Game AI Not Fun? A Scoping Review and Meta-Analysis on the Differences in Enjoyment between Human and Computer Opponents

Resumen Técnico: ¿La IA de los juegos no es divertida? Una revisión de alcance y un metaanálisis sobre las diferencias en el disfrute entre oponentes humanos y computarizados

Planteamiento del problema
Si bien los avances en la IA de los personajes de los juegos buscan mejorar el compromiso del jugador, la evidencia empírica sugiere que la mera percepción de que un oponente es artificial puede disminuir la experiencia psicológica. Revisiones previas indican que interactuar con una IA, independientemente de su comportamiento real, puede reducir la prosocialidad, la moralidad y la percepción de simpatía. Además, hallazgos neurocientíficos sugieren respuestas cerebrales distintas ante la presencia humana frente a la de una IA, particularmente dentro de los sistemas de recompensa. A pesar de estos hallazgos psicológicos generales, el impacto específico de la identidad del oponente (humano vs. computadora) en el disfrute del jugador en juegos competitivos permanece fragmentado. Este artículo aborda la necesidad de sintetizar resultados empíricos dispersos para comprender cómo la identidad del oponente influye en el disfrute del jugador, definido frecuentemente como motivación intrínseca.

Metodología
El estudio emplea un enfoque de dos vertientes: una revisión de alcance seguida de un metaanálisis cuantitativo.

1. Selección de estudios y revisión de alcance:

   • Estrategia de búsqueda: Se realizó una búsqueda exhaustiva utilizando el motor TREE (UTokyo REsource Explorer) el 27 de enero de 2026, dirigida a artículos que comparan impactos psicológicos en jugadores contra oponentes humanos versus computarizados. La cadena de búsqueda fue: game AND (computer OR ai) AND (opponent OR enemy) AND human.
   • Criterios de inclusión: Se incluyeron artículos si: (1) se centraban en juegos competitivos; (2) comparaban condiciones donde los participantes creían estar jugando contra un humano versus una computadora; y (3) medían constructos relacionados con el disfrute (por ejemplo, disfrute autoinformado, valencia emocional, motivación, flujo, compromiso conductual o recompensa neural).
   • Muestra final: De un total inicial de 584 elementos, 20 estudios cumplieron con los criterios tras la depuración de duplicados y relevancia.
   • Mapeo de datos: La revisión mapeó diseños de estudio (géneros de juegos, aplicación de Wizard of Oz, asignación de participantes, encuadre instructivo), medidas de resultado (autoinforme, conductuales, neuroimagen, fisiológicas) y focos de investigación (características del oponente, atributos del jugador, estructuras de tareas).

2. Metaanálisis:

   • Alcance: Se realizó un metaanálisis de efectos aleatorios de tres niveles sobre comparaciones de línea base (condiciones puras de humano vs. computadora sin manipulaciones adicionales) a partir de nueve de los 20 estudios.
   • Puntos de datos: Se extrajeron 25 tamaños de efecto (Hedges' g), cubriendo resultados continuos, elecciones binarias y estadísticas F.
   • Modelo estadístico: Se utilizó un modelo REML de tres niveles para dar cuenta de los tamaños de efecto múltiples por estudio ($y_{ij} = \mu + u_j + v_{ij} + \epsilon_{ij}$), abordando la agrupación dentro de los estudios.
   • Sensibilidad: Se realizaron análisis de sensibilidad asumiendo correlaciones intra-participante ($r$) de 0.3, 0.5 y 0.7.

Contribuciones clave

• Mapeo del panorama: El artículo proporciona la primera visión sistemática de 20 estudios empíricos, categorizándolos por género de juego (abstractos/económicos, entretenimiento, exergames), diseño experimental (uso de Wizard of Oz, entre sujetos/dentro de sujetos) y modalidades de medición (cuestionarios, fMRI, EMG, EDA).
• Síntesis cuantitativa: Ofrece la primera estimación cuantitativa de la "penalización del oponente de computadora" a través de constructos motivacionales y modalidades de medición.
• Identificación de brechas: La revisión destaca las limitaciones en la investigación actual, incluyendo la excesiva dependencia de juegos abstractos, la escasez de condiciones de oponente controlado por humanos en diseños de Wizard of Oz y la heterogeneidad de los instrumentos de medición.

Resultados

• Efecto general: El metaanálisis reveló un tamaño de efecto agrupado estadísticamente significativo, de magnitud media a grande ($g = 0.631$, IC del 95% [0.319, 0.943], $p < .0001$). Esto indica una penalización psicológica constante cuando los jugadores compiten contra oponentes de computadora en comparación con oponentes humanos.
• Hallazgos específicos por constructo:
  • Activación (Arousal) y Valencia: Estos constructos mostraron efectos de magnitud grande a muy grande ($g \ge 1.09$), aunque las estimaciones se derivaron de modelos de contingencia de dos niveles debido a los pequeños tamaños de muestra.
  • Motivación: Representada por la mayoría de los estudios ($k=11$), la motivación mostró un efecto moderado pero significativo ($g = 0.44$, IC del 95% [0.22, 0.65]).
• Análisis de moderadores: El constructo medido y la modalidad de medición moderaron significativamente la magnitud del efecto. La ventaja del oponente humano fue mayor para los índices de activación fisiológica y valencia que para la motivación autoinformada. El tipo de diseño experimental (dentro de sujetos vs. entre sujetos) mostró una tendencia limítrofe no significativa.
• Robustez: El análisis de sensibilidad confirmó que la conclusión de una ventaja significativa del oponente humano sigue siendo robusta a través de diferentes supuestos de correlación intra-participante ($r$).

Significancia y Reivindicaciones
El artículo sostiene que el mero contexto de interactuar con un oponente de computadora impone una penalización significativa en la motivación, la activación y la valencia del jugador en comparación con los oponentes humanos. Este hallazgo subraya la identidad del oponente como un factor contextual crítico en la experiencia de juego.

Sin embargo, los autores mantienen una postura modesta respecto a las implicaciones:

• No es "inútil": Los resultados no implican que la IA de los personajes de los juegos sea "inútil". El estudio se centra en el contexto del oponente, no en los comportamientos o capacidades específicas de la IA.
• Necesidad de mayor investigación: Los mecanismos subyacentes que impulsan estas diferencias aún no están claros. El artículo argumenta que factores tales como la fuerza del oponente, la presentación, el encuadre narrativo y las diferencias culturales (por ejemplo, participantes japoneses vs. estadounidenses) pueden modular estos efectos.
• Aplicación práctica: Comprender estas causas raíz es esencial tanto para la psicología teórica como para el diseño de juegos práctico. Se requiere más investigación para resolver la "penalización del contexto del oponente de computadora" para diseñar oponentes de IA más atractivos.

El artículo concluye que, si bien la penalización es estadísticamente robusta, comprender y resolverla plenamente requiere una investigación interdisciplinaria que vaya más allá del alcance actual de la literatura existente.