™ komandas. Novērojiet, kā mainās precizitāte, frustrācija un cik ilgi vajadzÄ«gs, lai pierastu. Å is ir grupu darbs - katrai grupai bÅ«s savs parametrs. Pēc tam mēs salÄ«dzināsim rezultātus, lai redzētu, kuras izmaiņas visvairāk ietekmēja sajÅ«tu. Atcerieties - mērÄ·is nav uzvarēt spēlē, bet uzzināt, kā spēle jÅ«tama. Tātad - sāksim live testu un pierakstÄ«sim savus atklājumus!"

šŸ’­ Choice & Consequence Lab

šŸŽÆ Research Focus:

"Kā choice presentation un consequences ietekmē player agency feeling un moral engagement?"

šŸ”§ Available Parameters:

  • choiceCount: 2-5 options
  • timeLimit: 5-60 seconds
  • consequenceVisibility: Hidden/Preview/Full
  • emotionalTone: Neutral/Aggressive/Caring
  • choiceImpact: Cosmetic/Meaningful

šŸ” Expected Insights:

"Choice paralysis" threshold discovery
Time pressure effects uz moral decisions
Meaningful vs illusion of choice
Agency perception vs actual impact

šŸ§Ŗ A/B Testing Protocol:

  1. Version A: 2 choices, 30 sec limit, visible consequences
  2. Version B: 4 choices, 10 sec limit, hidden consequences
  3. Measure: decision time, satisfaction, regret, agency feeling
šŸŽ¤ Runas versija - "Choice & Consequence Lab" "Tagad pārejam pie nākamā digitālā eksperimenta - Choice & Consequence Lab. Å eit pētām, kā izvēles forma un sekas ietekmē spēlētāja sajÅ«tu par kontroli un morālo iesaisti. PētÄ«juma jautājums: kā izvēļu prezentācija maina mÅ«su aÄ£ences izjÅ«tu - vai mēs jÅ«tam, ka lēmums ir nozÄ«mÄ«gs, vai tikai dekoratÄ«vs? Mēs testēsim vairākus parametrus: - izvēļu skaitu (2 lÄ«dz 5), - laika ierobežojumu, - seku redzamÄ«bu - slēptas, priekÅ”skatāmas vai pilnÄ«bā redzamas, - emociju toni - neitrāls, agresÄ«vs, rÅ«pÄ«gs, - un to, vai izvēles tieŔām maina spēli vai tikai izskatās nozÄ«mÄ«gas. Å odien testēsim divas versijas: A - divas izvēles, 30 sekunžu limits, redzamas sekas; B - četras izvēles, tikai 10 sekundes, un sekas slēptas. Mērām - cik ātri cilvēki izvēlas, cik apmierināti viņi jÅ«tas, vai rodas nožēla, un cik spēcÄ«gi viņi jÅ«t, ka lēmums bija ā€˜patiessā€™. Å is eksperiments ļaus mums saprast choice design robežas - cik daudz informācijas spēlētājam patiesÄ«bā vajag, lai lēmums Ŕķistu Ä«sts. Tātad - 15 minÅ«tes, divas versijas, viena refleksija. Sāksim Choice & Consequence Lab!"

šŸ˜± Emotion Trigger Lab: Fear & Tension

šŸŽÆ Research Question:

"Kuri environmental parameters rada optimal scary experience bez overwhelming fear?"

šŸŒ‘ Atmosphere Parameters:

  • lightLevel: 0.1-1.0 (darkness)
  • soundFrequency: 5-60s intervals
  • musicTempo: 60-120 BPM
  • colorSaturation: 0-100%
  • jumpscareDelay: 10-120s

šŸ“Š Measurement Methods:

šŸ“ˆ Subjective fear: 1-10 rating
ā±ļø Reaction time: milliseconds
šŸ’“ Physiological: breathing, tension
šŸ—£ļø Verbal: gasps, comments

šŸ§Ŗ 3-Condition Experiment:

šŸ‘„ Katrai grupai different lighting, compare fear ratings!

"Tagad - Emotion Trigger Lab. MērÄ·is: atrast optimālu bailes/ spriedzes lÄ«meni, nevis vienkārÅ”i izbiedēt lÄ«dz galam. PētÄ«juma jautājums: kuri vides parametri rada labāko ā€˜scary, bet panesamuā€™ pieredzi? Mēs mainÄ«sim: gaismas lÄ«meni, skaņu biežumu, mÅ«zikas tempu, krāsu piesātinājumu un jumpscare kavējumu. Atceramies - mainām vienu parametru vienā reizē. Eksperimenta dizains: trÄ«s gaismas apstākļi - šŸŒ‘ 0.2 (tumÅ”s), šŸŒ“ 0.5 (vidējs), šŸŒ• 0.8 (gaiÅ”s). Katrai grupai savs apgaismojums, pārējie parametri baseline. Ko mēram: - SubjektÄ«vās bailes (1-10), - reakcijas laiku uz pēkŔņiem notikumiem, - Ä«sas verbālās reakcijas ("uh!", smiekli, klusums), - ja iespējams, elpas/ spriedzes paÅ”novērtējumu. Pēc skrējiena uzreiz pierakstiet novērojumus: Tumsa + retas skaņas vai vidēja gaisma + biežāks audio - kas dod labāku spriedzes ā€˜vilniā€™ bez pārslodzes? Ētika: ja kādam neērti, izlaižam - labs dizains nebalstās uz pārmērÄ«gu diskomfortu. 10 min testam + 5 min salÄ«dzināŔanai. Sāksim - kura gaisma strādā vislabāk?"

šŸ“Š Live Parameter Dashboard

šŸŽ›ļø Real-time Parameter Control

Demonstrācija: kā parameters ietekmē player experience real-time!

šŸŽ® Game Feel Controls:

5
12
15

šŸŽ­ Emotion Controls:

50%
20s
40%

šŸ“‹ Live Observation:

šŸŽ® Play & Modify

Kamēr docents maina parametrus, novērojiet savu emotional response un record it!

"Tagad apskatÄ«sim dzÄ«vo parametru paneli - jeb vietu, kur jÅ«s redzat, kā dizaina izmaiņas reāllaikā maina spēlētāja pieredzi. Å eit mums ir divi vadÄ«bas bloki - Game Feel un Emotion Controls. Game Feel daļā varam regulēt kustÄ«bas ātrumu, lēciena spēku un gravitāciju - tieÅ”i tie parametri, kas nosaka, cik ā€˜precÄ«zaā€™ vai ā€˜smagnējaā€™ Ŕķiet vadÄ«ba. Emotion sadaļā redzams, kā gaismas lÄ«menis, skaņu biežums un krāsu siltums ietekmē emocionālo toni - cik spriegta vai mierÄ«ga jÅ«tas pasaule. Tagad es mainÄ«Å”u dažus parametrus reāllaikā, un jÅ«su uzdevums ir vērot savu reakciju. Kā mainās sajÅ«ta, kad kustÄ«ba kļūst ātrāka? Vai gravitācija rada vairāk stresa vai kontroli? Vai gaismas samazināŔana uzreiz liek just spriedzi? Pierakstiet, ko pamanāt - tas ir tieÅ”ais RTD brÄ«dis. Mēs Å”eit burtiski redzam, kā dati pārvērÅ”as emocijās, un emocijas - atziņās. Tātad - kamēr mainām parametrus, novērojiet, kā mainās jÅ«su Ä·ermenis, uzmanÄ«ba un noskaņojums."

šŸ”€ Cross-Game Parameter Patterns

šŸŽÆ Meta-Research Question:

"Vai parametru effects ir universal across game types, or context-dependent?"

šŸ“Š Comparison Matrix

Parameter Platformer Effect Horror Game Effect VN Effect
Time Pressure Skill challenge Panic amplifier Moral compromise
Visual Contrast Clarity & precision Visibility tension Mood & tone
Choice Count Control options Escape routes Agency feeling

šŸ¤” Discussion:

Kuri effects Ŕķiet universal? Kuri context-specific? Ko tas mums māca par game design principles?

"Tagad ejam vienu soli augstāk - uz meta-lÄ«meni. Mēs esam testējuÅ”i parametrus dažādos kontekstos: kustÄ«bā, spriedzē, morālajās izvēlēs. Bet jautājums ir - vai Å”ie efekti ir universāli, vai atkarÄ«gi no spēles žanra un konteksta? Å ajā matricā redzam trÄ«s piemērus: Time Pressure - platformerā rada izaicinājumu un tempu, bet Å”ausmu spēlē tas pārvērÅ”as panikā, savukārt visual novel žanrā - morālā spriedzē. Visual Contrast - vienā gadÄ«jumā palÄ«dz precizitātei, citā rada redzamÄ«bas spriedzi vai atmosfēru. Un Choice Count - vairāk izvēļu platformerā nozÄ«mē kontroli, Å”ausmu spēlē - glābÅ”anās ceļus, bet naratÄ«vajā spēlē - sajÅ«tu, ka tava balss patieŔām svarÄ«ga. RTD skatÄ«jumā Ŕī salÄ«dzināŔana ir bÅ«tiska - tā parāda, kā viens dizaina princips var izpausties atŔķirÄ«gi atkarÄ«bā no konteksta. Tāpēc padomājiet: kuri efekti jums Ŕķiet universāli - piemēram, "ātrums = spriedze"? Un kuri - tikai konkrētajā žanrā? Šādi salÄ«dzinājumi palÄ«dz formulēt spēļu dizaina likumsakarÄ«bas, kas rodas nevis no teorijas, bet no eksperimenta. Tātad - apspriedÄ«sim: ko Å”ie piemēri māca par dizaina principiem kopumā?"

šŸ“Š RTD Data Collection Methods

šŸ“ˆ Quantitative Data:

  • ā±ļø Completion times: Speed metrics
  • āŒ Error rates: Deaths, mistakes, retries
  • šŸŽÆ Choice distributions: Option popularity
  • šŸ‘† Input patterns: Clicks, taps, frequency
  • āŖ Replay behavior: When players retry
  • šŸ“ Attention tracking: Where players look

šŸ’­ Qualitative Data:

  • šŸ—£ļø Verbal reactions: "Oh no!", "That's cool!"
  • šŸ˜Š Emotional descriptions: Post-play interviews
  • šŸ† Preference rankings: Which version felt better
  • šŸ’” Suggested improvements: Player ideas
  • šŸŽ­ Body language: Tension, engagement signs
  • šŸ“ Free-form feedback: Open-ended responses

šŸ“‹ Documentation Template:

šŸŽ® Game: [Which mini-game]
āš™ļø Parameter Changed: [What + values]
šŸ‘„ Participants: [Count + brief description]
šŸ“Š Quantitative Results: [Numbers, times, counts]
šŸ’­ Qualitative Observations: [Reactions, comments]
šŸ¤” Insights: [What did this teach us?]
ā“ New Questions: [What to explore next?]
"Tagad, kad mēs jau zinām, kā veikt eksperimentus, paskatÄ«simies - kā savākt un dokumentēt datus. RTD pieejā mēs apvienojam kvantitatÄ«vos un kvalitatÄ«vos datus, lai iegÅ«tu pilnu ainu. KvantitatÄ«vie dati ir skaitļi - cik ātri spēlētājs pabeidza lÄ«meni, cik kļūdas pieļāva, cik reižu mēģināja vēlreiz, kā izvēles sadalās procentos, kur viņŔ klikŔķināja, vai pat - kur skatÄ«jās. Bet kvalitatÄ«vie dati ir sajÅ«tas un novērojumi - spēlētāja izsaucieni, Ä·ermeņa valoda, smaidi, klusums, viņa skaidrojums pēc spēles: kāpēc izvēlējās tieÅ”i to? Abas puses ir svarÄ«gas. Skaitļi rāda kas notika, bet kvalitatÄ«vie dati atklāj kāpēc tā notika. Å o visu mēs apkopojam vienkārŔā dokumentācijas formā: spēle, parametrs, dalÄ«bnieki, rezultāti, novērojumi un jaunie jautājumi, kas radās. Atcerieties - labākais RTD eksperiments vienmēr beidzas ar jaunu jautājumu. Tā mēs nodroÅ”inām, ka mācÄ«Å”anās cikls turpinās - no novērojuma uz atziņu, un no atziņas uz nākamo eksperimentu."

šŸ•Æļø Izvēles ekonomika: Castlevania

Ko mēram

  • Siržu drop rate
  • Ieroča cena (sirdis/Ŕāviens)
  • Bojājumi pret bosu / ievainojamÄ«bas logs

Ja palielinātu drop x2?

Vai samazinātos spriedze? Vai saÅ”aurinātos izvēle?

Secinājums: Ekonomika virza spēlētāja izvēli
Un pēkŔņi parādās Castlevania. Å is ir piemērs, kā RTD var analizēt ekonomikas parametrus spēlē - kā resursi, atlÄ«dzÄ«ba un izmaksas ietekmē spēlētāja izvēli. Å eit mēs redzam Castlevania sirds ekonomiku: spēlētājs sit sveces, iegÅ«st sirdis, pārvērÅ” tās ieroču lietojumos, un pēc tam izmanto pret bosu. Ja mēs mainām drop rate, piemēram, palielinām sirdis divreiz - uzreiz mainās spēles tonis. Mazāk deficÄ«ta nozÄ«mē mazāk spriedzes, bet arÄ« mazāk nozÄ«mÄ«gas izvēles. Un tas ir ļoti labs datu domāŔanas piemērs RTD kontekstā - mēs skatāmies, kā sistēmas parametrs (drop rate, cena, bojājuma logs) rada psiholoÄ£isku efektu. Tātad Å”o slaidu var uztvert kā pāreju starp parametru testiem un dizaina interpretāciju - kā dizains ekonomiski vada spēlētāju uz noteiktu pieredzi. Secinājums ir vienkārÅ”s: ekonomika virza izvēli. Tas, cik bieži tu dabÅ« sirdis, nosaka, vai tu riskē, cik agresÄ«vi spēlē un kā jÅ«ties - tieÅ”i Ŕādi RTD padara mehāniku par pētÄ«juma instrumentu."

šŸ”¬ Zinātniskā precizitāte RTD

āš ļø Common RTD Biases:

RTD ir subjective nature rada specific bias risks, kas jāpazīst un jāmanage!

šŸ‘ļø Observer Bias

Problem: Researcher ietekmē results ar leading questions

Solution: Record exact participant words, use neutral prompts

āœ… Confirmation Bias

Problem: Meklējam evidence kas atbalsta existing beliefs

Solution: Actively seek counter-evidence

šŸ‘„ Selection Bias

Problem: Izvēlamies participants kas dos vēlamos results

Solution: Random sampling, diverse groups

šŸ”„ Iteration Bias

Problem: Pārāk daudz changes simultaneously

Solution: Change ONE parameter at a time

šŸ’” Best Practices:

  • šŸŽ„ Record sessions when possible
  • šŸ“Š Use standardized measurement scales
  • šŸ‘„ Minimum 5 participants per condition
  • šŸ”„ Replicate key findings
"LÄ«dz Å”im mēs esam daudz eksperimentējuÅ”i un reflektējuÅ”i, bet tagad jāpiemin arÄ« otra RTD puse - zinātniskā precizitāte. Tā kā RTD ir ļoti subjektÄ«va metode - mēs paÅ”i esam gan pētnieki, gan dizaineri, gan dalÄ«bnieki - pastāv vairāki biasi, jeb uztveres kropļojumi, kas var ietekmēt rezultātus. Piemēram, Observer Bias - kad pētnieks neviļus ietekmē dalÄ«bnieku, uzdodot vadoÅ”us jautājumus. Risinājums: pieraksti tieÅ”i, ko dalÄ«bnieks saka, nevis to, ko tu dzirdi. Confirmation Bias - mēs meklējam pierādÄ«jumus savām idejām, nevis pretargumentus. RTD gadÄ«jumā Ä«paÅ”i svarÄ«gi ir apzināti meklēt pretējus piemērus. Selection Bias - kad testējam tikai ar draugiem vai cilvēkiem, kas jau domā lÄ«dzÄ«gi. Tāpēc jāiekļauj dažādi dalÄ«bnieki. Un Iteration Bias - kad mainām pārāk daudz lietu vienlaikus. Atceries: viena izmaiņa vienā reizē. Tikai tad tu vari izdarÄ«t uzticamus secinājumus. Lai RTD bÅ«tu zinātniski ticams, ieteicams: - filmēt testus, - izmantot vienotus mērÄ«jumus, - testēt ar vismaz pieciem cilvēkiem katrā apstākļa grupā, - un atkārtot galvenos atklājumus. RTD nav laboratorijas eksperiments, bet tas var bÅ«t tikpat stingrs savā metodiskumā. RadoÅ”ums un precizitāte Å”eit iet roku rokā."

šŸ‘„ Collaborative RTD Session

šŸŽÆ Grupa Experiment Time!

Tagad strādāsim groups, katrai savas mini-spēles un parametri!

1ļøāƒ£

Group Formation

3-4 cilvēki per group

2ļøāƒ£

Game Selection

Katrai grupai different mini-game

3ļøāƒ£

Hypothesis Formation

"If we change X, then Y will happen because Z"

4ļøāƒ£

Experiment & Document

Test, observe, record findings

5ļøāƒ£

Present Results

2 min presentation per group

šŸŽ® Group Assignments (Var arÄ« savādāk):

šŸ‘„ Group 1: Game Feel Lab - Gravity effects
šŸ‘„ Group 2: Choice & Consequence - Time pressure
šŸ‘„ Group 3: Emotion Trigger - Lighting levels
šŸ‘„ Group 4: Social Dilemma - Moral choice framing
"Tagad pienācis brÄ«dis paÅ”iem kļūt par pētniekiem - sāksim kopÄ«go RTD eksperimentu! Å Ä« ir mÅ«su grupu darba sesija, kur jÅ«s strādāsiet kā RTD komandas - katrai grupai sava mini-spēle, savs parametrs un sava hipotēze. StruktÅ«ra ir vienkārÅ”a: 1ļøāƒ£ Sadalieties 3-4 cilvēku grupās. 2ļøāƒ£ Izvēlieties savu spēli - katrai grupai atŔķirÄ«ga. 3ļøāƒ£ Formulējiet hipotēzi: "Ja mēs mainām X, tad Y notiks, jo Z." 4ļøāƒ£ Veiciet eksperimentu, pierakstiet novērojumus un rezultātus. 5ļøāƒ£ Sagatavojiet Ä«su 2 minÅ«Å”u prezentāciju, lai dalÄ«tos savos atklājumos. Grupas un uzdevumi: - 1. grupa: Game Feel Lab - pētām gravitācijas efektu. - 2. grupa: Choice & Consequence - laika spiediens un izvēles. - 3. grupa: Emotion Trigger - apgaismojums un bailes. - 4. grupa: Social Dilemma - morālo izvēļu formulējums. Jums ir 25 minÅ«tes: 15 testÄ“Å”anai un pierakstiem, 10 analÄ«zei un sagatavoÅ”anai. Atcerieties - mērÄ·is nav pierādÄ«t, ka bijāt "pareizi". MērÄ·is ir uzzināt kaut ko jaunu par dizainu. Tātad - veidojam grupas, izvēlamies spēles, un sākam RTD eksperimentus!"

šŸ“Š Results Presentation Framework

šŸŽ¤ 2-minÅ«Å”u prezentācijas struktÅ«ra:

šŸŽÆ Hypothesis (20s): "Mēs domājām, ka..."-
āš™ļø Method (20s): "Mēs izmainÄ«jām... un testējām..."-
šŸ“Š Results (40s): "Mēs atklājām..."-
šŸ’” Insight (30s): "Tas nozÄ«mē..."-
ā“ Next Questions (10s): "Tagad mēs vēlamies uzzināt..."-

šŸ¤” Collective Reflection Jautājumi:

  • Kuri atklājumi bija most surprising?
  • Kur jÅ«su results matched across groups?
  • Kādas patterns you notice in parameter effects?
  • Ko Å”ie eksperimenti māca par RTD as methodology?
"Lieliski - tagad laiks dalÄ«ties savos atklājumos! Katrai grupai bÅ«s divas minÅ«tes, lai prezentētu savu eksperimentu un secinājumus. Izmantojiet Å”o vienkārÅ”o struktÅ«ru, lai jÅ«su prezentācija bÅ«tu skaidra un koncentrēta: - Hipotēze - ar ko sākāt: "Mēs domājām, kaā€¦" - Metode - ko mainÄ«jāt un kā testējāt: "Mēs izmainÄ«jāmā€¦ un testējāmā€¦" - Rezultāti - ko novērojāt: "Mēs atklājām, kaā€¦" - Atziņa - ko tas nozÄ«mē plaŔāk: "Tas parāda, kaā€¦" - Nākamie jautājumi - "Ko mēs tagad gribētu izpētÄ«t tālāk?" Tā mēs ne tikai redzam jÅ«su eksperimenta gaitu, bet arÄ« mācāmies no viena otra. Pēc visām prezentācijām mums bÅ«s kolektÄ«vā refleksija. Padomājiet - kas jÅ«s pārsteidza? Vai bija kopÄ«gi raksti starp dažādām grupām? Kā parametru izmaiņas atkārtojās dažādos kontekstos? Un galvenais - ko Å”ie eksperimenti māca par paÅ”u RTD kā metodoloÄ£iju? Labi, sagatavojieties - divas minÅ«tes katrai grupai. Sāksim ar pirmo!"

šŸš€ Advanced RTD Techniques

šŸ“Š A/B Testing at Scale

  • Multiple conditions: Test 3-5 versions simultaneously
  • Random assignment: Participants auto-assigned
  • Statistical analysis: Significance testing
  • Effect size: How big is the difference?

šŸ”„ Longitudinal Studies

  • Repeated exposure: Same participants, multiple sessions
  • Learning curves: How adaptation occurs
  • Preference evolution: Do opinions change?
  • Habit formation: Long-term behavior patterns

šŸ§Ŗ Mixed Methods Integration

Combine quantitative parameter testing ar qualitative ethnographic observation for deeper insights!

šŸ’” Professional RTD Tools:

  • šŸŽ® Unity Analytics: Built-in player behavior tracking
  • šŸ“Š GameAnalytics: Free comprehensive metrics
  • šŸ”„ Mixpanel: Event tracking and A/B testing
  • šŸ“¹ Lookback.io: Remote user testing with screen recording
  • šŸŽÆ Playtesting platforms: PlaytestCloud, UserTesting
"Tagad, kad esam apguvuÅ”i pamata RTD eksperimentus, paskatÄ«simies, kā Å”o pieeju var pacelt uz nākamo lÄ«meni. Pirmā tehnika - A/B testÄ“Å”ana mērogā. Ne tikai divas versijas, bet trÄ«s, četras, pat piecas vienlaikus. DalÄ«bnieki tiek pieŔķirti nejauÅ”i, un rezultāti analizēti statistiski - ne tikai vai bija atŔķirÄ«ba, bet arÄ« cik liela tā bija. Otrā - Longitudinālie pētÄ«jumi. Tie paÅ”i spēlētāji tiek novēroti vairāku sesiju laikā, lai pētÄ«tu mācÄ«Å”anās lÄ«kni: kā mainās viņu uzvedÄ«ba, pieradums un pat gaume. TreŔā - Mixed Methods Integration. Å eit apvienojam kvantitatÄ«vos datus - mērÄ«jumus, parametrus, laikus - ar kvalitatÄ«viem novērojumiem: intervijām, stāstiem, kontekstu. Tas dod daudz dziļāku skatÄ«jumu uz dizaina ietekmi. Profesionālajā vidē Ŕīs tehnikas tiek lietotas visu laiku - Unity Analytics, GameAnalytics un Mixpanel palÄ«dz izsekot notikumiem spēlē, Lookback.io un PlaytestCloud ļauj veikt attālinātus lietotāju testus ar video ierakstu un komentāriem. Å Ä« ir RTD nākamā pakāpe - precÄ«za, sistemātiska un joprojām radoÅ”a pētniecÄ«ba. Ne tikai "ko spēlētājs jÅ«t", bet kāpēc viņŔ tā jÅ«tas - ar datiem, kas to pierāda."

āš–ļø RTD Ethics & Responsibility

āš ļø Ethical Considerations:

RTD with humans raises important ethical questions, especially when testing emotional responses!

šŸ›”ļø Participant Wellbeing

  • Avoid excessive stress/fear
  • Right to withdraw anytime
  • Debrief after intense experiences
  • Consider vulnerable populations

šŸ“‹ Informed Consent

  • Explain research purpose
  • Describe potential discomfort
  • Clarify data usage
  • Anonymity guarantees

šŸŽÆ Research Integrity

  • Honest result reporting
  • Acknowledge limitations
  • Avoid cherry-picking data
  • Share negative results

šŸŒ Broader Impact

  • Consider societal implications
  • Avoid harmful applications
  • Promote inclusive design
  • Share knowledge responsibly
šŸ’” "With great research power comes great responsibility" - Spider-Man, probably
"Tagad mazliet nopietnāk - ētika un atbildÄ«ba RTD pētÄ«jumos. Tā kā mēs strādājam ar cilvēkiem, emocijām un reālām reakcijām, RTD pieeja vienmēr prasa ētisku domāŔanu. Pirmkārt, dalÄ«bnieku labklājÄ«ba. Izvairāmies no pārmērÄ«ga stresa vai bailēm, Ä«paÅ”i, ja testējam emociju eksperimentus. Katram dalÄ«bniekam ir tiesÄ«bas jebkurā brÄ«dÄ« pārtraukt dalÄ«bu. Un pēc intensÄ«viem testiem - vienmēr debrief, Ä«sa saruna par pieredzi un paÅ”sajÅ«tu. Otrkārt, informētā piekriÅ”ana. Paskaidrojam, kāpēc pētÄ«jums notiek, ko tieÅ”i mērām, un kā dati tiks izmantoti. Garantējam anonimitāti un dalÄ«bnieku datu droŔību. TreÅ”kārt, pētnieciskā integritāte. Ziņojam godÄ«gi - arÄ« par lietām, kas ā€˜nesanācaā€™. AtzÄ«stam ierobežojumus, neizvēlamies tikai skaistos rezultātus, un dalāmies arÄ« ar negatÄ«vajiem atradumiem. Un visbeidzot - plaŔāks ietekmes konteksts. Padomājam, kā mÅ«su atklājumi ietekmē sabiedrÄ«bu: vai tie veicina empātiju, iekļaujoÅ”u dizainu, vai palÄ«dz izglÄ«tot? RTD nav tikai radoÅ”a metode, tā ir atbildÄ«ga metode. Un jā, kā reiz teica Spider-Man (vai vismaz viņa mentors): ā€˜With great research power comes great responsibility.ā€™"

šŸ¢ RTD Industry Applications

šŸŽ® Game Development Examples:

šŸ“± Mobile Games: Supercell's "fail fast" prototyping culture
šŸ§© Puzzle Games: King's A/B testing every level mechanic
šŸŽÆ Shooter Games: Valve's playtesting labs for balance
šŸŽ­ Narrative Games: Telltale's choice impact research

šŸ’¼ Beyond Gaming:

šŸŽ“ Education: Learning game effectiveness research
šŸ„ Healthcare: Therapy games parameter optimization
šŸ‹ļø Fitness: Gamified exercise engagement research
šŸ›’ Marketing: Gamification element testing

šŸ’” Career Relevance:

RTD skills jums der jebkurā digital product development lomā - no UX design līdz product management!

"LÄ«dz Å”im mēs RTD skatÄ«jāmies galvenokārt akadēmiskā kontekstā, bet patiesÄ«bā - tā ir metode, ko plaÅ”i izmanto arÄ« industrijā. Piemēram, spēļu izstrādē: - Supercell mobilajās spēlēs izmanto "fail fast" kultÅ«ru - daudzi mazi prototipi, ātri testi, tÅ«lÄ«tēja mācÄ«Å”anās. - King savās Candy Crush tipa spēlēs veic A/B testus burtiski katrā lÄ«menÄ«, analizējot katru mehāniku. - Valve pazÄ«stama ar saviem plaÅ”ajiem playtesting laboratorijām - lÄ«dzsvara un spēlētāja uzvedÄ«bas pētÄ«Å”anai. - Telltale Games izmantoja RTD, lai saprastu, kā spēlētāji uztver morālo izvēļu sekas naratÄ«vā. Bet RTD nav tikai spēlēm - tā strādā jebkur, kur dizains rada pieredzi. IzglÄ«tÄ«bā - lai testētu mācÄ«Å”anās spēles. VeselÄ«bas aprÅ«pē - terapeitisko spēļu un rehabilitācijas dizainā. Fitnesā - motivācijas un ieradumu veidoÅ”anā. Mārketingā - gamifikācijas elementu testÄ“Å”anā. Un tas nozÄ«mē, ka RTD prasmes ir universāli noderÄ«gas. No UX dizaina lÄ«dz produktu vadÄ«bai - spēja veidot, testēt un reflektēt ir viena no svarÄ«gākajām digitālajā industrijā. Tātad - RTD nav tikai pētÄ«Å”anas metode, tā ir profesionāla domāŔanas pieeja."

šŸ› ļø RTD Technology Stack

šŸŽ® Prototyping Tools

  • šŸ“± Construct 3: No-code game creation
  • šŸŽÆ Unity: Professional 2D/3D development
  • šŸ•¹ļø Godot: Open-source alternative
  • šŸŽØ Figma: UI/UX prototypes
  • šŸ“ Twine: Interactive fiction

šŸ“Š Analytics & Testing

  • šŸ“ˆ GameAnalytics: Player behavior tracking
  • šŸ”„ Firebase: A/B testing platform
  • šŸ“Š Mixpanel: Event analytics
  • šŸŽÆ Unity Analytics: Built-in metrics
  • šŸ“¹ FullStory: Session recordings

šŸ‘„ User Research

  • šŸŽ® PlaytestCloud: Remote playtesting
  • šŸ“ UserTesting: Moderated research
  • šŸ“Š Typeform: Surveys & feedback
  • šŸŽ¤ Zoom: Video interviews
  • šŸ“± Lookback: Mobile testing

šŸ“‹ Documentation

  • šŸ“ Notion: Research notes & wikis
  • šŸ“Š Miro: Visual collaboration
  • šŸ“ˆ Airtable: Data organization
  • šŸŽ„ Loom: Video explanations
  • šŸ“„ Google Workspace: Collaborative docs
"Tagad Ä«si par praktisko pusi - kādi rÄ«ki palÄ«dz RTD procesā. Sākam ar prototipÄ“Å”anas rÄ«kiem. - Construct 3 - bezkoda platforma, lieliski piemērota ātriem eksperimentiņiem. - Unity - profesionāls 2D un 3D izstrādes rÄ«ks, ko izmanto gan pētÄ«jumos, gan industrijā. - Godot - brÄ«vs un atvērts alternatÄ«vs dzinējs. - Figma - lieliski der UX un interfeisu prototipiem. - un Twine - interaktÄ«vai literatÅ«rai vai lēmumu spēlēm. Tad analÄ«tika un testÄ“Å”ana: GameAnalytics, Firebase, Mixpanel, Unity Analytics - tie visi palÄ«dz vākt spēlētāju datus, sekot notikumiem un analizēt uzvedÄ«bas tendences. Ja vēlamies redzēt, kā cilvēki patiesÄ«bā spēlē, - FullStory ieraksta sesijas un parāda viņu ceļu caur spēli. Tālāk - lietotāju pētÄ«jumi. PlaytestCloud un UserTesting ļauj organizēt testus ar reāliem spēlētājiem, Typeform - ievākt aptaujas, un Lookback vai Zoom - veikt intervijas vai skatÄ«t spēli tieÅ”raidē. Un, protams, dokumentācija. Notion, Miro, Airtable, Google Workspace, Loom - viss, kas palÄ«dz saglabāt, strukturēt un dalÄ«ties ar saviem atklājumiem. Citiem vārdiem - Å”ie rÄ«ki nav tikai tehnika, tie ir zināŔanu infrastruktÅ«ra. Tie ļauj RTD procesam bÅ«t organizētam, dalāmam un atkārtojamam."

šŸ“‹ RTD Project Planning

šŸŽÆ RTD Project Template:

1. Research Question: What specific aspect of game design do you want to explore?
2. Literature Context: What do we already know about this topic?
3. Hypothesis: What do you predict will happen and why?
4. Prototype Plan: What will you build to test this?
5. Testing Method: How will you gather evidence?
6. Success Metrics: How will you know if you learned something valuable?

ā±ļø Timeline Example (8 weeks):

  • Week 1-2: Literature review & question refinement
  • Week 3-4: Initial prototypes & pilot testing
  • Week 5-6: Iteration based on early findings
  • Week 7: Final testing & data collection
  • Week 8: Analysis & write-up

šŸŽÆ Scope Management:

  • Start small: Single mechanic focus
  • Iterate quickly: Weekly prototype updates
  • Document everything: Process matters as much as results
  • Plan for failure: Not all prototypes will work
"Tagad paskatÄ«simies, kā RTD pārvērst reālā pētÄ«juma projektā. Å eit redzams vienkārÅ”s RTD projekta plāna paraugs. Sākam ar pamatjautājumiem: 1ļøāƒ£ Research question - ko tieÅ”i tu vēlies pētÄ«t par spēļu dizainu? 2ļøāƒ£ LiteratÅ«ras konteksts - ko jau zinām par Å”o tēmu, uz kā balstÄ«sies tavs darbs? 3ļøāƒ£ Hipotēze - ko tu paredzi, kas notiks, un kāpēc? 4ļøāƒ£ Prototipa plāns - ko tu bÅ«vēsi, lai Å”o pārbaudÄ«tu? 5ļøāƒ£ TestÄ“Å”anas metode - kā tu ievāksi pierādÄ«jumus? 6ļøāƒ£ Panākumu kritēriji - kā tu zināsi, ka esi iemācÄ«jies kaut ko vērtÄ«gu? Laika plānojums parasti ir ap astoņām nedēļām: - 1.-2. nedēļa - literatÅ«ras analÄ«ze un jautājuma precizÄ“Å”ana. - 3.-4. - pirmie prototipi un pilottesti. - 5.-6. - iterācijas, balstoties uz pirmajiem rezultātiem. - 7. - fināla testÄ“Å”ana un datu vākÅ”ana. - 8. - analÄ«ze un rakstÄ«Å”ana. Galvenie padomi: - Sāc mazā mērogā - koncentrējies uz vienu mehāniku, nevis visu spēli. - Iterē ātri, vismaz reizi nedēļā. - Dokumentē visu, jo process ir tikpat svarÄ«gs kā rezultāts. - Un nebaidies no neveiksmēm - arÄ« tās ir dati. RTD projekts nav par perfektu spēli - tas ir par mācÄ«Å”anos caur veidoÅ”anu."

āš ļø RTD kļūdas prototipÄ“Å”anas laikā

šŸŽÆ Scope Creep

Problem: Trying to test too many things at once

Solution: Focus on ONE core question per iteration

šŸ“Š Insufficient Testing

Problem: Only testing with friends/classmates

Solution: Diverse participant pool, minimum 5 per condition

šŸ“ Poor Documentation

Problem: "I'll remember this later" syndrome

Solution: Document decisions IN THE MOMENT

šŸ”„ No Iteration

Problem: Make prototype ā†’ test once ā†’ done

Solution: Plan for 3-5 iteration cycles

šŸ¤” Ignoring Negative Results

Problem: Only report what "worked"

Solution: Failed experiments teach valuable lessons!

āš–ļø Confirmation Bias

Problem: Seeing what you want to see

Solution: Actively seek contradictory evidence

šŸ’” "The goal isn't to prove you're right - it's to discover something new!"
"Un, lai noslēgtu digitālo eksperimentu sadaļu, parunāsim par biežākajām kļūdām RTD procesā. Pirmā - Scope creep. Gribas izpētÄ«t visu uzreiz, bet RTD darbojas tikai tad, kad koncentrējies uz vienu konkrētu jautājumu katrā iterācijā. Otrā - nepietiekama testÄ“Å”ana. Mēs bieži testējam tikai ar draugiem vai kolēģiem, bet tas dod ierobežotu skatÄ«jumu. Iekļauj dažādus cilvēkus - vismaz piecus dalÄ«bniekus katrā nosacÄ«jumā. TreŔā - vāja dokumentācija. Tā sauktais "es to atcerÄ“Å”os vēlāk" sindroms. Nē - raksti uzreiz. Jo refleksija brÄ«dÄ«, kad tas notiek, ir pati vērtÄ«gākā. Ceturtais - nav iterācijas. Vienreiz uztaisÄ«t un testēt nav RTD. Plāno vismaz trÄ«s lÄ«dz piecus ciklus, lai ideja tieŔām nobriestu. Piektā - ignorēt negatÄ«vos rezultātus. RTD nav par to, kas ā€˜izdevāsā€™, bet par to, ko tu uzzināji. ArÄ« neveiksme ir vērtÄ«gs datu punkts. Un visbeidzot - confirmation bias. Neapstiprini tikai to, ko jau domāji. Meklē pierādÄ«jumus, kas tavu sākotnējo ideju izaicina. Atceries: mērÄ·is RTD nav pierādÄ«t, ka tev bija taisnÄ«ba - mērÄ·is ir atklāt kaut ko jaunu. Un tieÅ”i tur slēpjas Ŕīs metodes spēks."