Flow in Games 是陈星汉 (Jenova Chen)的硕士论文，其中主要讨论的是心理学中的Flow (心流理论) 应该如何被运用到游戏设计中去，特别是如何运用该理论来改善游戏中的动态难度调整系统(Dynamic Difficulty Adjustment，下文简称DDA)。根据Flow所设计的DDA有别于传统设计，它会创造出一种“主动式”环境：在其中的玩家可以通过潜意识(Subconscious)的选择来找到适合自己的游戏体验，进而从游玩过程中达到最大的乐趣。
陈星汉的初衷是希望更多的人玩游戏，了解游戏。因为在他写这篇文章的时候（2006），他意识到了绝大多数不玩游戏的人对于游戏的认识仅仅是“肤浅且鼓励暴力”。他认为，这些偏见产生的原因是他们并没有亲自玩过游戏，只是从单纯的旁观里得出结论。所以破除这些偏见最好的方法就是让原本不玩游戏的人也能玩游戏，并从中找到乐趣。陈星汉坦言道，如果只为那些从来不玩游戏的人设计一款游戏，从商业的角度考虑毕竟太过于冒险了。因为在美国，游戏的开发成本很高，游戏的主要内容往往是针对目标群体来设计的，所以比较实际的办法就是增加游戏的受众面——经常玩游戏的人（目标群体）与不玩的人都能从同一个游戏中找到乐趣。而陈星汉找到的解决办法就是将Flow运用到游戏中去。 Flow是一种心理状态，最早由心理学教授Mihaly Csikszentmihalyi提出。进入这种状态的人会产生一种浸没式的投入感（即，会忽视除了目标对象外的事物，例如时间，食物等），能够非常集中注意力以至于能够控制和知晓目标对象的一切。在此种状态的人能够主动地产生做某些事情的愿望(Motivation)，进而不遗余力地实现愿望，所以最终的结果就是非常高的满足感和愉悦感。 
陈星汉在他的论文里用了一张图来示意Flow这种状态。在这张图里我们可以看到Flow所处的区域实际是上一个人所接受的挑战以及她的能力的平衡点。如果挑战过大，能力不足，那么这种情况在直角坐标系上就会接近于“焦虑”这一区域，即玩家会觉得游戏难度过高。相反，如果挑战太少，玩家能力过高，这种情况在坐标系上就会接近于“无聊”这一区域，即玩家会觉得游戏难度过低。在陈星汉之前已经有很多研究运用Flow来评价玩家在游戏中的体验，但是按照该理论实际去设计一款游戏的却寥寥无几。所以在论文的后半部分，陈星汉主要论述了将Flow理论运用到游戏里的方法。 陈星汉首先将游戏中的乐趣定义为Flow (Flow as Fun)。因为游戏里如果没有一个难度和玩家能力之间的动态平衡，最终的成品肯定不会好玩。那么如果想要游戏好玩的话，当中必须要有这么一个难度上的平衡。而找到这种平衡是Flow理论的重要，甚至可以说唯一的目的。在这个意义上，游戏里的乐趣可以被认为是Flow。 在Csikszentmihalyi最初的Flow理论中一共有8个主要组成部分：
- 力所能及（A challenge activity that requires skills）
- 身心合一（The merging of action and awareness）
- 目标明确（Clear goals）
- 反馈直接（Direct feedback）
- 着眼当下（Concentration on the task at hand）
- 尽在掌握（The sense of control）
- 尔不自知（The loss of self-consciousness）
- 斗转星移（The transformation of time）
Csikszentmihalyi指出了上述组成部分中并非所有的都是Flow体验的必要条件，而之后陈星汉例出了3条对于游戏最为重要的。
- 游戏本身就应该能让人得到满足感（Rewarding），并且玩家倾向于玩游戏。这是大前提。
- 游戏里的挑战应该考虑到玩家的能力，进而让玩家更投入。
- 玩家应该在游戏过程中感觉到自己对游戏的掌控。
因为有了上述的特点，游戏会让玩家忘记时间和自己（第4点）。陈星汉总结道，如果一个游戏能被不同群体的人接受，这个游戏一定要有上述4点，而根据不同玩家的能力调整游戏里的挑战是最为重要的。 DDA的原理很简单，就是要让游戏的难度随着玩家的技巧和在游戏里的表现而调整。但是这种调整不是游戏设计者所能控制的，因此只有非常少的商业游戏运用到了这种系统。陈星汉继续写道，DDA其实只能算是Flow系统中的一部分，因此设计一套Flow系统会比单独的DDA更有用。电子游戏的组成部分可以大致分为两类：内容(Content)和系统(System)。内容指的是游戏所带来的特定体验；系统则是一套能通过画面、声效以及互动等方式来向玩家传达内容的互动软件。陈星汉认为Flow被用于内容方面的话，可能会让内容过于简单；而就应用于系统方面来说，无论游戏的内容是什么，游戏的体验总是能够让人有满足感，也能够吸引到更多的人。 把Flow应用到游戏设计上的原理也很简单：让玩家尽可能久地处于Flow的区域内，直到游戏结束。而对于不同的玩家，游戏也应该有不同的Flow区域来满足不同人的需要。 
玩家在游戏中的实际体验应该是像曲线一样：有时候会感到游戏较为困难，有时候较为简单，但持续的时间都在玩家的忍耐限度内，所以玩家一直会有很好的体验。 
如果游戏在更长的时间里难度过高或者过低，那么玩家就会产生焦虑或者无聊的情绪。 
不同玩家有不同的Flow区域（例如Hardcore和菜鸟）。对于不同玩家所设计的不同体验在游戏里也应该尽可能地明显，这样一来玩家在开始游戏的时候就能对之后的游戏体验有所把握，进而能够沉浸其中。 与传统游戏设计相比，拥有Flow系统的游戏更加注重每位玩家的体验。陈星汉指出，传统的设计以及之后的调整靠的是测试人员分工测试。这种方法的局限性在于单个的测试者往往不能看到游戏的全部，没有对于整体的把握。而最后反馈给设计师的结果都只是有限数量的测试者的报告，所以说在这类游戏里的Flow区域很有可能会局限在测试者偏好的地方。 用Flow来调整游戏难度中有一个困扰大家的问题就是：该不该设计一套游戏里的系统来调整玩家的游戏体验。被动式所靠的是建立一套游戏内的完整系统，而后靠它来调整玩家的体验。在理论上，这套系统会实时采集玩家数据；通过监视系统提取最重要的可以反应当前玩家Flow状态的数据；这些数据在分析系统中被分析，之后告知游戏系统，后者做出相应改变。这个循环在玩家的游戏进程中持续不断，所以能够将玩家保持在Flow区域里。但是陈星汉在文章里指出了这个系统中的几个实际应用时会遇到的瓶颈。
- 没有直接数据：系统不知道玩家的真实想法。因为大多数情况下，玩家和游戏直接的唯一联系就是一个手柄，除了玩家按下的按钮之外，游戏内的系统对玩家一无所知。
- 表现不能反映Flow：玩家在游戏里的表现往往被设计者简化成非常客观的数据，如“杀敌数”，“命中率”，“爆头率”。但是Flow是一个非常主观的东西，和它有关的只是玩家的心理状况等主观因素。
- 基于假设的分析：人数一多，假设就难以成立，很可能会有特例。陈星汉在文章里举的例子是：有一个玩家就喜欢在GTA里玩自杀式特技所以死亡数直线上升。而DDA系统内置的假设是：如果某人死亡数过多，那么某人的水平太差。但是在这个情况下，DDA对这个玩家做出“水平太差”的判断就和真实情况差远了。
- 根据死板设计做出的调整：系统如何调整难度是被设计者预先制定的。虽然不同的设计者会在这方面有不同的偏好，但是仅仅一个人肯定不能代表多数玩家的偏好。
综上所述，被动式的Flow，即面向系统的Flow (System-Oriented)并不太可取。所以之后陈星汉提出了主动式的Flow。被动和主动的最大区别在于：被动式过于强调了在游戏里的挑战和玩家的能力之间寻找平衡，而忽视了让玩家感到她真的在控制游戏。主动式的Flow会在游戏里提供各种有意义的选项供玩家选择，让玩家自己选择自己的Flow体验。而这就要求游戏给玩家提供尽可能多的游戏内的活动，让他们根据自己的喜好选取。 
陈星汉把这种Flow称为面向玩家的Flow (Player-Oriented)，因为是由玩家自己在游戏里做出决定来调整Flow的区域。为了保证Flow体验的及时调整，游戏提供给玩家选项的频率应该尽可能得高。但是过高的选择频率也会导致玩家的游玩体验受到影响。一个理论上很简单的解决办法是在这种Flow里也加入检测系统，来看看什么时候应该提供玩家选项。但是由于检测系统目前很不成熟，所以目前唯一的解决办法就是把选择变成游玩的一部分，玩家通过选择来进行游戏，最终会因习以为常而忽略它们。这样一来，他们的选择会变成他们意图的直观反映。 所以陈星汉运用Flow理论所设计出来的DDA有如下特点：
- 通过不同的难度和内容让游戏里Flow区域的覆盖面尽可能广。
- 创造一个面向玩家的“主动式”DDA系统让玩家能够自己选择他们的游戏体验，进而让玩家产生对游戏的掌控感。
- 把DDA的选择加入到游戏的机制里去，所以玩家的游玩过程就是选择过程。
而这样的游戏可以保证比较广的受众面。 陈星汉的论文里提到了两个根据论文设计的游戏：Traffic Light和大名鼎鼎的Flow（现在大家应该知道这个游戏得名的原因了）。大家可以去他的网站下载试玩。
http://jenovachen.com/flowingames/trafficlight.htm
http://jenovachen.com/flowingames/flowing.htm
References:
Wikipedia (2014). Mihaly Csikszentmihalyi. Retrieved from http://en.wikipedia.org/wiki/Mihaly_Csikszentmihalyi#Flow
Wikipedia (2014). Flow (Psychology). Retrieved from http://en.wikipedia.org/wiki/Flow_(psychology)
Chen, J. (2006). Flow in Games. Retrieved from http://jenovachen.com/flowingames/thesis.htm
文: J_Lu from Beacon Labs.
欢迎转载，转载即意味着你同意了授权条款。商业机构转载须要事先得到作者授权，并且提供给作者转载的链接以供作者检查是否符合条款。