Ethical Gamification و Professional Motivation

وقتی افزایش Activity لزوماً نتیجهٔ انگیزشی بهتری نیست

یک دورهٔ حرفه‌ای امنیت، streak روزانه، point و leaderboard عمومی اضافه می‌کند. Completion برای دو هفته بالا می‌رود، اما کیفیت reflection تغییری نمی‌کند و چند learner ضعیف‌تر از leaderboard فاصله می‌گیرند. داشبورد محصول می‌تواند به‌راحتی این تغییر را موفق بنامد چون session و completion زیاد شده است.

این نتیجه‌گیری بیش از حد قوی است. Participation همان mastery نیست و activity بالا، کیفیت motivation را ثابت نمی‌کند. در این درس Ethical Motivation & Gamification Governance Contract v1 را می‌سازیم: رکوردی محدود که هر mechanic را به learning goal، intended behavior، reward type، participation signal، mastery evidence، autonomy/competence/relatedness، coercion/equity risk، opt-out، sunset، owner و provenance متصل می‌کند.

قوی‌ترین state مثبت MOTIVATION_GOVERNANCE_REVIEW_REQUIRED است. اگر evidence ناقص یا متناقض باشد، سیستم باید یک HOLD تایپ‌شده برگرداند، نه اینکه صرفاً به‌دلیل رشد engagement نتیجه را success اعلام کند.

مسیر درس و مرز مالکیت

MKN-013 مالک motivation/gamification governance contract است. MKN-001 پیش‌نیاز سخت فریز‌شده است. MKN-012 مالک طراحی visual/slide و MKN-014 مالک pacing/fatigue signal است و این درس outcome آنها را جذب نمی‌کند.

در مسیر Foundation یک mechanic را از learning goal تا evidence و risk review دنبال می‌کنیم. در مسیر Repair فقط اولین field خراب یا مفقود را اصلاح می‌کنیم. در مسیر Experienced باید توضیح بدهی چرا point، streak یا ranking ذاتاً اخلاقی یا غیراخلاقی نیست؛ purpose، visibility، choice architecture، evidence quality، social context و رفتار بعد از حذف mechanic تعیین‌کننده‌اند.

Checkpointها: G1 جداسازی participation از mastery؛ G2 شناسایی failure در autonomy/coercion/equity؛ G3 recompute کردن همان mechanic در cohort سازمانی که completion برای manager قابل‌مشاهده است.

مدل ذهنی: learning purpose → mechanic → motivational risk → evidence split → keep/modify/retire

جریان پیشنهادی:

learning goal → proposed mechanic → intended behavior → autonomy/competence/relatedness risk check → participation signal ↔ mastery evidence → opt-out/equity review → keep/modify/retire → durable-outcome check

حرکت کلیدی این است که participation evidence و mastery evidence در دو field جدا بمانند. streak می‌تواند return rate را بالا ببرد، اما skill competence را ثابت نمی‌کند. leaderboard می‌تواند social energy ایجاد کند، اما autonomy-support، equity یا دوام رفتار پس از حذف reward را ثابت نمی‌کند.

پس این artifact یک governance object است، نه catalog جایزه. حتی با رشد چشمگیر activity هم می‌تواند HOLD، MODIFY، RETIRE یا REVIEW_REQUIRED برگرداند.

قرارداد پایه: شانزده بُعد فریز‌شدهٔ Evidence

ابعاد فریز‌شده عبارت‌اند از motivation_case_id، learning_goal_ref، mechanic_id، intended_behavior، reward_type، participation_metric، mastery_evidence_ref، autonomy_risk، competence_signal، relatedness_signal، coercion_flag، equity_risk، opt_out_state، sunset_condition، review_owner و provenance.

Invariantهای حداقلی:

1. هر mechanic باید learning goal و intended behavior مشخص داشته باشد.
2. reward type صریح است و فشار پنهان به UX خنثی تبدیل نمی‌شود.
3. participation و mastery جدا ذخیره می‌شوند.
4. autonomy، competence و relatedness لنز review هستند، نه score خودکار.
5. coercion_flag=true با engagement بالا خنثی نمی‌شود.
6. social/competitive mechanic باید equity risk را آشکار کند.
7. در mechanicهای pressure-sensitive، opt-out باید واقعی و visible باشد.
8. sunset condition زمان retire/modify/re-review را تعریف می‌کند.
9. owner و provenance اجباری‌اند.
10. با تغییر audience یا visibility، تصمیم baseline باید دوباره محاسبه شود.

توضیح عمیق: کیفیت Motivation مهم‌تر از حجم Activity است

Self-Determination Theory — FACT. SDT کیفیت‌های مختلف motivation را از هم جدا می‌کند و autonomy، competence و relatedness را نیازهای روان‌شناختی مهم برای internalization و functioning می‌داند. این نظریه لنز بررسی context است و policy point/ranking خود MAKNOW را تعیین نمی‌کند.

Gamification review — FACT. review فریز‌شده، gamification را استفادهٔ هدفمند از game-design element برای engagement/motivation توصیف می‌کند و هشدار می‌دهد طراحی ضعیف می‌تواند نیازهای پایه یا انگیزه را تضعیف کند. نتایج آموزشی نیز universal و یکدست معرفی نشده‌اند.

Participation-versus-mastery — INFERENCE. سامانهٔ یادگیری باید streak/point/completion را جدا از competence evidence audit کند؛ participation بالا می‌تواند با mastery تخت یا رفتار externally controlled هم‌زمان باشد.

MAKNOW governance — DESIGN. purpose map، opt-out، coercion/equity state و sunset rule authority داخلی‌اند و باید versioned/reviewable باشند.

مثال‌های حل‌شده: Public Ranking، Private Progress و تغییر Context

Baseline. دورهٔ امنیت، private streak feedback، point و leaderboard عمومی دارد. Completion هجده درصد بالا می‌رود، اما mastery/reflection تخت است و چند learner ضعیف‌تر از ranking فاصله می‌گیرند. contract مقدار participation_metric=UP، mastery_evidence_ref=FLAT، autonomy_risk=MEDIUM، equity_risk=HIGH_FOR_PUBLIC_RANKING و opt_out_state=AVAILABLE را ثبت می‌کند. public ranking به MODIFY_AND_REVIEW_REQUIRED می‌رود.

Wrong approach. جایگزین کردن private progress با public ranking بدون recompute autonomy، relatedness، coercion و equity رد می‌شود؛ metric زیرین یکی است اما social meaning یکی نیست.

Transfer. همان دوره وارد cohort سازمانی می‌شود و managerها completion را می‌بینند. streak اختیاری consumer حالا فشار نهادی بیشتری دارد. تصمیم baseline oracle نیست و باید visibility، opt-out credibility، coercion و equity دوباره محاسبه شوند.

Failure Modeهایی که باید Fail-closed شوند

در این وضعیت‌ها fail-closed می‌شویم:

• participation بالا می‌رود ولی mastery flat یا missing است؛
• private progress بدون recompute به public ranking تبدیل می‌شود؛
• mechanic برای manager قابل‌مشاهده می‌شود ولی تصمیم consumer reuse می‌شود؛
• opt-out وجود ندارد، صوری است یا هزینهٔ تنبیهی دارد؛
• coercion_flag=true نادیده گرفته می‌شود؛
• autonomy/equity risk بالا mitigation ندارد؛
• sunset، owner یا provenance مفقود است؛
• mechanic فقط چون زمانی clicks را زیاد کرده دائمی می‌شود؛
• mechanic حذف می‌شود ولی دوام رفتار بدون reward بررسی نمی‌شود.

HOLD یک نتیجهٔ معتبر است و سیستم حق دارد بگوید evidence برای promotion کافی نیست.

گزینه‌ها و Trade-offها: Private Progress، Cooperative Goal، Public Competition یا بدون Mechanic

Private progress می‌تواند competence feedback بدهد و social comparison را کم کند، اما اگر با penalty همراه شود هنوز controlling است. Cooperative goal می‌تواند relatedness را حمایت کند ولی ممکن است burden را نابرابر کند. Public competition برای بعضی learnerها انرژی می‌سازد و برای برخی دیگر autonomy/equity risk ایجاد می‌کند. No mechanic فشار reward را حذف می‌کند ولی ممکن است structure مفید را هم کم کند.

سؤال صحیح «کدام mechanic engagement بیشتری می‌سازد؟» نیست. سؤال این است: «کدام mechanism learning purpose را با evidence محدود و choice واقعی پشتیبانی می‌کند؟»

Sunset condition مهم است چون mechanic ممکن است در onboarding مفید باشد و بعد از internalization به وابستگی بیرونی تبدیل شود. retire کردن می‌تواند یک outcome موفق باشد.

پل Experienced: Gamification را Intervention نسخه‌دار ببین، نه Feature دائمی

برای طراحی حرفه‌ای، هر mechanic را intervention نسخه‌دار ببین:

• mechanic_id و visibility صریح است؛
• target behavior از learning goal جداست؛
• reward exposure competence محسوب نمی‌شود؛
• participation و mastery stream جدا هستند؛
• motivational risk در یک engagement score پنهان نمی‌شود؛
• opt-out event evidence درجه‌یک است؛
• owner/review cadence مشخص است؛
• sunset/removal با durability check دنبال می‌شود.

این معماری اجازه می‌دهد بفهمیم mechanic رفتار را فقط با external reward «اجاره» کرده یا بعد از حذف/کاهش reward هم routine حرفه‌ای پایدار می‌ماند. همچنین context سازمانی را cosmetic change فرض نمی‌کند.

تمرین هدایت‌شده و مستقل

Guided: lab://MKN-013/MKN-013-LAB1 را روی baseline اجرا کن. توضیح بده چرا completion بالا و mastery تخت اجازهٔ promote کردن public ranking را نمی‌دهد و کدام fieldها MODIFY_AND_REVIEW_REQUIRED می‌سازند.

Repair: یکی از single-fault mutationها را اجرا کن و فقط همان dimension خراب—opt-out، sunset، owner، provenance، coercion یا evidence split—را repair کن.

Independent: transfer سازمانی را بدون دیدن label baseline حل کن. visibility، autonomy، coercion، equity و opt-out credibility را مستقل recompute کن. artifact باید baseline_oracle_reuse=false داشته باشد.

Evidence لازم برای Verification

Reviewer باید بتواند state را فقط از synthetic evidence بازسازی کند. Checkها:

• هر شانزده dimension موجود باشد؛
• participation و mastery collapse نشوند؛
• public/institutional visibility risk recompute را فعال کند؛
• opt-out صریح و بدون penalty باشد؛
• coercion/equity با رشد participation override نشوند؛
• sunset و owner وجود داشته باشند؛
• provenance evidence و rule version را مشخص کند؛
• transfer مستقل recompute شود؛
• baseline oracle reuse false باشد؛
• هیچ live reward/learner system mutate نشود.

تصمیم باید بدون hidden model reasoning قابل‌بازتولید باشد.

Assessment و Transfer: Rule را در تغییر Power Structure ثابت کن

S1 — Retrieval: autonomy، competence و relatedness را به‌عنوان review lens توضیح بده و بگو چرا policy leaderboard از آنها مستقیماً استخراج نمی‌شود.

S2 — Application: برای baseline، Ethical Motivation & Gamification Governance Contract v1 را بساز؛ participation/mastery را جدا و keep/modify/retire state را انتخاب کن.

S3 — Diagnosis: private progress را به public ranking تبدیل کن و fieldهای invalidated و state امن را مشخص کن.

S4 — Transfer: دوره را به employer-sponsored cohort ببر که manager completion را می‌بیند. coercion، equity، opt-out credibility و sunset را بدون copy کردن تصمیم consumer از صفر بساز.

PASS به یک تصمیم bounded و evidence-traceable نیاز دارد. جملهٔ «engagement بالا رفت» به‌تنهایی کافی نیست.

منابع، Freshness و مرز Authority

منبع دانشگاهی فریز‌شده، Gamification in Action: Theoretical and Practical Considerations for Medical Educators، هنوز روی سایت Self-Determination Theory در دسترس است و gamification را از زاویهٔ autonomy، competence و relatedness بررسی می‌کند و دربارهٔ طراحی بد و competition هشدار می‌دهد. صفحات جاری SDT نیز همچنان autonomy، competence و relatedness را نیازهای مرکزی نظریه معرفی می‌کنند.

مرز Authority:

• FACT: چارچوب motivational نظریه و یافته/هشدارهای review دانشگاهی.
• INFERENCE: جداسازی participation signal از mastery evidence در MAKNOW.
• DESIGN: allowlist، opt-out، coercion/equity vocabulary، thresholdها، labelها و sunset rule.

منابع در 2026-09-13 دوباره بررسی شدند. بازبینی بعدی حداکثر تا 2027-01-15 یا زودتر در صورت تغییر material منبع یا authority داخلی انجام شود.