Αρχιτεκτονική
H αρχιτεκτονική της πλατφόρμας GAME2AWE απεικονίζεται στο παρακάτω Σχήμα. Το Device Layer είναι το πρώτο επίπεδο της αρχιτεκτονικής του παιχνιδιού, όπου οι εξωτερικές συσκευές επικοινωνούν με το σύστημα. Οι πληροφορίες (data) που στέλνουν οι συσκευές προωθούνται στο Data Layer όπου γίνεται η μοντελοποίησή τους με τη χρήση αλγορίθμων μηχανικής μάθησης. Στη συνέχεια γίνεται η ταξινόμηση των πληροφοριών με σκοπό την απόρριψη ή την αποδοχή μιας ενέργειας και της μετάδοσή τους (Analysis Layer). Σε περίπτωση αποδοχής, η πληροφορία μέσω των μηχανισμών του παιχνιδιού (Game Mechanics) γίνεται αντιληπτή από τον χρήστη. Οι μηχανισμοί του παιχνιδιού ενημερώνουν και πάλι το σύστημα για την πρόοδο του χρήστη προκειμένου να γίνει ηαντίστοιχη προσαρμογή του συστήματος από τους αλγόριθ-μους μηχανικής μάθησης. To Adaptation Layer καθορίζει τον τρόπο επικοινωνίας από ένα σύνολο υπηρεσιών από και προς το Interaction Layer. Τέλος, το Interaction Layer παρέχει τις διεπαφές χρήστη.
Αξιολόγηση Πλατφόρμας
Η αξιολόγηση της πλατφόρμας περιλαμβάνει 3 άξονες: κινητικός, γνωστικός και τεχνολογικός. Απαιτούνται 60 συνολικά χρήστες η συμμετοχή των οποίων βασίζεται σε κριτήρια ηλικιακά (>= 65 έτη) και υγείας (δυνατότητα ανεξάρτητης κίνησης, απουσία σοβαρών προβλημάτων υγείας). Η μεθοδολογία περιλαμβάνει ομάδα ελέγχου και ομάδα παρέμβασης εφαρμόζοντας μια τυχαιοποιημένη ελεγχόμενη δοκιμασία (randomized controlled trial).
Για όλους τους χρήστες θα γίνει καταγραφή μετρήσεων των κινητικών και γνωστικών λειτουργιών πριν και μετά τη χρήση της πλατφόρμας GAME2AWE.
Η ομάδα παρέμβασης θα χρησιμοποιεί την πλατφόρμα GAME2AWE 1-2 φορές την εβδομάδα μέχρι κάθε συμμετέχων να συμπληρώσει 24 συνόδους χρήσης.
Για τον κινητικό άξονα θα χρησιμοποιηθούν έγκυρες σχετικές δοκιμές/κλίμακες όπως: Choice Stepping Reaction Time (CSRT), Berg Balance Scale (BBS), Functional Reach Test (FRT), 30 Second Sit to Stand Test (30SST), Motor Fitness Scale και Time Up and Go (TUG).
Για τον γνωστικό άξονα θα χρησιμοποιηθούν οι κλίμακες Mini-Mental State Examination (MMSE) και Montreal Cognitive Assessment (MoCA).
Σε επίπεδο τεχνολογικής αποδοχής της πλατφόρμας από τους χρήστες αξιολογούνται παράμετροι όπως Perceived Usefulness, Perceived Ease of Use και Output Quality (Technology Acceptance Model 3). Η κλίμακα Physical Activity Enjoyment Scale (PACES) θα χρησιμοποιηθεί για να εκτιμηθεί η ικανοποίηση των χρηστών από την χρήση της πλατφόρμας. Ποιοτική έρευνα θα πραγματοποιηθεί μέσα από ημιδομημένες συνεντεύξεις των χρηστών που συμμετέχουν στην πιλοτική δοκιμή. Η έρευνα θα προσδιορίσει υποκειμενικά το μέτρο βελτίωσης της ποιότητας ζωής.
Οι παρακάτω λειτουργίες θα εξεταστούν από ειδικούς για να αξιολογηθεί η βελτίωση που έχει επιφέρει η χρήση της πλατφόρμας GAME2AWE: βάδιση, μυϊκή ενδυνάμωση, ισορροπία, χωροχρονικός προσανατολισμός, προσοχή, συγκέντρωση, μνήμη και παρατήρηση.
Μηχανική Μάθηση
Κατά τη διάρκεια χρήσης της πλατφόρμας το σύστημα συλλέγει και αποθηκεύει δεδομένα επιδόσεων όπως, σκορ του κάθε παιχνιδιού, χρόνος αλληλεπίδρασης με τις οθόνες του παιχνιδιού, συχνότητα χρήσης παιχνιδιών, παιχνίδια που ολοκληρώθηκαν με επιτυχία, πλήθος σφαλμάτων κ.ά.. Τα αποθηκευμένα δεδομένα αξιοποιούνται από αλγόριθμους μηχανικής μάθησης για τον καθορισμό αποτελεσματικότερων προγραμμάτων άσκησης για την ενδυνάμωση ισορροπίας και δύναμης για αποφυγή πτώσεων αλλά και την ενδυνάμωση γνωστικών ικανοτήτων. Επιπλέον η ανακάλυψη μοτίβων στα αποθηκευμένα δεδομένα βοηθά στην ταξινόμηση των ηλικιωμένων σε διαγνωστικά επίπεδα με στόχο την αντικατάσταση των παραδοσιακών διαγνωστικών εργαλείων.