Identification des motivations pour le jeu vidéo:
Revue des typologies des joueurs
Mémoire
Jérémy Bergeron-Boucher
Maîtrise en psychologie
Maître ès arts (M.A.)
Québec, Canada
Identification des motivations pour le jeu vidéo:
Revue des typologies des joueurs
Mémoire
Jérémy Bergeron-Boucher
Sous la direction de :
Philip Jackson, directeur de recherche
Sébastien Tremblay, codirecteur de recherche
iii Résumé
Les jeux vidéo, bien que souvent associés au divertissement, sont de plus en plus utilisés à des fins pratiques en raison de leurs aptitudes à soutenir la motivation intrinsèque des joueurs. Afin de bien répondre aux préférences des joueurs, il devient important de comprendre quels facteurs permettent de soutenir ce type de motivation. Malgré la vaste littérature sur le sujet, aucune étude n’a avancé un modèle des motivations pour les jeux vidéo accepté de façon unanime. D’une part, plusieurs modèles fréquemment recensés dans les écrits ne sont supportés par aucune étude empirique. D’une autre part, les modèles ayant reçu un appui empirique sont souvent spécifiques à un type de jeu, ou divergent les uns des autres en raison d’une interprétation restreinte des analyses factorielles. Par conséquent, la présente étude cherche à proposer un modèle des motivations pour les jeux vidéo unifiant les différents modèles présents dans les écrits. Un questionnaire portant sur les comportements et les préférences des joueurs a été développé afin de tester la validité d’un modèle théorique récent des motivations pour les jeux vidéo et d’explorer les motivations des joueurs dans la population générale. Cent cinquante-six participants (41 Femmes; Mage = 25.95) ont complétés le questionnaire dans
le cadre d’une expérience portant sur les jeux vidéo ou en ligne. Une analyse factorielle confirmatoire n’a pas permis de confirmer la structure du modèle théorique étudié. Plutôt, une analyse en composantes principales exploratoire a révélé la présence de sept composantes. Enfin, sept facteurs récurrents à travers les modèles supportés empiriquement ont été identifiés : la socialisation, la compétition, l’accomplissement, l’immersion, l’échappement, l’autonomie, et l’auto-actualisation. Ce modèle propose une base sur laquelle les études futures pourront bâtir, ainsi qu’un modèle préliminaire pouvant contribuer au développement de jeux favorisant la motivation intrinsèque des joueurs.
iv
Table des matières
Résumé ... iii
Table des matières ... iv
Liste des tableaux ... vi
Liste des figures ... vii
Liste des abréviations ... viii
Lexique ... ix
Épigraphe ... xi
Remerciements ... xii
Introduction générale ... 1
Classifications des joueurs ... 3
Game Play Motivations ... 6
Sport Video Games Motivations ... 7
Motives for Online Gaming ... 9
Gaming Attitudes, Motives, and Experiences ... 11
Trojan Player Typology ... 13
Problématique... 15 Objectifs et hypothèses ... 16 Méthode ... 18 Participants ... 18 Matériel ... 18 Procédure ... 19 Résultats ... 20
Analyse factorielle confirmatoire ... 20
Analyse en composantes principales ... 21
Discussion ... 24 Socialisation ... 24 Compétition ... 26 Accomplissement ... 27 Provocation ... 28 Immersion ... 30 Échappement ... 31 Exploration ... 32
v
Inventaire des motivations pour les jeux vidéo ... 33
Limites et retombées... 36
Conclusion ... 38
Bibliographie ... 39
Annexe 1 : Questionnaire sur les habitudes de jeu ... 46
Annexe 2 : Effet du retrait des variables sur le coefficient alpha de Cronbach pour chaque dimension du 5FM (Hamari & Tuunanen, 2014) ... 49
Annexe 3 : Corrélations entre les variables du questionnaire sur les habitudes de jeu. .... 51
Annexe 4 : Saturations importantes et qualité des représentations de variables. ... 56
vi
Liste des tableaux
1. Dimensions et facteurs identifiés par le Game Play Motivations (Yee, 2006) 7 2. Facteurs identifiés par le Sport Video Game Motivations (Kim & Ross, 2006) 8 3. Facteurs identifiés par le Motives for Online Gaming (Demetrovics et al., 2011) 10 4. Facteurs identifiés par le Gaming Attitudes, Motives, and Experiences (Hilgard et
al., 2013) 11
5. Facteurs identifiés par le Trojan Player Typology (Kahn et al., 2015) 14 6. Coefficients Alpha de Cronbach pour chaque dimension du 5FM (Hamari &
Tuunanen, 2014) 20
7. Seuils d’acceptabilité des indices d’ajustement rapportés (Hu & Bentler, 1999) 21 8. Pourcentages de variances, initiaux et après rotation, expliqués par chacune des
composantes 22
9. Statistiques descriptives des scores calculés pour chaque composante 23 10. Corrélations entre les scores calculés pour chaque composante 23 11. Description des composantes retenues à partir des analyses 24 12. Description des facteurs présentés dans le modèle proposé 34 13. Comparaison des facteurs de l’IMJV avec les modèles antérieurs 35
vii
Liste des figures
1. Typologie des joueurs de Bartle (1996) 5
2. Distribution du nombre moyen d’heures accordé au jeu vidéo par semaine 18 3. Distribution des différents types de jeux préférés rapportés par les participants de
viii
Liste des abréviations
5FM Modèle à Cinq Facteurs Motivationnels
ACP Analyse en composantes principales
AFC Analyse factorielle confirmatoire
AFE Analyse factorielle exploratoire
GAME Gaming Attitudes, Motives, and Experiences
GPM Game Play Motivations
IMJV Inventaire des motivations pour les jeux vidéo
MOG Motives for Online Gaming
SVGM Sport Video Games Motivations
TJB Typologie des Joueurs de Bartle
ix Lexique
Action – Jeu vidéo d’aventure dont les principaux obstacles, s’opposant à la progression du joueur, sont liés à des phases d’action en temps réel.
Arène de bataille en ligne – Jeu vidéo en ligne dans lequel deux équipes s’affrontent, au moyen de personnages contrôlés par les joueurs, et dont le but est de détruire la structure principale de l’équipe adverse. Il est également appelé MOBA, abrévié de l’expression anglaise Multiplayer Online Battle Arena.
Bac à sable – Jeu vidéo doté d’un univers ouvert où il est possible de s’écarter librement du scénario principal pour se livrer à des activités optionnelles.
Combat – Jeu vidéo dans lequel deux personnages ou plus s’affrontent, généralement dans une arène fermée, et dont le but est de vaincre l’adversaire au cours d’une suite de combats faisant appel à différentes techniques et coups spéciaux.
Course – Jeu vidéo où la jouabilité est basée sur le contrôle d’une voiture ou d’un autre véhicule, le plus souvent motorisé, dans lequel le joueur participe à une compétition de course ou doit atteindre la ligne d’arrivée le plus rapidement possible.
Entrainement – Jeu vidéo qui permet la pratique ludique et interactive d’une activité physique ou sportive à domicile devant un écran de télévision.
Hack and slash – Jeu vidéo dans lequel le joueur dirige un personnage et doit vaincre des ennemis générés par le jeu afin de gagner de l’expérience, des objets, et des ressources. Horreur – Jeu vidéo dans lequel le joueur dirige un personnage qui évolue et doit survivre dans un environnement sombre, violent et oppressant, peuplé de monstres et autres créatures surnaturelles.
Jeu de rôle en ligne massivement multijoueur – Jeu vidéo de rôle en ligne et en temps réel auquel des milliers de joueurs du monde entier peuvent participer simultanément et dans lequel le monde virtuel évolue en permanence avec les joueurs connectés au serveur de jeu. Il est également appelé MMORPG, abrévié de l’expression anglaise Massively Multiplayer Online Role-Playing Game.
Musique – Jeu vidéo dans lequel le joueur tente de reproduire une mélodie, une chanson ou une chorégraphie, en suivant le rythme musical et les indications affichées à l’écran, souvent à l’aide d’un contrôleur de jeu spécialisé.
Plateforme – Jeu vidéo dans lequel le joueur dirige un personnage qui doit franchir les différents niveaux, en sautant de plateforme en plateforme, à travers un parcours rempli de pièges et d’obstacles à éviter et d’objets à collecter.
Simulation – Jeu vidéo qui simule la réalité, représente virtuellement une activité humaine ou le fonctionnement d’une machine, et dans lequel le joueur a l’impression d’être physiquement impliqué dans l’activité représentée à l’écran.
Sport – Jeu vidéo basé sur la simulation, généralement réaliste, d’un sport individuel ou collectif.
x
Stratégie – Jeu vidéo dans lequel le joueur doit bâtir une armée, un empire ou une civilisation, s’armer, diriger ses troupes, accumuler et gérer des ressources, établir la meilleure stratégie pour vaincre l’adversaire et ainsi accroitre sa domination du territoire. Tir à la première personne – Jeu vidéo d’action dont la jouabilité est axée sur le tir et dans lequel le joueur voit l’action à travers les yeux du personnage qu’il dirige et doit éliminer des ennemis à l’aide d’armes à feu diverses. Il est également appelé FPS, abrévié de l’expression anglaise First Person Shooter.
xi Épigraphe
xii
Remerciements
En premier lieu, je souhaiterais remercier Philip Jackson et Sébastien Tremblay de m’avoir donné la chance de travailler sur un projet qui me passionne, et de m’avoir soutenu au long de mon parcours. Je remercie aussi Cindy Chamberland de m’avoir côtoyé et encadré dans le cadre de mes travaux, ainsi que Mathieu Grégoire et Michel-Pierre Coll d’avoir formé un jeune étudiant naïf qui ne savait pas trop où il allait.
Un mémoire ne s'écrit pas seul. Merci à tous mes collègues pour avoir partagé de bons moments. Alexandre Marois, Andrée-Anne Ouellet, Béatrice Tousignant, Benoit Vallières, Cynthia Berthiaume, Elsa Massicotte, Fanny Eugène, Frédéric Grondin, Jean-Denis Thériault, Josiane Jauniaux, Katherine Labonté, Marc-André Bouchard, Marie-Audrey Lavoie, Marie-Ève St-Louis, Marie-Pier Tremblay, Pierre-Emmanuel Michon, Roxanne Plourde, Sarah-Maude Deschênes, Serge Pelletier, et Vincent Taschereau-Dumouchel.
Finalement, des remerciements particuliers pour mes parents, Josée et Gérald, qui m'ont soutenu tout au long de mes études, et pour Diane Rodrigue, qui m'a enduré pendant trois ans et m’a motivé quand j’en avais le plus besoin.
1
Introduction générale
Le jeu est une activité importante dans le développement de l’être humain. Du point de vue de la psychologie évolutionniste et développementale, ainsi que des neurosciences, le jeu permet de pratiquer et développer des compétences physiques, sociales et cognitives afin de préparer la personne aux exigences de la vie adulte (King & Bjorklund, 2010; Pellis & Pellis, 2007). De nos jours, cette activité s'effectue principalement sous la forme des jeux vidéo. En effet, une étude aux États-Unis montre que 51% des domiciles comprennent au moins une console dédiée au jeu, et que 42% des Américains jouent un minimum de trois heures par semaine (Entertainment Software Association, 2015). Malgré de nombreuses inquiétudes par rapport aux impacts négatifs que ce type de divertissement pourrait apporter (Ferguson, 2007), plusieurs études ont montré que l'utilisation de jeux vidéo favorisait le développement de compétences spécifiques (Granic, Lobel & Engels, 2014) : (a) au plan cognitif en améliorant la capacité de résolution de problèmes (Adachi & Willoughby, 2013; Prensky, 2012), et en favorisant le contrôle et le partage de l’attention (Green & Bavelier, 2012); (b) au plan émotionnel en favorisant les émotions positives, la relaxation et en diminuant l’anxiété (Russoniello, O’Brien & Parks, 2009); et (c) au plan motivationnel en développant la persévérance face aux échecs (Ventura, Shute & Zhao, 2013). De façon générale, le jeu vidéo est aussi accepté comme un moyen de soutenir la motivation intrinsèque (Dickey, 2007), soit le désir d'accomplir une activité uniquement pour la satisfaction qu'elle procure (Deci & Ryan, 1985). Ce type de motivation s'oppose à la motivation extrinsèque, soit le désir de prendre part à une tâche pour les résultats qu'elle apporte, par exemple, étudier afin d'avoir une bonne note à son examen, plutôt que d'étudier pour approfondir ses connaissances sur le sujet. Bien que ces deux types de motivation aient des effets positifs sur le comportement, la motivation intrinsèque est décrite comme supérieure en termes des bénéfices qu'elle peut apporter, entre autres à l'apprentissage, la créativité et l'ajustement social (Ryan & Deci, 2000). Pour ces raisons, le jeu vidéo est de plus en plus utilisé en dehors d’un cadre de divertissement afin de favoriser la motivation intrinsèque et l'engagement dans différents contextes, par exemple, l'apprentissage (Muntean, 2011), la recherche (Khatib et al., 2011; Eiben et al., 2012), l’activité physique (Southerton, 2013), la réadaptation (Schultheis & Rizzo, 2001), ou la psychothérapie (McLay et al., 2012). Ce phénomène de ludification a aussi incité un intérêt vers l'espace de travail (Deterding,
2
Sicart, Nacke, O'Hara & Dixon, 2011) où l’incorporation d’aspects de jeu a permis d'améliorer le travail d'équipe (McGonigal, 2011) et l’engagement (Reeves & Read, 2009). La ludification reste toutefois un concept critiqué, principalement en raison d’une pauvre incorporation des éléments du jeu vidéo à une tâche, et, plus particulièrement, en raison de l'utilisation fréquente d'un système de récompense sans contexte additionnels, par exemple une histoire (Chorney, 2013). Par conséquent, la présence isolée de gratification à l’intérieur du jeu favoriserait une diminution de la motivation intrinsèque pour la tâche au profit d'une motivation extrinsèque (Deci, Koestner & Ryan, 2001). Afin d'optimiser la ludification de tâches et d'en maximiser les bénéfices, il devient essentiel de mieux comprendre quels éléments du jeu permettent de soutenir la motivation intrinsèque chez les joueurs. Malgré de nombreuses études sur le sujet, il n'existe toujours aucun consensus concernant les bases motivationnelles pour les jeux vidéo, limitant ainsi une implémentation efficace de la ludification. Bien que plusieurs études aient cherché à développer des modèles permettant de décrire comment et pourquoi différents individus jouent aux jeux vidéo, toutes ont des limites importantes réduisant leur impact. Dans un premier temps, une limite majeure vient du fait que les échantillons questionnés sont limités à une population précise, par exemple une communauté de joueurs en ligne ou un groupe d'individus jouant à un type de jeu précis. Bien que cette approche offre un portrait spécifique des motivations pour un type de jeu, elle ne permet pas de représenter la population générale et n'offre donc pas un modèle complet et généralisable de leurs motivations. Dans un second temps, l'interprétation des facteurs motivationnels est souvent superficielle ou inexistante, menant à une multitude de modèles indépendants ayant une large diversité de facteurs. En effet, la structure factorielle identifiée par un modèle dépend du cadre théorique dans lequel ce modèle s’inscrit, et les facteurs identifiés ne sont pas systématiquement représentatifs de processus réels (Trninić,
Jelaska, & Štalec, 2013). Ainsi, le nombre et la nature des facteurs inclus dans le modèle peuvent varier grandement entre les études, alors que plusieurs facteurs pourraient référer au même processus. Ces limites ont comme effet d’avancer différents modèles différant les uns des autres, malgré qu’ils permettent tous de décrire des facteurs affectant la motivation des joueurs. De la sorte, il est difficile de choisir un seul modèle afin d’expliquer les facteurs affectant la motivation pour le jeu vidéo. Par conséquent, la présente étude vise à proposer un modèle unifié des motivations pour le jeu vidéo, capable d’être utilisé à l’intérieur de différents contextes, reflétant les travaux antérieurs sur le sujet, et où chaque facteur représente un motif interne du joueur indépendant des autres facteurs. Les
3
retombées de ce mémoire pourront permettre de mieux comprendre les motivations pour le jeu vidéo, et ainsi améliorer l’implémentation de la ludification à différents milieux, favorisant ainsi la motivation et l’engagement pour plusieurs activités.
Classifications des joueurs
Malgré de vastes différences interindividuelles dans les préférences pour les jeux vidéo, l’adaptation du jeu a souvent été proposé comme suffisante afin de soutenir la motivation intrinsèque des joueurs. Entre autres, l’adaptation de la difficulté du jeu a été proposée comme un moyen efficace de favoriser la motivation intrinsèque, puisqu’elle affecterait le challenge ressenti par le joueur (Ryan & Deci, 2000). Dans le domaine du jeu vidéo, le challenge est souvent décrit sous le concept de « flow », soit l'état optimal d'immersion dans lequel un joueur se trouve lorsque la difficulté de la tâche correspond à son niveau d’habileté personnelle (Csikszenmihalyi, 2000). Bien que l'adaptation de la difficulté en fonction des capacités du joueur soit efficace afin d'améliorer l'appréciation du jeu (Andrade, Ramalho, Gomes & Corruble, 2006), certains joueurs rapportent une préférence pour différents degrés de challenge (Alexander, Sear & Oikonomou, 2013; Chen, 2006). Par conséquent, le flow ne semble pas pouvoir être décrit par une relation linéaire entre la difficulté du jeu et les habiletés du joueur semblable pour tous les joueurs. Plutôt, plusieurs facteurs, dont les préférences du joueur, viendraient moduler cette relation. Lors d'une période prolongée, un jeu mal adapté aux préférences du joueur peut mener à une fatigue physique et mentale, et ainsi à une détérioration de l'immersion et l'appréciation du jeu (Qin, Rau & Salvendy, 2010). Ainsi, il est essentiel de prendre en compte les préférences des joueurs afin de comprendre quels éléments du jeu ont un impact sur la motivation. De ce fait, plusieurs études ont cherché à identifier les caractéristiques individuelles des joueurs pouvant révéler leurs motivations pour le jeu vidéo.
Une première approche en ce sens consiste à classifier les joueurs selon leur relation avec le jeu. Les joueurs de type passionné (ou « hardcore »), comparés aux joueurs de type occasionnel (ou « casual »), peuvent être définis comme étant plus dédiés au jeu dans tous ses aspects (Ip & Jacobs, 2005). Plus précisément, ces deux types de joueurs auraient des préférences différentes selon les types de jeux adoptés et leurs comportements, tant à l’intérieur qu’à l’extérieur du jeu. Cependant, la distinction entre les joueurs de type passionné ou occasionnel est grandement critiquée. D’une part, peu d’études se sont entendues sur une façon claire d’identifier ces deux types de joueurs.
4
Bien que le temps accordé au jeu soit une mesure fréquemment utilisée afin de différencier ces différents groupes de joueurs (Latham, Patston, & Tippett, 2013), 81.0% des joueurs de type passionné et 49.4% des joueurs de type occasionnel rapportent jouer quotidiennement, suggérant que cette mesure seule ne permettrait pas de bien distinguer ces deux types (Bateman, Lowenhaupt & Nacke, 2011). Plutôt, plusieurs auteurs s’entendent pour dire qu’un ensemble de mesures serait nécessaire afin de bien décrire l'appartenance d'un joueur à un type précis (Adams, 2000 ; Adams & Ip, 2002; Ip & Jacobs, 2005; Kapalo, Dewar, Rupp, & Szalma, 2015; Kim, 2001). D’autre part, ce type de classification est aussi critiqué, puisqu’il ne semble pas révélateur des préférences des joueurs, mais plutôt de l'importance que ceux-ci accordent au jeu (Bateman, Lowenhaupt & Nacke, 2011). Ainsi, on retrouve une distribution semblable de joueurs s'identifiant soit passionné ou occasionnel dans tous les types de jeu (Bateman & Boon, 2005), indiquant un manque de spécificité de cette classification à discerner des préférences entre les groupes. Similairement, ces deux types de joueurs ne se différencient pas en termes de marqueurs motivationnels, alors que les hommes se retrouvent de façon prédominante sous le type passionné et les femmes sous le type occasionnel (Dewar, Kapalo, Rupp, Szalma, 2015). Finalement, la distinction entre joueurs passionné et occasionnel est aussi critiquée pour sa vision dichotomique des joueurs (Bateman et al., 2011; Charles et al., 2005) alors que ceux-ci auraient avantage à être décrits sur un continuum (Hamari & Tuunanen, 2014). Par conséquent, la distinction entre joueurs passionnés et occasionnels ne semble pas permettre d’identifier les éléments du jeu soutenant la motivation.
La typologie des joueurs de Bartle (TJB) représente un des modèles des motivations pour le jeu les plus communs dans les écrits (Bartle, 1996). Contrairement à la classification entre joueurs de type passionné ou occasionnel, ce modèle s’intéresse directement aux aspects du jeu recherchés par les joueurs qui soutiennent leur intérêt. La TJB distingue quatre archétypes de joueurs définis par deux axes, soit la préférence d’un joueur pour agir ou interagir, et la préférence pour le monde virtuel ou les autres joueurs (Figure 1) : (a) les « Achievers », préférant agir sur le monde virtuel, avoir un objectif précis à remplir, et gagner des points, niveaux, ou objets dans le jeu; (b) les « Socializers », préférant interagir avec les joueurs, discuter, et développer des relations; (c) les « Killers », préférant agir sur les joueurs, la compétition, et nuire aux autres joueurs; ou (d) les « Explorers », préférant interagir avec le monde virtuel, découvrir de nouveaux endroits, et jouer à leur propre rythme. Ce modèle donne une représentation plus
5
appropriée des préférences des joueurs que la distinction entre joueurs passionnés et occasionnels, et permet d’isoler plus précisément les dimensions du jeu capables de soutenir la motivation du joueur. Cependant, la TJB reste un modèle théorique des motivations des joueurs et spécifique au type de jeu donjons multijoueurs, développé en grande partie sur l’observation et l’interprétation des joueurs. Malgré l’absence d’appui empirique pour ce modèle, la TJB demeure le modèle des motivations pour le jeu le plus connu et utilisé (Schell, 2014). Un argument important soutenant cette typologie est qu’elle possède de nombreuses similarités avec différents modèles de la personnalité ou des motivations pour le jeu (Bateman & Boon, 2005; Caillois & Barash, 1961; Keirsey, 1998; Lazzaro, 2004). Ainsi, la cohérence entre ces modèles, malgré la présence de divers contextes, suggère une représentation fidèle des motivations des joueurs (Stewart, 2011). Toutefois, plusieurs auteurs sont réticents à accepter la TJB, puisque l’absence de validation empirique laisse planer la possibilité d’une représentation non exacte des motivations pour le jeu (Demetrovics et al., 2011, Hilgard, Engelhardt, & Bartholow, 2013, Kahn et al., 2015). De ce fait, la TJB pourrait omettre plusieurs facteurs, ou encore présenter des types de joueurs interdépendants. Malgré tout, l’aspect le plus critiqué de la TJB revient à sa classification en groupes mutuellement exclusifs. Plutôt, il est généralement accepté qu’un joueur puisse posséder plusieurs motivations pour le jeu, et que cet ensemble de facteurs doive être considéré dans la caractérisation du joueur (Dixon, 2011; Yee, 2006).
Récemment, une recension des écrits a comparé la TJB aux autres modèles des motivations pour le jeu proposés dans les écrits, et a tenté d’unifier ces différentes approches en un modèle détaillé et complet des motivations pour le jeu (Hamari & Figure 1. Typologie des joueurs de Bartle (1996).
6
Tuunanen, 2014). Cinq facteurs ayant un impact sur la motivation des joueurs ont été identifiés par les chercheurs : l'Accomplissement, l'Exploration, la Socialisation, la Domination et l'Immersion. Les quatre premiers facteurs représentent, respectivement, les types de joueurs Achievers, Explorers, Socializers, et Killers de la TJB. Le facteur d’Immersion, quant à lui, représente le désir de s'échapper, d'éviter de penser à ses problèmes, et de s'imaginer être une autre personne. Ainsi, ce modèle à cinq facteurs motivationnels (5FM) apporte un appui additionnel à la structure de la TJB, et perfectionne ce modèle en ajoutant un facteur. Néanmoins, le 5FM semble offrir une perspective biaisée des motivations pour le jeu, puisque la majorité des modèles sondés dans la recension des écrits offrent une perspective théorique des motivations pour le jeu, sans données empiriques soutenant leurs suggestions, et ce, malgré la présence de plusieurs modèles validés empiriquement auprès de différentes populations. De façon plus importante, ces modèles ayant un appui empirique présentent tous des modèles largement différents du 5FM et de la TJB. Ainsi, la validité du 5FM est questionnable, et il devient nécessaire de considérer ces différents modèles afin de bien définir un modèle des motivations pour le jeu.
Game Play Motivations. Le Game Play Motivations (GPM) a été un des premiers modèles à s’intéresser empiriquement aux motivations pour le jeu (Yee, 2006). Sur les bases de la TJB (Bartle, 1996) et d’informations qualitatives provenant de groupes de joueurs, un questionnaire comprenant quarante énoncés portant les motivations pour le jeu a été développé. Au total, 3000 joueurs provenant de communautés de jeu de rôle en ligne massivement multijoueur ont répondu au questionnaire. Une analyse en composante principale (ACP) a été utilisée afin d’identifier la structure factorielle du questionnaire et regrouper des énoncés sous différentes composantes. Ainsi, le GPM a permis de révéler dix facteurs expliquant les comportements et les préférences des répondants dans le jeu. Afin de réduire le nombre de composantes du GPM, une seconde ACP a ensuite été effectuée, et trois dimensions ont été identifiées : (a) l'Accomplissement ; (b) la Socialisation ; et (c) l'Immersion (Tableau 1).
Bien que l’auteur favorise un modèle parcimonieux et n’ait cherché qu’à reproduire ces trois dimensions (Yee, Ducheneault, & Nelson, 2012), le GPM apporte une conception largement différente du 5FM (Hamari & Tuunanen, 2014) des motivations pour le jeu, tant
7
Note. Adapté de N. Yee, 2006, CyberPsychology & Behavior, 9(6), p. 773.
au niveau de la nature de ses composantes que de leur nombre. Ainsi, quoique les facteurs Accomplissement, Socialisation et Immersion du 5FM se retrouvent aussi dans les dimensions du GPM, les facteurs Exploration et Domination du 5FM sont mieux représentés par une combinaison de composantes du GPM. Par exemple, le facteur Exploration du 5FM semble être partiellement expliqué par une combinaison des composantes Avancement, Découverte, et Jeu de rôle du GPM, même si ceux-ci sont attribués des dimensions différentes. Par conséquent, il semble que le 5FM offre un modèle trop simpliste des motivations pour le jeu, et que les facteurs proposés ne définissent pas de manière assez spécifique les éléments du jeu soutenant la motivation des joueurs. Similairement, la réduction des facteurs du GPM en trois dimensions est critiquable, et bien que l'atteinte d'un modèle parcimonieux soit un objectif important (Charles et al., 2005), les trois dimensions révélées par le GPM ne semblent pas assez spécifiques pour permettre de cibler des aspects précis du jeu soutenant la motivation des joueurs. Plutôt, les dix composantes identifiées par le GPM ouvrent la voie vers un modèle plus spécifique des motivations pour le jeu, et suggèrent une importante remise en question de la validité de la TJB et du 5FM.
Sport Video Games Motivations. Le Sport Video Games Motivations (SVGM) est un second modèle s'intéressant aux motivations des joueurs (Kim & Ross, 2006). Tableau 1
Dimensions et facteurs identifiés par le Game Play Motivations (Yee, 2006).
Accomplissement Socialisation Immersion
Avancement Socialisation Découverte
Progrès, Puissance, Accumulation, Statut
Discuter, Aider les autres, Faire des amis
Exploration, Histoire, Trouver des choses cachées
Mécaniques Relation Jeu de rôle
Nombres, Optimisation, Modélisation, Analyses
Personnel, Divulgation de soi, Trouver/Offrir du support
Histoire, Personnage, Rôle, Fantaisie
Compétition Travail d’équipe Personnalisation
Défier les autres, Provocation, Domination Collaboration, Groupes, Accomplissements de groupe Apparences, Accessoires, Style, Couleurs Échappement Relaxer, S’échapper du monde réel
8
Cependant, ce modèle ne porte son attention qu’aux jeux de type sport en raison de leur popularité grandissante et de leur impact dans le milieu du sport. À cette fin, des groupes de discussion ont été formés dans le but de recenser les raisons pour lesquelles chaque individu est attiré par les jeux de type sport. À partir de ces groupes de discussion et de travaux antérieurs sur l’utilisation des jeux vidéo, un questionnaire de 40 énoncés a été développé par les chercheurs et a été complété par 207 participants provenant d’une communauté universitaire. Par la suite, une analyse factorielle exploratoire (AFE) a été effectuée afin de déterminer le nombre de facteurs présents et obtenir une meilleure compréhension de la structure des données. Sept facteurs ont été extraits des données recueillies : (a) Interaction sociale; (b) Application des connaissances; (c) Fantaisie; (d) Compétition; (e) Divertissement; (f) Diversion; et (g) Identification au sport (Tableau 2). Afin de confirmer le modèle obtenu, 214 participants additionnels ont été recrutés en ligne et ont complété une version simplifiée du même questionnaire, comprenant vingt énoncés. Une analyse factorielle confirmatoire (AFC) de cet échantillon a montré un bon ajustement des données au modèle à sept facteurs et a permis de confirmer la structure factorielle retrouvée précédemment.
Tableau 2
Description des facteurs identifiés par le Sport Video Games Motivations (Kim & Ross, 2006).
Facteur Description
Interaction sociale Passer du temps avec des amis
Application des connaissances Utiliser ses connaissances sur le sport
Fantaisie Imaginer être quelqu'un d'autre
Compétition Prouver sa compétence
Divertissement Se divertir
Diversion Changer de routine
Identification au sport Prendre part à son sport préféré
Même si le SVGM est indépendant du GPM (Yee, 2006), les deux modèles ont plusieurs similarités. Entre autres, les facteurs Interaction sociale, Fantaisie et Compétition du SVGM décrivent respectivement les facteurs Socialisation, Jeu de rôle et Compétition du GPM, apportant un appui à chacun de ces facteurs. Cependant, les quatre autres facteurs du SVGM ne semblent pas s’associer à aucun facteur du GPM, illustrant la difficulté de cerner l’entièreté du problème en une seule étude. Cependant, la portée de ces facteurs et leurs impacts sur la compréhension des motivations pour le jeu semblent
9
aussi limités. D’un côté, les facteurs Application de connaissances et Identification au sport du SVGM paraissent inhérents aux jeux de type sport, et leur généralisation à un autre contexte semble improbable. D’un autre côté, les facteurs Divertissement et Diversion semblent être des aspects génériques du jeu et pourraient être incapables de différencier les préférences des joueurs. Malgré tout, le SVGM avance un modèle des motivations pour le jeu vidéo se rapprochant plus du GPM dans sa description des facteurs que du 5FM (Hamari & Tuunanen, 2014). Ainsi, le SVGM montre la nécessité de valider les modèles des motivations sans appui empirique, tel que la TJB (Bartle, 1996) et le 5FM, et de développer un modèle plus représentatif des réelles motivations des joueurs.
Motives for Online Gaming. À la suite de la TJB (Bartle, 1996), le GPM (Yee, 2006) a été le modèle le plus influent sur l’étude des motivations pour le jeu vidéo, alors que le SVGM (Kim & Ross, 2006) a souvent été ignoré. Le Motives for Online Gaming (MOG) est un des nombreux modèles à s’être inspirés du GPM, et a cherché à étendre les résultats de ce modèle en examinant une variété de facteurs possibles non recensés (Demetrovics et al., 2011). Similairement au SVGM, un ensemble d’énoncés a été généré à partir d’entrevues avec des joueurs et d’une recension des travaux antérieurs sur les motivations pour le jeu. En tout, 129 énoncés ont été rédigés et ont ensuite été catégorisés par trois experts indépendants à l’intérieur d’un modèle théorique proposé par les chercheurs. En éliminant les énoncés référant à un même concept ou ne se rattachant pas à des motifs internes des joueurs, 56 énoncés ont été conservés afin d’évaluer le modèle théorique des auteurs. Ensuite, 3818 joueurs ont complété le questionnaire en ligne qui était distribué sur différents sites web favorisant le jeu en ligne. Afin de confirmer le modèle proposé par les auteurs, une AFC a été effectuée avec la totalité de l’échantillon, mais n’a pas permis de valider le modèle. Par conséquent, une AFE a été réalisée afin d’explorer un meilleur modèle, et a permis d’identifier sept facteurs : (a) Social; (b) Échappement; (c) Compétition; (d) Coping; (e) Développement d’habiletés; (f) Fantaisie; et (g) Divertissement (Tableau 3).
Le MOG illustre le problème auquel fait face le 5FM (Hamari & Tuunanen, 2014) et la TJB (Bartle, 1996); l’interprétation d’un expert n’est pas suffisante pour accepter un modèle des motivations pour le jeu vidéo. Chaque modèle doit ainsi être validé empiriquement afin de vérifier sa pertinence. Malgré tout, le MOG va à l’encontre du 5FM,
10
et propose plutôt un ensemble de facteurs se rapprochant de ceux proposés par le GPM et le SVGM. (1) Le facteur Social décrit les mêmes aspects que les facteurs Socialisation du GPM et Interaction sociale du SVGM, soit la recherche d’interactions sociales. Similairement au SVGM, l’absence de mesures portant sur le travail d’équipe et le développement de relations n’a pas permis au MOG de reproduire les facteurs Relation et Travail d’équipe du GPM. (2) Les facteurs Échappement et Coping du MOG s’apparentent au facteur Échappement du GPM. Bien que ces deux facteurs soient distingués, chacun semble renvoyer à la même raison de jouer, soit gérer ses problèmes. Ainsi, alors que le facteur Échappement marque le fait de jouer pour éviter les émotions négatives, le facteur Coping souligne le rôle du jeu dans la façon de gérer ces mêmes émotions. (3) Comme pour le GPM et le SVGM, un facteur Compétition a été retrouvé. Cependant, ce facteur rejoint davantage la définition du SVGM, soit montrer sa supériorité par rapport aux autres joueurs en gagnant, que celle du GPM qui inclut plutôt des aspects de domination et de provocation des autres joueurs. (4) Le MOG permet aussi de retrouver les facteurs Fantaisie, analogue aux facteurs Jeu de rôle du GPM et Fantaisie du SVGM, et Divertissement, analogue au facteur Divertissement du SVGM, sans différence dans leurs descriptions. (5) Le MOG apporte le facteur Développement d’habiletés, soit jouer pour pratiquer ou améliorer certaines capacités, par exemple l’attention ou la coordination. Cet aspect motivationnel pour le jeu était encore largement ignoré, et montre que plusieurs facteurs auraient pu être ignorés en raison d’un manque de considération pour ceux-ci. En somme, le MOG rejoint le GPM et le SVGM de façon générale, et propose un modèle divergent du 5FM. Bien qu’il apporte un appui à différents facteurs, et qu’il introduise le facteur Développement d’habiletés, le MOG n’est pas une conception finale des motivations pour le jeu vidéo. En effet, il semble exister une redondance entre les facteurs Tableau 3
Description des facteurs identifiés par le Motives for Online Gaming (Demetrovics et al., 2011).
Facteur Description
Social Développer des relations sociales
Échappement Oublier ses problèmes
Compétition Gagner et être meilleur que les autres joueurs
Coping Gérer les émotions négatives
Développement d’habiletés Développer des compétences
Fantaisie Imaginer être quelqu'un d'autre
11
présentés nuisant à un modèle consciencieux, et une justification pour chacun des facteurs est nécessaire à leur rétention.
Gaming Attitudes, Motives, and Experiences. Le Gaming Attitudes, Motives, and Experiences (GAME) est un autre modèle s'intéressant aux motivations pour les jeux vidéo, mais plus spécifiquement à l’importance des habitudes et préférences des joueurs comme facteurs de risque du jeu pathologique (Hilgard et al., 2013). À partir de travaux antérieurs sur les motivations pour les jeux vidéo, 121 énoncés évaluant les habitudes et préférences dans les jeux vidéo ont été rédigés. Le questionnaire a ensuite été distribué sur différents forums axés sur les jeux vidéo de façon générale, et à l’intérieur d’une communauté universitaire, rejoignant un total de 672 répondants. Une première moitié de l’échantillon a été utilisée afin d’identifier la structure factorielle du questionnaire. Ainsi, une AFE a été effectuée et a permis d’avancer neuf facteurs : (a) Histoire; (b) Catharsis violente; (c) Gratification violente; (d) Interaction sociale; (e) Échappement; (f) Aversion pour la défaite; (g) Personnalisation; (h) Complétion; et (i) Autonomie/Exploration (Tableau 4). En utilisant la seconde moitié de l’échantillon, une AFC a été effectuée afin de confirmer les facteurs obtenus précédemment. Un bon ajustement des données au modèle obtenu a permis de confirmer les neuf facteurs avancés.
Tableau 4
Description des facteurs identifiés par le Gaming Attitudes, Motives, and Experiences (Hilgard et al., 2013).
Facteur Description
Histoire Prendre la perspective des personnages et s'intéresser à l'histoire
Catharsis violente Utiliser la violence dans le jeu pour gérer les émotions négatives
Gratification violente Utiliser la violence dans le jeu pour retirer de la satisfaction
Interaction sociale Jouer en équipe et développer des relations personnelles
Échappement Gérer les émotions négatives et oublier ses problèmes
Aversion pour la défaite Perdre du plaisir en cas de défaite
Personnalisation Personnaliser l'apparence de son personnage
Complétion Gagner des récompenses et compléter tout ce que le jeu a à offrir
Autonomie/exploration Choisir parmi plusieurs options et explorer le monde virtuel
Note. Adapté de J. Hilgard et al., 2013, Frontiers in Psychology, 4, p. 5.
Le GAME propose de nombreux facteurs agissant sur la motivation des joueurs. Bien que la plupart reflètent des facteurs présentés précédemment, le nombre élevé d'énoncés inclus dans le questionnaire permet d'élargir la compréhension de ces facteurs,
12
et ainsi clarifier leurs définitions. (1) Le facteur Histoire du GAME rappelle partiellement le facteur Découverte du GPM (Yee, 2006), mais suggère un intérêt propre pour l'histoire du jeu plutôt que pour l'exploration générale du monde virtuel. Cet aspect contraste avec les autres modèles, qui ont accoré peu d'importance à l'histoire dans le jeu, malgré le rôle central que cet aspect occupe dans la majorité des jeux. (2) Les facteurs Catharsis violente et Gratification violente, bien qu'ils ne soient pas présents dans aucun autre modèle, semblent avoir été influencés par le contexte théorique de l'étude sur le jeu pathologique. Plutôt, ces facteurs pourraient être interprétés similairement au facteur Échappement du même modèle, et avec les facteurs Échappement du GPM et Échappement et Coping du MOG (Demetrovics et al., 2011). Plus précisément, au lieu de décrire l'échappement comme l'utilisation du jeu en tant que stratégie de gestion des émotions négatives et du stress, les facteurs Catharsis violente et Gratification violente décrivent spécifiquement l'utilisation du contexte violent des jeux afin de réduire les émotions négatives et retirer de la satisfaction, respectivement. (3) Le facteur Interaction sociale s'apparente aux autres facteurs présentés liés à la socialisation. Cependant, ce facteur du GAME inclut des notions de développement de relations et de travail d'équipe, rappelant les facteurs Relation et Travail d’équipe du GPM. Ainsi, contrairement au SVGM (Kim & Ross, 2006) et au MOG, le GAME propose un seul facteur motivationnel lié à la socialisation, incluant autant les relations sociales, les relations interpersonnelles et le travail d'équipe, rejoignant ainsi le modèle simplifié du GPM (Yee, 2012). (4) Le facteur Aversion pour la défaite semble être un autre facteur affecté par le contexte théorique de l'étude. Cependant, ce facteur possède plusieurs traits communs avec le facteur Compétition présent dans tous les autres modèles des motivations pour le jeu vidéo, dont la recherche de victoire sur ses adversaires. (5) Le facteur Personnalisation, similairement au facteur du même nom du GPM, a pu être retrouvé dans le GAME. Malgré cette récurrence, l’impact de ce facteur sur la motivation pour le jeu est critiquable puisque la personnalisation du personnage ne constitue pas un aspect central du jeu, mais se retrouve généralement de façon ponctuelle dans celui-ci. (6) Le facteur Complétion permet d'apporter un soutien au facteur Avancement du GPM. Cet aspect, bien qu'il soit central à plusieurs types de jeu, manquait encore à être reproduit, et souligne l'importance que peut avoir le sentiment de progression sur la motivation des joueurs. Le facteur Complétion du GAME élargit toutefois la définition du facteur Avancement du GPM, axé uniquement sur la puissance du personnage. Plutôt, l'aspect central de ce facteur serait le sentiment de compétence lié à l'accomplissement de différentes tâches. (7) Le facteur
13
Autonomie/Exploration reprend partiellement la description du facteur Découverte du GPM, soit le désir d'explorer et découvrir de nouveaux éléments du jeu. Contrairement au facteur Découverte du GPM, le GAME distingue cependant l'intérêt pour l'exploration de l'intérêt pour l'histoire, tel que décrit par le facteur Histoire. Ainsi, ces deux éléments du jeu pourraient être vus séparément. En somme, le GAME soutient que le 5FM (Hamari & Tuunanen, 2014) offre une conception trop simplifiée des motivations pour les jeux vidéo. Malgré cela, les facteurs avancés par le GAME offrent un certain appui à ceux du 5FM, bien que ces derniers auraient avantage à être mieux définis puisqu'ils regroupent des habitudes et des préférences pouvant être indépendantes.
Trojan Player Typology. Le Trojan Player Typology (TPT) est le plus récent modèle s'étant intéressé aux motivations pour les jeux vidéo (Kahn et al., 2015). Le TPT s’inscrit dans le cadre du GPM (Yee, 2006), mais cherche à pallier certaines limites de ce modèle en proposant un modèle validé dans différents jeux et différentes cultures. Dans un premier temps, 104 énoncés en lien avec la motivation pour le jeu ont été rédigés à partir de travaux antérieurs et d’expériences personnelles par une équipe de 17 chercheurs. Ce questionnaire a ensuite été rempli par un groupe de 381 participants, recrutés par réseautage. Une AFE a été réalisée identifié le nombre de facteurs présents dans les données, et a permis de retenir six facteurs : (a) Social, (b) Complétion, (c) Compétition, (d) Échappement, (e) Histoire, et (f) Intelligence (Tableau 5). Dans un second temps, deux études ont été réalisées en parallèle afin de valider ces six facteurs : la première chez 18 627 joueurs de League of Legends, un jeu de type arène de bataille en ligne, en Amérique du Nord avec une version simplifiée du questionnaire comprenant 20 énoncés, et la deuxième chez 18 819 joueurs de Chevalier’s Romance 3, un jeu de type jeu de rôle en ligne massivement multijoueur, en Chine avec une version courte du questionnaire comprenant 15 énoncés. Une AFC a été réalisée pour chacune de ces études, rapportant de bons indices d’ajustement des données au modèle spécifié dans les deux cas.
Le TPT, comme le GPM, le SVGM (Kim & Ross, 2006), le MOG (Demetrovics et al., 2011) et le GAME (Hilgard et al., 2013) semblent suggérer un modèle des motivations pour les jeux vidéo différent du 5FM (Hamari & Tuunanen, 2014). Même si le nombre de facteurs avancés par le TPT s’approche du 5FM, la nature de ces facteurs varie considérablement, et entre plutôt en accord avec les autres modèles ayant reçu une
14
validation empirique. (1) Le TPT a permis de retrouver un facteur Social, associé aux interactions sociales entre les joueurs. Comme le GAME, ce modèle ne permet pas de distinguer différentes motivations liées à la socialisation, mais bien une seule dimension regroupant le plaisir de communiquer avec les autres joueurs, travailler en équipe, et développer des relations interpersonnelles. (2) Le facteur Complétion semble associé au facteur Mécaniques du GPM par une compréhension approfondie du système, mais aussi au facteur Complétion du GAME par un désir d’effectuer tout ce que le jeu a à offrir. (3) Le TPT retrouve aussi le facteur Compétition, reflétant sans distinction les facteurs Compétition présentés précédemment. (4) Le facteur Échappement, malgré le titre attribué au facteur, ne réfère pas au même construit que les facteurs Échappement du GPM et du GAME, ni aux facteurs Échappement et Coping du MOG, mais plutôt aux facteurs Jeu de rôle du GPM et Fantaisie du SVGM et du MOG. En effet, ce facteur n’indique pas que le joueur a un problème et qu’il cherche à se sentir mieux, mais seulement que le joueur souhaiterait être quelqu’un d’autre lors d’un instant. (5) Le facteur Histoire vient appuyer l’importance que peut avoir l’histoire sur la motivation, tel qu’avancé par le facteur Histoire du GAME. Cependant, le TPT définit ce facteur plus superficiellement, soulignant seulement l’attrait pour l’histoire et non l’engagement émotionnel du joueur. (6) Le TPT a aussi permis d'avancer le facteur Intelligence. Similairement au facteur Développement d’habiletés du MOG, le facteur Intelligence propose que la capacité du jeu à entrainer des capacités intellectuelles puisse être un aspect motivationnel chez les joueurs. Contrairement au MOG, le TPT n’a pas inclus d’énoncés concernant l’entraînement de capacités physiques, ce qui ne permet pas de généraliser cet aspect du facteur Développement d’habiletés.
Tableau 5
Description des facteurs identifiés par le Trojan Player Typology (Kahn et al., 2015).
Facteur Description
Social Discuter avec les joueurs
Complétion Maitriser tous les aspects du jeu
Compétition Gagner et être meilleur que les autres joueurs
Échappement Imaginer être quelqu'un d'autre
Histoire Aimer l'histoire
15 Problématique
Malgré l’ampleur du travail de recherche effectué afin de valider empiriquement un modèle des motivations pour les jeux vidéo, la TJB (Bartle, 1996) demeure la typologie des joueurs la plus connue et utilisée dans le design de jeu (Schell, 2014). Le 5FM (Hamari & Tuunanen, 2014), bien que plus récent et moins recensé, semble apporter une perspective intéressante sur cette problématique en intégrant les conclusions de différents écrits, tel que la considération pour l’immersion du joueur et la non-exclusivité des motivations. Cependant, le 5FM se confronte à la même limite majeure que la TJB, soit le manque de support empirique permettant d’appuyer le modèle. De ce fait, les dimensions proposées par ce modèle pourraient regrouper plusieurs facteurs, ou encore ne pas représenter un facteur réellement présent chez les joueurs. Par conséquent, il devient important d’examiner la validité de ce modèle afin de déterminer s’il offre une bonne représentation des motivations pour les jeux vidéo, ou si l’adoption d’un modèle alternatif est nécessaire.
Malgré que le 5FM semble apporter un modèle des motivations pour les jeux vidéo plus précis que la TJB, sa structure factorielle ne semble pas cohérente avec les modèles recensés ayant reçu un appui empirique. Ainsi, bien que le facteur Socialisation du 5FM se retrouve de façon unanime dans tous les modèles présentés, les facteurs Exploration et Accomplissement semblent regrouper plusieurs concepts et auraient avantage à être développés afin de reproduire l’éventail de facteurs identifiés ailleurs. Par conséquent, il parait probable que le 5FM ne soit pas en mesure d’expliquer la complexité des motivations pour les jeux vidéo, et qu’un modèle alternatif soit nécessaire afin d’éclaircir cette question. La sélection et la définition des facteurs d’un tel modèle sont cependant incertaines, puisqu’il existe une grande variabilité entre les nombreuses conceptions des motivations pour les jeux vidéo ayant eu un appui empirique. Cette variabilité peut être partiellement expliquée par un biais d’échantillonnage affectant la majorité des études. Bien que certains modèles, par exemple le GAME (Hilgard et al., 2013), aient été plus inclusifs dans la façon dont les répondants ont été recrutés, la majorité ne s’est intéressée qu’à un contexte spécifique. Ainsi, plusieurs facteurs présentés dans ces modèles sont spécifiques à un seul type de jeu, nuisant à la parcimonie du modèle. À titre d’exemple, le facteur Identification au sport du SVGM (Kim & Ross, 2006) est spécifique aux jeux de type sport et n’aurait que peu d’utilité dans un autre contexte. À l’inverse, l’évaluation des motivations dans un contexte spécifique ne permet pas de cerner tous les facteurs, puisque certains pourraient être inexistants dans un type de jeu.
16
Cependant, grâce aux nombreuses études sur le sujet, il devient possible d’identifier plusieurs facteurs récurrents malgré les contextes variés. De ce fait, la socialisation et la compétition sont deux facteurs se retrouvant de façon unanime à l’intérieur des modèles empiriques présentés, et semblent donc avoir une grande influence sur la motivation des joueurs. L’acceptation d’un facteur dans un modèle, même lorsque celui-ci est validé empiriquement, devrait toutefois être fortement questionnée et soumise à une interprétation rigoureuse. En effet, une analyse factorielle, telle qu’utilisée par toutes les études empiriques présentées, permet d’identifier des facteurs à partir des corrélations présentes entre les variables à l’étude, sans certitude de représenter la réalité du problème (Trninić, Jelaska, & Štalec, 2013). Malheureusement, ce travail d’interprétation semble négligé, et les facteurs extraits par les analyses factorielles dans les différents modèles sont acceptés sans prendre en considération leur impact réel sur la motivation du joueur. Ainsi, il pourrait y avoir avantage à ignorer plusieurs facteurs de ces modèles s’ils ne reflètent pas un motif interne, ou s’ils ne sont pas indépendants. Par exemple, les facteurs Divertissement du SVGM et MOG pourraient décrire une propriété inhérente au jeu plutôt qu’un motif propre à certains joueurs, ce qui ne permet pas de différencier ces derniers sur ce facteur.
Objectifs et hypothèses
Par conséquent, ce mémoire a comme objectif de (a) tester empiriquement la validité du 5FM (Hamari & Tuunanen, 2014), (b) explorer les motivations pour les jeux vidéo dans la population générale, et (c) effectuer le travail d’interprétation des facteurs motivationnels provenant des différents modèles empiriques présentés afin de proposer un modèle détaillé des motivations pour les jeux vidéo. En ce qui concerne la validité du 5FM, le GPM (Yee, 2006), le SVGM (Kim & Ross, 2006), le MOG (Demetrovics et al., 2011), le GAME (Hilgard et al., 2013), ainsi que le TPT (Kahn et al., 2015) suggèrent tous que le 5FM ne permettrait pas d’expliquer de façon optimale les motivations des joueurs. Par conséquent, il est attendu qu'il ne soit pas possible de confirmer la structure factorielle de ce modèle, et que différents facteurs représentent mieux les motivations pour le jeu dans la population générale. Entre autres, les différents modèles validés empiriquement présentés rapportent de façon unanime la socialisation et la compétition comme facteurs motivationnels propres. D'autres facteurs, comme l'intérêt pour l'histoire, l’échappement, le développement d’habiletés, la fantaisie, et l'accomplissement dans le jeu semblent aussi correspondre à des facteurs importants à la motivation des joueurs, bien que ceux-ci ne se
17
retrouvent pas dans tous les modèles recensés. En conséquence, ceux-ci devront être étudiés plus attentivement en relation avec les autres facteurs.
Le 5FM (Hamari & Tuunanen, 2014) est un modèle pertinent des motivations pour les jeux vidéo. Puisqu’il partage en grande partie la structure de la TJB (Bartle, 1996), tout en répondant aux limites de ce modèle, le 5FM porte un fort potentiel de devenir le nouveau standard en matière de conception des motivations des joueurs. De ce fait, il devient crucial d’examiner sa validité empiriquement dans la population générale avant de procéder à son acceptation. L’importance de cette validation est renforcée par la présence de nombreux modèles sans présence de consensus. Ainsi, les retombées de la présente étude permettront de spécifier un ensemble de facteurs permettant de soutenir la motivation à l’intérieur de jeux vidéo dans la population générale. Au-delà du développement de scénarios de jeux plus engageants pour l’industrie du divertissement, la meilleure conception des motivations des joueurs pourra permettre de faciliter la ludification d’activités et éviter la détérioration de l’expérience du joueur. Finalement, ce modèle pourra aussi ouvrir la voie à l’adaptation interindividuelle du jeu, en offrant différentes solutions à partir des préférences des joueurs.
18 Méthode Participants
En tout, 156 participants ont complété l’étude dans le cadre d’une expérience portant sur les jeux vidéo, durant laquelle les participants devaient compléter deux séquences de jeu et rapporter leur plaisir. Un échantillonnage en boule de neige a aussi été réalisé en partageant le questionnaire sur un réseau social (Facebook) afin de favoriser l’hétérogénéité de l’échantillon. Un nombre minimal de 110 participants est nécessaire afin d’être approprié au nombre de variables utilisé (Mundfrom, Shaw & Ke, 2005). L'échantillon comprend 41 femmes et 115 hommes, et l'âge moyen est de 25,95 ans (ET = 4.51; min = 18; max = 42). Afin de soutenir l’hétérogénéité de l’échantillon, le nombre moyen d’heures accordé aux jeux vidéo par semaine et les différents types de jeux vidéo préférés sont rapportés aux Figures 2 et 3 respectivement. Ce projet a été approuvé par le comité d’éthique de l’Université Laval (# 2012-272).
Figure 2. Distribution du nombre moyen d’heures accordé au jeu vidéo par semaine
Matériel
Afin de vérifier la validité du 5FM (Hamari & Tuunanen, 2014) et d’explorer les motivations des joueurs, un questionnaire portant sur les comportements et préférences des joueurs a été développé (Annexe 1). Dans un premier temps, un ensemble d’énoncés a été généré à partir de questionnaires et d’observations ayant servi à définir les facteurs du 5FM, soit l’Accomplissement, l'Exploration, la Socialisation, la Domination et l'Immersion (Bartle, 1996; Ip & Jacobs, 2005; Lazzaro, 2004; Tseng, 2010; Yee, 2006; Yee et al., 2012). Afin de bien cerner chacun des facteurs, dix énoncés ont été retenus par facteurs, formant un questionnaire de cinquante énoncés dont l’ordre a été randomisé. Les
0 5 10 15 20 25 30 35 40 < 1 1-5 6-10 11-15 16-20 21-25 25+ N o m b re d e p a rti c ip a n ts
19
Figure 3. Distribution des différents types de jeux préférés rapportés par les participants de l’étude. FPS = Tir à la première personne. MMORPG = Jeu de rôle en ligne massivement multijoueur. MOBA = Arène de bataille en ligne.
réponses à chaque énoncé sont rapportées sur une échelle de Likert à cinq points, allant de 1 (Peu représentatif de mon comportement) à 5 (Très représentatif de mon comportement). Dans un second temps, le questionnaire a été évalué par un groupe de recherche en psychologie, formé de deux étudiants gradués et trois professionnels de recherche, afin d’approuver la formulation des énoncés ainsi que leur classification à l’intérieur de chaque facteur. Finalement, un ensemble de questions démographiques, incluant l’âge, le genre, le nombre d’heures accordé au jeu vidéo par semaine, et les types de jeux préférés, a accompagné le questionnaire sur les motivations afin de s’assurer de l’hétérogénéité de l’échantillon recruté.
Procédure
Dans le but d’éviter des erreurs liées à la saisie des données, le questionnaire sur les motivations a été informatisé et mis en ligne. L’ensemble de questions démographiques et le questionnaire sur les motivations étaient présentés sur deux pages différentes. Les participants n’ayant pas rempli les deux sections n’ont pas été considérés dans l’échantillon. 0 20 40 60 80 100 120 N o m b re d e p a rti c ip a n ts Types de jeux préférés
20 Résultats Analyse factorielle confirmatoire
Afin de vérifier la validité de la structure du 5FM (Hamari & Tuunanen, 2014), une AFC avec méthode d'extraction par maximum de vraisemblance a été effectuée à l'aide du logiciel IBM SPSS Amos 21. Avant de réaliser l’AFC, les coefficients alpha de Cronbach ont été calculés pour chaque facteur du 5FM afin de s’assurer de la cohérence interne des énoncés inclus dans le questionnaire (Tableau 6). L’effet de chaque variable sur le coefficient Alpha de Cronbach respectif au facteur associé est rapporté à l’Annexe 2. Puis, la normalité multivariée des variables a été inspectée en utilisant le coefficient de Mardia, rapportant un score de 109.38 et un ratio critique de 9.47. Cet indice ne possède pas de seuil précis afin d’accepter ou de rejeter le critère de normalité multivariée. Ainsi, certains auteurs ont suggéré un seuil strict, soit un ratio critique de 1.96 à un niveau alpha de .05 (Mardia, 1970; Nimon, 2012) alors que d’autres ont suggéré des seuils plus souples, comme un ratio critique de 3.00 (Bentler & Wu, 2002) ou 5.00 (Byrne, 2010) avec le même niveau alpha. Dans tous ces cas, notre échantillon ne semble pas se conformer au critère de normalité multivariée. Par conséquent, un calcul de la distance de Mahalanobis a été réalisé afin d’identifier les participants nuisant à la normalité multivariée. Cela a permis d’identifier 17 participants dépassant la valeur critique pour 50 degrés de liberté à un niveau alpha de .05. L’exclusion de ces participants permet d’atteindre un coefficient de Mardia de 63.20 avec un ratio critique de 5.17. Puisque ce résultat n’atteint toujours aucun des seuils d’acceptation proposés, un second calcul de la distance de Mahalanobis a été effectué sur les 139 participants restants. Sept participants additionnels dépassant la valeur critique ont été exclus des analyses subséquentes. L’échantillon de 132 participants restant, comprenant 34 femmes et une moyenne d’âge de 26.19 ans (ET = 4.58), atteint ainsi un coefficient de Mardia de 41.54 avec un ratio critique de 3.31. Afin de limiter l'attrition additionnelle de l'échantillon, et puisque l'impact de la non-normalité multivariée
Tableau 6
Coefficients Alpha de Cronbach pour chaque dimension du 5FM (Hamari & Tuunanen, 2014).
Dimension Nombre d'items Alpha Moyenne de l'échelle ET de l'échelle
Immersion 10 .76 32.87 6.95 Domination 10 .82 20.03 6.77 Exploration 10 .82 30.00 7.82 Accomplissement 10 .83 32.65 7.77 Socialisation 10 .91 25.91 9.40 Note. ET = Écart-type.
21
sur les indices d'ajustement du modèle reste limité (Gao, Mokhtarian & Johnston, 2008), l'échantillon restant est considéré comme adapté afin effectuer l'AFC. Une matrice des corrélations entre les variables du questionnaire est rapportée en annexe (Annexe 3).
Afin d’interpréter les résultats de l’AFC de façon appropriée, un ensemble d'indices d'ajustement est considéré (McDonald & Ho, 2002). Les seuils d'acceptabilité pour chacun de ces indices sont rapportés au Tableau 7 (Hu et Bentler, 1999). L’AFC de la structure du 5FM a rapporté des indices d'ajustement de Χ2(1167, N = 132) = 2832.92, p < .001, Χ2/df = 2.43, GFI = .53, CFI = .58, RMSEA = .10, PCLOSE = .00 et SRMR = .12. L'examen des indices de modification révèle plusieurs valeurs élevées et suggère de réviser le modèle afin de permettre la diminution de l’indice Χ2. Cet aspect est supporté par la présence de plusieurs corrélations élevées entre les variables à l’intérieur de la matrice de corrélation (Annexe 3). L'utilisation des indices de modification est toutefois critiquée lorsqu'aucune hypothèse ne supporte les changements apportés (Jackson, Gillaspy & Purc-Stephenson, 2009). Cependant, la covariance des termes d’erreurs rapportant des indices de modification problématiques, seulement lorsqu’ils faisaient partie d’un même facteur, ne permet toujours pas d'améliorer significativement l'ajustement du modèle (Χ2(1111, N = 132) = 2061.37, p < .001, Χ2/df = 1.86, GFI = .65, CFI = .76, RMSEA = .08, PCLOSE = .00 et SRMR = .11). Ainsi, l’AFC ne permet pas de confirmer la structure factorielle du 5FM, et un autre modèle doit être postulé afin d’expliquer la variance des données.
Analyse en composantes principales
Afin d'explorer un modèle alternatif des motivations pour le jeu, une ACP exploratoire a été réalisée à l'aide du logiciel IBM SPSS 21. L'examen des diagrammes de dispersion des variables dépendantes appuie le respect de la linéarité des relations. Une régression linéaire exploratoire révèle plusieurs variables dépendantes ayant un facteur Tableau 7
Seuils d’acceptabilité des indices d’ajustement rapportés (Hu & Bentler, 1999).
Indice d'ajustement Seuil d'acceptabilité Χ2 p > .05 Χ2 /df < 3 GFI > .95 CFI > .90 RMSEA < .05 PCLOSE > .05 SRMR < .09
22
d’inflation de la variance élevé (≥ 5.00), soulignant un problème de multicolinéarité entre les variables. L’examen de la matrice de corrélations révèle des corrélations importantes (≥ .75) entre les énoncés V18 et V25 (r(130) = .76), V33 et V49 (r(130) = .86) et V35 et V50 (r(130) = .86). Les variables V18, V33, et V50 ont donc été retirés des analyses subséquentes, puisqu’elles rapportaient les facteurs d’inflation de la variance les plus élevés à l’intérieur de chaque paire. La variable V41 a aussi été retirée des analyses, puisque la valeur du facteur d’inflation de la variance restait supérieure à 5.00. La présence de plusieurs corrélations élevées (≥ .30) entre les variables, un score de .81 au test de Kaiser-Meyer-Olkin, et un résultat significatif au test de sphéricité de Bartlett (χ2(1035) = 3704.56, p < .001) appuient la réalisation de l’ACP. De plus, les qualités de représentation de chaque variable sont supérieures à .40, confirmant que chaque variable partage en partie la variance commune avec d'autres items.
L'ACP a permis de révéler 11 composantes ayant des valeurs propres supérieures à 1.00. Une rotation varimax supporte la présence d'une structure simple, puisque la majorité des facteurs comprennent des items avec des saturations fortes (> .30) et distinctes. Une solution à sept composantes, expliquant 53.77% de la variance après rotation, a été retenue en raison du manque de cohérence et du faible nombre de variables ayant une saturation importante et distincte sur les quatre composantes ignorées, nuisant à leur interprétation. Les saturations importantes (> .30) après rotation, et les qualités des représentations (h2) sont rapportées à l’Annexe 4. Le calcul des scores factoriels selon la méthode Anderson-Rubin a confirmé l’unimodalité des composantes. Les pourcentages de variance, initiaux et après rotation, expliqués par chaque composante sont rapportés au Tableau 8.
Tableau 8
Pourcentages de variances, initiaux et après rotation, expliqués par chacune des composantes.
Composante % de Variance initial % de Variance après rotation
1 25.47 10.91 2 11.15 8.20 3 6.71 8.02 4 4.69 7.29 5 4.46 6.93 6 3.79 6.62 7 3.27 5.80 8 3.07 5.30 9 2.69 4.34 10 2.40 3.86 11 2.26 2.67
