Andern Menschen beim Spielen zusehen. Beeinflusst der Spielertyp das Nutzungsverhalten auf Twitch.tv?


Masterarbeit, 2020

139 Seiten, Note: 1.0


Leseprobe

Inhaltsverzeichnis

Zusammenfassung

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Diagrammverzeichnis

Tabellenverzeichnis

Teil A Einleitung
1 Ausgangssituation
2 Zielsetzung und Forschungsfrage
3 Vorgehensweise
3.1 Forschungszugang
3.2 Forschungsmethode

Teil B Theoretische Grundlagen der Spielertypologie und der Live-Streaming-Plattform Twitch
1 Spielertypen und -motive
1.1 Ansatzbasierte Einordnung der Theorien
1.1.1 Psychografische Grundlage
1.1.2 Verhaltensbasierte Grundlage
1.1.3 Videospielinterne demografische Daten
1.1.4 Weitere Ansätze
1.2 Gegenüberstellung und kritische Betrachtung
2 Zusehen statt Spielen
2.1 Die Live-Streaming-Plattform Twitch
2.2 Motivation und Nutzungsverhalten
2.3 Resümee des Forschungsstandes

Teil C Heterogene Spielerorientierungen und bedingte Verhaltensmuster auf Twitch.tv
1 Hypothesengenerierung
2 Spezifikation und Operationalisierung

Teil D Daten und Methodik
1 Datenerhebung mittels Online-Fragebogen
2 Fragebogenrevision
2.1 Qualitativer Pretest
2.2 Quantitativer Pretest
3 Forschungsdurchführung
4 Stichprobe
5 Datenaufbereitung und -analyse
6 Gütekriterien

Teil E Ergebnispräsentation
1 Deskriptive Präsentation der Spielerorientierungen
2 Spielerorientierungen und Verhaltensmuster
2.1 Favorisierte Publikumsgröße und Nutzungsintensität
2.2 Twitch als Informationsquelle
2.3 Verwendung des Chats
2.4 Nutzungsgewohnheiten
2.5 Auswahlkriterien
2.6 Abonnements und weitere Formen monetärer Unterstützung
2.7 Übertragungskategorien
2.8 Angesehene Übertragungen und Videospielpräferenzen

Teil F Diskussion und Hypothesenabgleich
1 Spezifische Verhaltensmuster für die Spielerorientierungen
1.1 Favorisierte Publikumsgröße und Nutzungsintensität
1.2 Twitch als Informationsquelle
1.3 Verwendung des Chats
1.4 Nutzungsgewohnheiten
1.5 Auswahlkriterien
1.6 Abonnements und weitere Formen monetärer Unterstützung
1.7 Übertragungskategorien
1.8 Angesehene Übertragungen und Videospielpräferenzen
2 Gegenüberstellung und Hypothesenabgleich

Teil G Fazit

Literaturverzeichnis

Anhang A Forschungsgebiet der Spielertypen

Anhang B Top-50-Rangliste

Anhang C Fragebogen

Anhang D Social-Media-Kanäle

Anhang E Ergebnisse der Post-Hoc-Tests und Effektstärken

Abkürzungsverzeichnis

ASMR Autonomous Sensory Meridian Response

AVE Average variance extracted

DGD Demographic game design model

ESL Electronic Sports League

FPS First-Person Shooter

GMP Gamer Motivation Profile

IRC Internet Relay Chat

MBTI Myers-Briggs Type Indicator

MMO Massively Multiplayer Online Game

MOBA Multiplayer Online Battle Arena

MUD Multi-User Dungeon

SDT Self-Determination Theory

UGT Uses and Gratification Theory

URL Uniform Resource Locator

Zusammenfassung

Die vorliegende Arbeit greift die Frage auf, inwiefern sich Spielertypen aufgrund des Zuschauererlebnisses auf Twitch.tv unterscheiden. Dabei richtet sich der Fokus auf die individuellen Verhaltensmuster der Nutzer und Nutzerinnen der Live-Streaming-Plattform. In diesem Kontext werden acht Variablen spezifiziert, die jene Verhaltensweisen quantifizierbar machen. Diese reichen von statistischen Kennzahlen, zum Beispiel der wöchentlichen Konsumdauer, über die Benutzung von Twitch als Informationsquelle, des Chatverhaltens bis zu allgemeinen Nutzungsgewohnheiten. Daran schließen sich die Auswahlkriterien einer Übertragung, die Gründe für Geldaufwendungen, beispielsweise für Abonnements, und die favorisierten Rubriken an. Abschließend werden unter anderem die angesehenen Inhalte mit den persönlich präferierten Videospielen verglichen.

Die forschungstheoretische Basis hinsichtlich des Spielertyps bietet das Player Trait Model (Tondello et al., 2019). Ähnlich den modernen Praktiken der Persönlichkeitsforschung setzt dieses Modell nicht auf eine strikte Klassifizierung von Menschen, sondern vertritt die Auffassung, dass Spieler und Spielerinnen durch eine Summe verschiedener Eigenschaften zu charakterisieren sind. Die Präferenzen von Spielenden werden durch die Ausprägung der fünf Charakteristika Social, Narrative, Goal, Challenge und Aesthetic Orientation gemessen.

In Anbetracht dessen wird der quantitative Forschungszugang gewählt. Zum Zweck der Datenerhebung kommt ein Online-Fragebogen (N = 133) zum Einsatz. Die Daten werden mit Kruskal-Wallis-Tests sowie zugehörigen Post-Hoc-Tests in Bezug auf Unterschiede zwischen den fünf Spielerorientierungen hin analysiert.

Die Ergebnisse zeigen auf, dass sich jede der fünf Charakteristika auf einzigartige Weise in mindestens zwei, die Verhaltensmuster betreffenden, Variablen unterscheidet. Für Menschen mit starker Social Orientation ist die Verwendung des Chats gleichermaßen spezifisch wie auch das Aufwenden von Geld, um Aufmerksamkeit innerhalb der Community zu erlangen. Davon unterscheiden sich Spieler und Spielerinnen mit schwacher Narrative Orientation. Für diese ist beispielsweise ein Desinteresse an monetären Ausgaben für eine exklusive Kommunikation mit der streamenden Person charakteristisch. Demgegenüber zeichnet das Publikum der Rubrik Talkshows eine geringe Goal Orientation aus. Spieler und Spielerinnen, die eine starke Challenge Orientation aufweisen, kennzeichnet im Wesentlichen die konsequente Übertragungsauswahl aufgrund des Videospiels oder des Kanals. Dies spiegelt sich in der Übereinstimmung der angesehenen und persönlich favorisierten Videospiele gleichermaßen wider, ebenso wie der Aspekt, dass jene als einzige im Publikum aufgrund des betrachteten Videospieles zu identifizieren sind. Die Zuschauerschaft der Rubrik Reviews lässt sich hingegen durch eine stark ausgeprägte Aesthetic Orientation beschreiben. Gleichermaßen sind es diese, die Twitch vorwiegend als Informationsquelle für neue Videospiele nutzen.

Diese Arbeit bildet mit ihren Resultaten eine Grundlage für das Verständnis, inwieweit sich Spielertypen nicht nur aufgrund des Spieleerlebnisses, sondern auch beim Zuschauen Anderer während des Videospielens voneinander unterscheiden.

Abstract

This paper addresses the question to what extent player types differ due to the viewing experience on Twitch.tv. Its focus is on the individual behavioral patterns of the live streaming platform‘s users. In this context, eight variables are specified, which make these behaviors quantifiable. These range from statistical key figures, for example the duration of weekly consumption, to the use of Twitch as a source of information, the chat behavior or the general usage habits. This is followed by the selecting criteria of the stream and the reasons for spending money, for example for subscriptions and favorite categories. Finally, the content being viewed is compared to the video games preferred by the user.

The player trait model provides the theoretical basis for research on the player type (Tondello et al., 2019). Similar to modern approaches of personality research, this model does not rely on a strict classification of people, but represents the view that players can be characterized by a sum of different characteristics. The preference of players is measured by the expression of five characteristics: social, narrative, goal, challenge and aesthetic orientation.

Due to this, the quantitative research approach has been chosen. An online questionnaire (N = 133) is used for the purpose of data collection. The data is analyzed with Kruskal-Wallis tests as well as related post-hoc tests to identify differences between the five player orientations.

The results indicate that each of the five characteristics differs in a unique way for at least two behavioral variables. For people with strong social orientation, the use of chat is as specific as spending money to gain attention within the community. Players with weak narrative orientation differ from these and are characterized by a disinterest in spending money for exclusive communication with the streaming person. In contrast, the audience of the talkshows category is characterized by a low goal orientation. Players who have a strong challenge orientation are characterized by a consequent choice of the stream based on the video game or the channel. This is reflected by the correspondence between the video games being viewed and personal favorites, as well as the fact that they are the only ones identifiable in the audience because of the video game being viewed. In contrast, the viewers of the reviews section can be described as having a strong aesthetic orientation. Similarly, it are those who use Twitch as a source of information, mainly concerning new video games.

The results of this work provide a basis for understanding to what extent player types differ from each other, not only in terms of gaming experience, but also when watching others play video games.

Abbildungsverzeichnis

Abbildung B-1: Spielertypen nach Bartle

Abbildung C-1: Hypothesenpaar

Abbildung C-2: Identifizierbare Verhaltensmuster

Abbildung D-1: Altersverteilung der Stichprobe

Abbildung D-2: Geografische Herkunft der Stichprobe

Abbildung Anhang E-1: Prozentuale Rangfolge der Spielerorientierungen nach Spielen

Diagrammverzeichnis

Diagramm B-1: Prozentuale Verteilung der Zuschauer im Mittel nach dem Inhalt

Diagramm E-1: Spielerorientierungen

Diagramm E-2: Geld auf Twitch.tv aufwenden

Tabellenverzeichnis

Tabelle B-1: Segmentierungskriterien

Tabelle B-2: Player Trait Model mit Beschreibungen

Tabelle B-3: Gegenüberstellung der Spielertypen und Begrifflichkeiten

Tabelle B-4: In der Literatur diskutierte Verhaltensmuster

Tabelle C-1: Skalenniveaus

Tabelle D-1: Stichprobengrößenberechnung

Tabelle D-2: Geschlechterverteilung der Stichprobe

Tabelle D-3: Transformation numerischer Variablenwerte

Tabelle E-1: Kruskal-Wallis-Test zu den statistischen Informationen

Tabelle E-2: Kruskal-Wallis-Test zu der Informationssuche

Tabelle E-3: Kruskal-Wallis-Test zu der Verwendung des Chats

Tabelle E-4: Kruskal-Wallis-Test zu den Nutzungsgewohnheiten

Tabelle E-5: Kruskal-Wallis-Test zu den Auswahlkriterien

Tabelle E-6: Kruskal-Wallis-Test zu den Gründen der Geldaufwendungen

Tabelle E-7: Kruskal-Wallis-Test zu den Übertragungskategorien

Tabelle E-8: Kruskal-Wallis-Test zu den angesehenen und gespielten Videospielen

Tabelle F-1: Spielerorientierungsspezifische Verhaltensmuster

Tabelle Anhang A-1: Übersicht zu Studien auf dem Forschungsgebiet der Spielertypen

Tabelle Anhang A-2: Spielertypkonzepte mit zugehörigen Beispielen

Tabelle Anhang B-1: Top-50-Rangliste der Inhalte auf Twitch.tv in den letzten 365 Tagen

Tabelle Anhang C-1: Erster Fragenblock

Tabelle Anhang C-2: Zweiter Fragenblock

Tabelle Anhang C-3: Dritter Fragenblock

Tabelle Anhang C-4: Vierter Fragenblock

Tabelle Anhang D-1: Social-Media-Kanäle

Tabelle Anhang E-1: Narrative Orientation und Informationssuche

Tabelle Anhang E-2: Goal Orientation und Informationssuche

Tabelle Anhang E-3: Aesthetic Orientation und Informationssuche

Tabelle Anhang E-4: Social Orientation und Verwendung des Chats

Tabelle Anhang E-5: Narrative Orientation und Verwendung des Chats

Tabelle Anhang E-6: Goal Orientation und Verwendung des Chats

Tabelle Anhang E-7: Challenge Orientation und Verwendung des Chats

Tabelle Anhang E-8: Aesthetic Orientation und Verwendung des Chats

Tabelle Anhang E-9: Aesthetic Orientation und Nutzungsgewohnheiten

Tabelle Anhang E-10: Challenge Orientation und Auswahlkriterien

Tabelle Anhang E-11: Social Orientation und Geldaufwendungen

Tabelle Anhang E-12: Narrative Orientation und Geldaufwendungen

Tabelle Anhang E-13: Goal Orientation und Geldaufwendungen

Tabelle Anhang E-14: Challenge Orientation und Geldaufwendungen

Tabelle Anhang E-15: Social Orientation und die Übertragungskategorien

Tabelle Anhang E-16: Narrative Orientation und die Übertragungskategorien

Tabelle Anhang E-17: Goal Orientation und die Übertragungskategorien

Tabelle Anhang E-18: Challenge Orientation und die Übertragungskategorien

Tabelle Anhang E-19: Aesthetic Orientation und die Übertragungskategorien

Tabelle Anhang E-20: Narrative Orientation und Übereinstimmung der Videospieltitel

Tabelle Anhang E-21: Challenge Orientation und Übereinstimmung der Videospieltitel

Tabelle Anhang E-22: Die 18 am häufigsten genannten Videospiele

Teil A Einleitung

1 Ausgangssituation

Männer und Frauen, die sich in Live-Übertragungen während des Spielens von Videospielen zeigen, ziehen hunderte Millionen Menschen in ihren Bann. Einzelne versammeln zum Teil hunderttausende als Publikum (TwitchTracker, 2020). Diese Übertragungen werden als Streams bezeichnet und mit Hilfe von Diensten wie Facebook, Twitch oder YouTube immer populärer (May, 2020).

Die Weiterentwicklungen im Bereich des Video Encodings, der permanenten Erhöhung der Bandbreite von Netzwerken, eine wachsende Kultur von nutzergenerierten Inhalten und zu guter Letzt die Lust daran, anderen während des Videospielens zuzusehen, forcieren diesen Trend zudem. Als Konsequenz daraus ist das Peer-to-Peer Online-Streaming inzwischen eine der am schnellsten wachsenden Medienformen (Sjöblom & Hamari, 2017).

Verdoppelte sich die Nutzerbasis stets in den vergangenen Jahren, weisen diesbezügliche Prognosen darüber hinaus auf ein andauerndes Wachstum hin (Iqbal, 2020; Kavanagh, 2019; Perez, 2020; TwitchTracker, 2020). Content-Erstellende, die ihren Fokus auf Videospiele richten, zum Beispiel PewDiePie oder Ninja, fordern aufgrund ihrer immensen Anzahl an Abonnenten traditionelle Medienunternehmen heraus (Sjöblom & Hamari, 2017). Zum Zeitpunkt der Ausarbeitung dieser Arbeit belaufen sich diese für Erstgenannten auf etwa 107 Millionen YouTube-Abonnenten (YouTube, 2020b), respektive im Falle Ninjas auf 24 Millionen und weitere 16 Millionen Abonnenten auf der Website Twitch.tv (SullyGnome, 2020b; YouTube, 2020a).

In den vergangen sechs Jahren hat sich die Relevanz der Live-Streaming-Plattform Twitch und deren Einfluss außerordentlich ausgeweitet. Twitch ist nicht nur zu einer bedeutenden Säule der Videospieleindustrie geworden, sondern zudem zu einer Größe im globalen Medien-Ökosystem herangewachsen. Der Einfluss, der dieser Position immanent ist, wirkt sich neben des Spielens und Zuschauens von Videospielen auch auf deren Entwicklung, Vermarktung und Rezensionen aus (Johnson & Woodcock, 2019c). Die beiden Autoren nennen in diesem Kontext das Spiel Rocket League, das sich als auffallend und überraschend attraktiv auf Twitch.tv erwies. Im Jahr 2015 erklomm Rocket League innerhalb nur eines Monats die Top fünf der meistgesehenen Spiele, was schließlich in mehr als fünf Millionen Download-Verkäufen resultierte. Zusätzlich verweist George (2015) auf die imposante Leistung, ein bis dato unbekanntes Videospiel mit derartig bemerkenswerter Geschwindigkeit ins Rampenlicht zu bringen. Diese Direktvermarktungsstrategie, die auf geradlinige Weise an die Konsumenten übertragen wird, wäre ohne Twitch nicht denkbar gewesen (Johnson & Woodcock, 2019c). Jeremy Dunham, Vizepräsident des Herausgebers des Spiels, verriet in einem Interview, dass Twitch und die streamenden Personen von Beginn an ein wesentlicher Erfolgsbestandteil waren (Purcell, 2016).

Das Beispiel Rocket League oder der zwei Jahre später veröffentlichte Survival-Shooter PlayerUnknown’s Battlegrounds demonstrierten mit Hilfe der Live-Streaming-Plattform eindrucksvolle Verkaufszahlen. Auf diese Weise zeigt sich, dass der wirtschaftliche Erfolg zeitgenössischer Videospiele zunehmend von der Vermarktung durch Streaming-Plattformen wie Twitch abhängt (Johnson & Woodcock, 2019c).

Zusätzlich wird eine Unterscheidung zwischen Spielertypen und Spielstilen aufgrund der jüngsten Entwicklungen zum Beispiel in Bezug auf die Geschäftspraktiken des Videospielsektors unvermeidlich. In diesem Kontext wächst beispielsweise die Relevanz der Geschäftsmodelle, die im Zusammenhang mit dem Verkauf von virtuellen Gütern oder Dienstleistungen innerhalb des Spieleproduktes stehen. Diese haben sich im Vergleich zu den Einzelhandelsverkäufen der näheren Vergangenheit vervielfacht. Infolgedessen richten die Herausgeber ihren Fokus zunehmend auf das Spieldesign, dessen potenzielle Wertangebote sowie deren Vermarktungsstrategien. Dementsprechend ist es für die Entwickelnden unentbehrlich, Kenntnis über die konsumierenden Personen der virtuellen Güter zu haben. Daraus resultieren Marketingpraktiken der Segmentierung und Differenzierung, die in das Spieldesign eingebettet werden (Hamari & Tuunanen, 2014).

Auch aufgrund dessen untersucht zum Beispiel die Games User Research Community die Präferenzen von Spielern und Spielerinnen, die Spielweisen und -elemente betreffend, und versucht diese zu klassifizieren (Drachen et al., 2018; Games User Research, 2020). Die Ergebnisse helfen Entwickelnden, Videospiele zu entwerfen, die weitestgehend auf ein spezifisches Publikum zugeschnitten sind. Auf diese Weise werden deren Erwartungen und favorisierte Inhalte in einem höherem Maß erreicht (Nacke et al., 2014; Tondello et al., 2017). Darüber hinaus tragen diese Erkenntnisse zu der angedeuteten Segmentierung hinsichtlich der Spielerbasis bei und führen demzufolge zu effektiveren Marketingkampagnen (Hamari & Tuunanen, 2014; Tondello et al., 2019).

Sjöblom und Hamari (2017) weisen im Kontext des Videospiel-Streamings und der Spielertypologie auf eine bestehende Lücke in der diesbezüglichen Forschung hin. Dementsprechend identifizieren die beiden Autoren Unterschiede zwischen verschiedenartigen Spielgenres und der Motivation von Spielern und Spielerinnen. Genres sind in ihrer Natur heterogen, wodurch zum Beispiel einige Spiele als wettbewerbsorientiert zu charakterisieren sind, wohingegen andere ein freieres Spieleerlebnis bieten. Infolgedessen nehmen Sjöblom und Hamari an, dass sich der Spielertyp nicht nur auf das Spieleerlebnis auswirkt, sondern sich auch in der Zuschauererfahrung widerspiegelt.

2 Zielsetzung und Forschungsfrage

Nicht zuletzt aufgrund des ungebrochenen Wachstums der Live-Streaming-Plattform, sondern auch hinsichtlich deren Bedeutung für die Videospieleindustrie knüpft diese Arbeit an den von Sjöblom und Hamari (2017) unterstellten Zusammenhang zwischen Spielertyp und Zuschauererfahrung an. Unter Berücksichtigung dieser Forschungslücke ist die primäre Zielsetzung der vorliegenden Arbeit abgeleitet. Im Fokus des Interesses steht demzufolge die Frage: „Inwieweit differiert der Spielertyp aufgrund der gezeigten Verhaltensmuster auf Twitch.tv?“

Der Schwerpunkt richtet sich demnach auf Unterschiede zwischen den Spielertypen und die Frage, welche Verhaltensweisen diese beim Zusehen hervorrufen. Darüber hinaus sind der Forschungsfrage zwei weitere Fragestellungen inhärent, deren Beantwortung hingegen mit Hilfe der Aufarbeitung des aktuellen Forschungsstandes und Fachliteratur erfolgt. Einerseits ist zunächst zu selektieren, welche Theorien oder Modelle sich zur Charakterisierung von Spielern und Spielerinnen als theoretisches Fundament eignen. Andererseits ist die Zuschauererfahrung zu definieren und zu eruieren, auf welche Weise diese zu quantifizieren ist.

Neben des Erkenntnisinteresses für die Spieleentwicklung und deren Vermarktung ist dies gleichermaßen für streamende Personen bedeutsam. Dementsprechend ist denkbar, dass die Ergebnisse einen Einblick in deren Community, zum Beispiel typische Verhaltensmuster des Publikums, geben und das Bestreben, diese auszuweiten, unterstützen.

Bis dato herrscht noch keine klare Vorstellung darüber, inwieweit das Zuschauererlebnis respektive die Verhaltensmuster auf Unterschiede der Spielertypen zurückzuführen sind. Infolgedessen ist es für die vorliegende Arbeit essenziell, ein Verständnis diesbezüglich zu schaffen.

3 Vorgehensweise

Dieser Passus erläutert zunächst den dem Forschungsgenstand zugrundeliegenden, wissenschaftstheoretischen Ansatz des klassischen Rationalismus. Im Anschluss wird die zur Beantwortung der aufgeworfenen Forschungsfrage verwendete Methode des quantitativen Forschungszugangs präzisiert.

3.1 Forschungszugang

Der (klassische) Rationalismus als wissenschaftstheoretischer Ansatz vertritt den Standpunkt, dass die Form und der Inhalt aller Erkenntnis auf Verstand und Vernunft basieren und nicht auf sinnlicher Erfahrung. Demnach existiere keine voraussetzungs- beziehungsweise theoriefreie Erfahrung, sodass Beobachtungen unentwegt einer Theorie folgen (Kornmeier, 2007, S. 35). Jedoch gilt jene Theorie der reinen Deduktion als überwunden. Folglich stellt dessen Weiterentwicklung, der kritische Rationalismus, den führenden wissenschaftstheoretischen Ansatz dar (Döring & Bortz, 2016, S. 36). Dieser ist eine Kombination des klassischen Rationalismus und des Neopositivismus und vereint demnach sowohl Elemente der Deduktion als auch der Induktion (Kornmeier, 2007, S. 38–39). Im Fallibilismus, der Annahme, dass die menschliche Vernunft grundsätzlich fehlbar sei und demnach auch rationalistische Begründungen nicht unumstößlich sind, spiegelt sich der Grundgedanke des kritischen Rationalismus nach Karl Popper wider (Gadenne, 2019). Demzufolge kann sich Wissen jederzeit als fehlerhaft erweisen und weist mithin nur einen vorläufigen Charakter auf (Kornmeier, 2007, S. 40–41).

Im Fokus des kritischen Rationalismus steht, durch die Falsifikation, ungültige Theorien auszusondern, Erkenntnisgewinn zu erlangen. Hypothesen werden angezweifelt und mittels Empirie versucht zu widerlegen. Diese können sich demzufolge bestenfalls bewähren, aber nicht beweisen, oder müssen abgelehnt werden (Döring & Bortz, 2016, S. 36–40).

Diese kritisch rationalistischen Grundannahmen sind im vorliegenden Forschungskontext die Arbeitsgrundlage und bieten einen zielführenden Forschungszugang. Auf Basis des Forschungsgegenstandes und des wissenschaftstheoretischen Zugangs wird in der vorliegenden Arbeit der quantitative Forschungszugang gewählt.

3.2 Forschungsmethode

Der quantitativen Sozialforschung sind diverse Methoden der Datenerhebung, Aufbereitung und Auswertung bekannt (Döring & Bortz, 2016). Für das Sammeln von Daten werden heute zunehmend Online-Befragungen eingesetzt. Der schriftliche Online-Fragebogen repräsentiert dabei die wichtigste vollstrukturierte Befragungstechnik und wird in weiten Teilen der Markt- und Sozial-, aber auch der akademischen Grundlagenforschungen eingesetzt und überzeugt dabei aufgrund seiner großen Effizienz (Döring & Bortz, 2016, S. 414).

Während Erhebungsmethoden zum Sammeln des Datenmaterials der Beantwortung der Forschungsfrage beziehungsweise der Prüfung der Forschungshypothesen dienen (Döring & Bortz, 2016, S. 322), verfolgen Aufbereitungsmethoden das Ziel, Rohdatenmaterial für eine systematische Datenanalyse vorzubereiten (Döring & Bortz, 2016, S. 580). Die Analyse hat die Intention, die formulierte Forschungsfrage auf Basis der vorliegenden Daten zu beantworten. Demnach können Forschungshypothesen getestet oder auf Basis der Daten neue Hypothesen abgeleitet werden (Döring & Bortz, 2016, S. 598). Im Kontext quantitativer Datenanalysen in explanativen Studien bedienen sich wissenschaftliche Studien des klassischen Signifikanztestes zur Hypothesenprüfung (Döring & Bortz, 2016, S. 657).

Die vorliegende Arbeit verwendet die Daten, die mit Hilfe eines Online-Fragebogens erhoben wurden (N = 133) und analysiert diese hinsichtlich der Unterschiede zwischen Spielertypen und deren spezifischen Verhaltensmustern bei der Verwendung von Twitch.

Teil B Theoretische Grundlagen der Spielertypologie und der Live-Streaming-Plattform Twitch

Zunächst erfolgt die Aufarbeitung des aktuellen Forschungsstands basierend auf grundlegender und aktueller Literatur. Hierbei stehen die beiden Bestandteile der Forschungsfrage, Spielertypen und -motive einerseits sowie Twitch anderseits im Fokus. Diese sollen als Grundlage für die Selektion eines geeigneten Modelles der Definition des Spielertyps sowie relevanten Faktoren der Charakterisierung des Nutzungsverhaltens von Zuschauer und Zuschauerinnen auf der Live-Streaming-Plattform dienen.

Der Beginn dieses Kapitels widmet sich erstgenanntem Element. Die wichtigsten Erkenntnisse auf dem Forschungsgebiet der Spielertypologie werden sowohl zusammengefasst als auch gegenübergestellt. Die Einordnung der verschiedenen Modelle in die aus der Marketingtheorie bekannten Segmentierungskriterien wird gefolgt von der daraus resultierenden Diskussion und deren kritischer Betrachtung.

Im Anschluss wird der zweite Teil der Forschungsfrage hinsichtlich der Fachliteratur analysiert. Die Live-Streaming-Plattform Twitch ist seit ihrer Ausgliederung im Juni 2011 von Justin.tv (Taylor et al., 2018, S. 3) ein beliebtes Forschungsobjekt dieser Disziplin (Harpstead et al., 2019). Studien und deren Resultate mit Fokus auf Twitch sowie die Motivation und den Nutzungsweisen der Zuschauenden werden in diesem Abschnitt gleichermaßen vorgestellt.

1 Spielertypen und -motive

Das Hauptinteresse der Gemeinschaft der Games User Research gilt dem Verständnis, warum Menschen Videospiele spielen, und welche Spielegenres oder -mechaniken sie dabei favorisieren (Drachen et al., 2018; Games User Research, 2020). Publikationen, die die Gründe des Spielens aufzeigen (Hamari & Keronen, 2017), diese durch intrinsische Motivation erklären (Przybylski et al., 2010; Vahlo & Hamari, 2019) oder die Motivation der Spieler erläutern (Yee, 2007; Yee et al., 2012), tragen zu den Fortschritten dieser Forschungsdisziplin bei. Die Theorie der Taxonomie verschiedener Spielertypen wurde erstmals 1996 von Bartle postuliert. Bartle prägte in diesem Zuge die Begrifflichkeiten des Achievers, Explorers, Socialisers und Killers. Die Tabelle Anhang A‑1 zeigt eine Auswahl der in den vergangenen Jahren erarbeiteten Theorien und Modelle mit dem Ziel, Spielertypen zu identifizieren. Jene werden im Folgenden diskutiert und zunächst mit Hilfe der Segmentierung und den beschriebenen Kriterien gruppiert.

Die Segmentierung dient als grundlegendes Konzept der Marketingtheorie. Zusammen mit dem Begriff der Differenzierung kann diese bis in die Anfänge des 20. Jahrhunderts zurückverfolgt werden. So erklärte Shaw (1912) die Differenzierung als die möglichst exakte Erfüllung der identifizierten und segmentierten menschlichen Bedürfnisse in der Art und Weise, dass diese in den im Fokus liegenden Kundensegmenten Nachfrage erzeugt. Produkte wurden mit dem Ziel entwickelt, bestimmte Endbenutzende zu erreichen. Die Aufgabe der Segmentierung ist es, diese Kundengruppen zu eruieren. Ihr Bestreben ist, der Kundschaft Produkte anzubieten, die den spezifischen Bedürfnissen in besserer Weise entsprechen (Tynan & Drayton, 1987). Durch die Identifizierung möglichst homogener Gruppen, die sich aber in grundlegender Weise voneinander unterscheiden, bildeten sich bereits vor vielen Jahren Segmentierungskriterien heraus, welche auch in der modernen Marketingliteratur noch Bestand haben (Kesting & Rennhak, 2008, S. 7–14). Die Kriterien werden in Tabelle B‑1 vorgestellt, mit Beispielen beschrieben sowie in den Spielekontext gestellt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle B-1: Segmentierungskriterien.

Quelle: Eigene Darstellung in Anlehnung an Hamari und Tuunanen (2014) und Tynan und Drayton (1987).

1.1 Ansatzbasierte Einordnung der Theorien

Dieses Kapitel bezieht sich größtenteils auf die Ausführungen von Hamari und Tuunanen (2014), da diese mit Hilfe ihrer Meta-Analyse das Themengebiet um Spielertypen, Spielertypologie und Spielermotivation prägnant beschreiben. Tabelle Anhang A‑1 dient als Übersicht über die für die vorliegende Arbeit relevanten Studien. Sie beinhaltet die verschiedenen Spielertypen sowie die in der zugehörigen Studie untersuchten Videospiele. Daraus lassen sich Rückschlüsse zur Beantwortung des Teilaspektes der Forschungsfrage, welche Theorien beziehungsweise Modelle sich für die Charakterisierung von Spielern und Spielerinnen eignen, gewinnen.

Ausgehend von dieser ersten Übersicht des Themenbereiches Spielertypologie geht hervor, dass geografische oder demografische Kriterien in der Literatur kaum Beachtung finden. Erkenntnisse aus dahingehenden Untersuchungen sollen jedoch nicht unterschlagen werden. So finden Williams et al. (2009) beispielsweise heraus, dass es mehr weibliche als männliche Spieler im Rollenspiel EverQuest 2 gibt. Yee et al. (2012) konstatieren bei der Prüfung ihrer Ergebnisse, dass sich diese zum Beispiel im Vergleich zwischen asiatischen Ländern und der westlichen Kultur nicht unterscheiden.

Studien zu Spielertypen und Spielermotivation konzentrieren sich im Wesentlichen auf psychografische und verhaltensbasierte Aspekte. Diese Kriterien zu unterscheiden ist indes nicht immer einfach, da jene teilweise aneinander angrenzen oder sich gar überlagern. Diesbezüglich ist exemplarisch die Studie von Tseng (2011) zu nennen. Die psychografische Analyse beinhaltet den Typ Inactive Gamer, der sich aus Ex-Spielenden zusammensetzt und somit viel mehr ein Verhalten und nicht etwa einen psychologischen Faktor beschreibt (Hamari & Tuunanen, 2014).

Bei Betrachtung der untersuchten Videospiele wird ersichtlich, dass das Genre der Massively Multiplayer Online Games, Rollenspiele und Online-Spiele überwiegt. Eine Einordnung der vier Spielertypen von Bartle (1996), dem Achiever, Explorer, Socialiser und Killer zu Videospiel-Genres mit zugehörigen charakteristischen Videospielen durch Stewart (2011), lassen das im Folgenden aufzuarbeitenden Themengebiet erahnen.

1.1.1 Psychografische Grundlage

Ip und Jacobs‘ (2005) Unterteilung von Spielenden in die Kategorien der Hardcore Gamer und Casual Gamer ist ein schlichter Ansatz. Aufgrund dieser Simplizität steht jene Unterscheidung in Hardcore- und Gelegenheitsspieler indes in der Kritik (Bateman et al., 2011). Nach Ip und Jacobs (2005) sind Hardcore Gamer Menschen, die zum Beispiel ein sehr tiefes Wissen über das Spiel demonstrieren, indem sie etwa in spielebezogenen Foren diskutieren und sehr häufig, auch für lange Zeit, spielen. Diese Spieler und Spielerinnen wollen sich vom Mainstream, den Casual Gamer, abgrenzen und versuchen beispielsweise, das Spiel durch eigene Modifikationen zu verändern. Auch Hamari und Tuunanen (2014) kritisieren dieses Modell für seine extreme Vereinfachung und Verallgemeinerung und suchen stattdessen nach einer Möglichkeit, Spielende anhand ihres Engagements zu kategorisieren. Dies könnte beispielsweise anhand der Bereitschaft zur Beteiligung, der Mühe oder dem Willen, Geld aufzuwenden, erfolgen. Hamari und Tuunanen empfehlen die beiden Pole nicht gegenüberzustellen und als dichotome Trennung anzusehen, sondern diesen Ansatz ineinander übergehend zu modellieren. Denn aufgrund des Dienstleistungscharakters von Videospielen kann es zu Schwierigkeiten führen, festzustellen, inwiefern eine Person ein Hardcore Gamer ist oder nur an wenigen Teilen des Spieles Interesse hat.

Stewart (2011) greift diesen Ansatz ebenfalls auf, beschreibt ihn jedoch gleichwohl umfassender und facettenreicher in seinem Spielertypenmodell. So stellt er etwa die These auf, dass das Hardcore-Verhalten einen erheblichen Anteil zur Immersion, also dem Eintauchen in die Spielwelt, beiträgt. Weiterhin besteht nach Stewart bei Hardcore Gamern das Verlangen nach intellektuell herausfordernden Spielen sowie spannenden abenteuerlichen Erfahrungen. Er schlägt dementsprechend vor, dass die zu bevorzugenden Genres Abenteuer- oder Puzzlespiele seien. Dieser Vorschlag ist jedoch konträr der Diskussion, dass besonders häufig junge Männer als Hardcore Gamer skizziert werden, die Action- oder Strategiespiele spielen (Selwyn, 2007). Demgegenüber würden nach Stewart diese beiden Genres vorwiegend durch Casual Gamer bevorzugt. Hamari und Tuunanen (2014) beschreiben in diesem Zusammenhang die Diskrepanz, dass heute ein Großteil der Abenteuer- und Puzzlespiele hauptsächlich für eine weibliche Zielgruppe entwickelt wird, wohingegen die meisten Action- und FPS-Spiele auf Männer zugeschnitten sind.

Problematisch ist die Einteilung von Spielenden in lediglich zwei Kategorien dann, wenn dabei mit einem hohen Grad an Vereinfachungen und unplausiblen Mutmaßungen, zum Beispiel über vorgeschlagene Spielegenres, gearbeitet wird. Die Antwort auf die Frage nach dem Hardcore- und Casual-Gaming-Verhalten ist nur in den wenigsten Fällen schwarz oder weiß. Statt dieser beiden einfach identifizierbaren expliziten Gruppen gibt es die Spieler und Spielerinnen, die zwischen den beiden Extremen positioniert sind. In der Betrachtung von Hardcore- und Casual Gamern handelt es sich vielmehr um eine Skala als um eine Typologie (Hamari & Tuunanen, 2014).

Zwar sind im Fall von Stewart (2011) die beiden Typen lediglich ein Teil eines größeren und umfassenderen Modells, nichtsdestotrotz ist die Frage zu stellen, wie eine Einteilung von Hardcore und Casual Gamern nur auf Grundlage von Immersion beruhen kann. Dazu werfen etwa Hamari und Tuunanen (2014) die Frage auf, ob die Immersion nicht unabhängig des Genres oder des Videospieles sei. Ergebnisse anderer Studien, zum Beispiel von Yee (2007) oder Kallio et al. (2011), zeigen diesbezüglich, dass die Immersion ein Teil von mehreren und komplexeren Motivationsfaktoren ist, welche das Spielverhalten beeinflussen. Nach Hamari und Tuunanen (2014) sind diese bei der Kategorisierung von Spielenden zu bevorzugen.

1.1.2 Verhaltensbasierte Grundlage

In Bezug auf die verhaltensbasierte Segmentierung wird der Umgang mit dem Produkt oder der Dienstleistung beschrieben (Tynan & Drayton, 1987). Im Spielekontext bedeutet das etwa, wie sich Spielende innerhalb des Videospiels verhalten (Hamari & Tuunanen, 2014).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung B-1: Spielertypen nach Bartle.

Quelle: Eigene Darstellung in Anlehnung an Bartle (1996).

Der bekannteste und im Rahmen der Forschung zu Spielertypen am häufigsten zitierte Autor ist Bartle. Viele weiterführende Untersuchungen anderer Wissenschaftler, unter anderem Stewart (2011) oder Yee (2002, 2006, 2007), stützen sich auf die von Bartle bereits 1996 postulierten Ergebnisse. Seine Resultate basieren auf Beobachtungen über das Spielerverhalten in Multi-User Dungeons, also textbasierten Rollenspielen. Bartle klassifiziert seine Ergebnisse entlang zweier Achsen. In Y-Richtung steht Aktion der Interaktion gegenüber und in X-Richtung die Spielerorientierung der Weltorientierung. Im ersten Quadranten ist der Achiever angesiedelt. Sein Antrieb sind spielinterne Ziele, zum Beispiel in Form des Sammelns von Erfahrungspunkten, Levels oder Spielewährung. Dem zweiten Quadranten ist der Killer zugeordnet, der die virtuelle Welt dazu nutzt, Mitspielenden Schaden zuzufügen und der durch deren Angst und Schmerz Befriedigung erlangt. Im Gegensatz dazu steht der Socialiser auf der Seite der Interaktion, im dritten Quadranten. Er benutzt das Spiel, um sich mit anderen Menschen zu unterhalten und gemeinsam Rollenspiele zu spielen. Der vierte Quadrant beinhaltet den Explorer. Dieser Typ ist bestrebt, möglichst viel über die virtuelle Welt in Erfahrung zu bringen, angefangen bei der Kartierung bis hin zum Verständnis der Spielmechanik. Die nebenstehende Abbildung B‑1 stellt die Beziehungen der vier Spielertypen untereinander und entlang der Präferenzen dar.

Ähnlich wie Ip und Jacobs (2005) mit ihrem Modell zu Hardcore und Casual Gamens sind auch die vier Spielertypen von Bartle (1996) wiederkehrender Kritik ausgesetzt. Ein bedeutender Aspekt in der Debatte über Bartles Ergebnisse ist die Dichotomie des Modells. Infolgedessen kritisiert Yee (2006) etwa den Aufbau des Fragenbogens, den Bartle bei seiner Studie 1996 verwendete. Diesbezüglich bemängelt Yee, dass während der Beantwortung der Fragen zum Beispiel zwischen dem Achiever- und dem Explorer-Muster gewählt werden muss. Das Resultat kann demzufolge zu einer Zweiteilung führen, obwohl dafür in den zugrunde liegenden Faktoren keinerlei Voraussetzung existiert. Darüber hinaus kritisieren auch Bateman et al. (2011) den Test und verwiesen auf ein zu Yees Kritik verwandtes Problem. Die Gestaltung der Studie ist als ein Vergleich zwischen spezifischen Szenarien konstruiert. Bei der Beantwortung können die befragten Personen zwischen den Alternativen auswählen. Eine Verzerrung bezüglich der Ergebnisse tritt dann auf, wenn die Fragen in zufälligen Paaren erscheinen, sodass dies zu unterschiedlichen Resultaten für dieselbe Person führt. Der zentrale Kritikpunkt von Hamari und Tuunanen (2014) besteht darin, dass sich das Verhalten und die Motivation der Spieler und Spielerinnen im Laufe der Zeit oder je nach Kontext verändern kann und es demzufolge nicht möglich ist, eine Person einer typischen Kategorie zuzuweisen.

Yee (2002, 2006, 2007) stützt sich bei seinen empirischen Studien hinsichtlich der Spielermotivation auf die Ergebnisse von Bartle (1996). Diese sind heute ebenfalls von zentraler Bedeutung in der Forschungsdisziplin der Spielertypologie. Viele Autoren nehmen in ihren Untersuchungen Bezug auf Yee, zum Beispiel Tseng (2011), Williams et al. (2006) oder Zackariasson et al. (2010). Für die Validierung seiner Resultate verwendet Yee (2002) eine Faktorenanalyse und präsentiert die fünf Motivationsfaktoren Relationship, Immersion, Grief, Achievement und Leadership. Im späteren Verlauf seiner weiterführenden Arbeiten und Veröffentlichungen bildeten sich aus den anfänglichen fünf Motiven schließlich drei Hauptfaktoren, die Online-Spielende motivieren. Diese sind Achievement, Social Aspects und Immersion, welche zehn weitere Unterfaktoren umfassen (Yee, 2007). Yees Achievement und Social Aspects ähneln zwar den beiden Achsen der Welt- und Interaktionsorientierung aus Bartles Modell, sind allerdings nicht als analog zu bewerten. Die Unterfaktoren Advancement, Mechanics und Competition passen nicht zu Bartles Heuristiken. Beispielsweise postuliert Yee (2002), dass neben dem Erreichen von Zielen im Spiel zur Motivation des Achievers auch der Wunsch gehört, Macht in der virtuellen Welt zu erlangen. In weiteren Untersuchungen bestätigt sich hingegen, dass der Wille, das Spiel zu besiegen, für alle Spielenden unabhängig ihres Typs einen Motivationsfaktor darstellt (Hamari & Tuunanen, 2014). Das Motiv der Immersion, das nach Yee (2007) ein wichtiger Bestandteil der Motivation für das Spielen ist, wird in Bartles Modell nicht explizit erwähnt.

Nach Hamari und Tuunanen (2014) sind jene Motivationsfaktoren nicht direkt vergleichbar mit den vier Spielertypen von Bartle (1996), können aber als Basis für eine psychografische Segmentierung auf Grundlage von Spielmotivationen betrachtet werden. Letztendlich sind die Konzeptualisierung der psychografischen als auch der verhaltensbezogenen Faktoren sehr ähnlich. Wenn eine Person beispielsweise dem Typ Achiever zuzuordnen ist, dann ist zu erwarten, dass profunde Studien tatsächlich Verbindungen zu diesen Motiven aufzeigen.

Die Weiterentwicklung seines Models veröffentliche Yee im Jahr 2015 gemeinsam mit dem Team der Quantic Foundry. Der neue Ansatz beinhaltet nicht mehr nur drei Hauptkategorien (Yee, 2007), sondern setzt sich aus den Profilen Action, Social, Mastery, Achievement, Immersion und Creativity zusammen. Jedes dieser Profile ist wiederum durch jeweils zwei ursächliche Beweggründe gekennzeichnet, die als Grundlage für die übergeordnete Motivation dienen. Die Ergebnisse basieren auf Daten von mehr als 250.000 weltweit an dessen Umfrage teilnehmenden Personen (Yee, 2016b). Das Gamer Motivation Profile schaffte über die Jahre eine Reihe von neuen Erkenntnissen. Dementsprechend ist beispielsweise die primäre Motivation für männliche Spieler der Wettkampf, wohingegen für Frauen das Abschließen aller Missionen und der Fantasy-Aspekt im Vordergrund stehen (Yee, 2016a).

Zackariasson et al. (2010) verwenden die Motivationsfaktoren von Yee (2007) für ihre eigene Studie und formen daraus sechs Spielertypen. Diese sind Progress & Provocation, Power & Domination, Helping & Support, Friends & Collaboration, Exploration & Fantasy, Story & Escapism. Die ersten beiden Typen beziehen sich dabei auf Yees Faktor des Achievements, das zweite Paar auf Social Aspects und die letzten beiden sind dem Motivationsfaktor der Immersion zuzuordnen. Aufgrund dessen, dass die gesamte Typologie auf dem Modell zur Spielermotivation von Yee (2007) basiert, sind auch die Ergebnisse sowohl zu Yee als auch zu Bartle (1996) sehr ähnlich. Insofern sind zum Beispiel die Konzepte der Zielerreichung, während des Spielens sozial zu interagieren, oder das Abtauchen in die Spielewelt wiederzufinden.

In der konzeptuellen Arbeit von Stewart (2011) werden die vier Spielertypen von Bartle (1996) mit mehreren verschiedenen weiteren Konzepten, teilweise noch nicht einmal aus dem Spielekontext, in Verbindung gesetzt. Deshalb ist ein zentraler Kritikpunkt, dass das Zusammenfassen diverser Konzepte in lediglich vier Dimensionen zu vielen unpassenden Kombinationen führt. Dementsprechend ist es fragwürdig, ob die unterschiedlichen Eigenschaften und Motivationen auch bei einer Überprüfung durch eine empirische Untersuchung korrelieren (Hamari & Tuunanen, 2014).

Drachen et al. (2009) identifizieren vier verschiedenartige Verhaltensweisen von Spielern und Spielerinnen des Abenteuerspieles Tomb Raider: Underworld. Die Ergebnisse beziehen sich auf Daten des Spielprotokolls, zum Beispiel der Anzahl an Todesfällen der Spielfigur oder der Spieldauer. Sogenannte Veterans sterben verhältnismäßig seltener und absolvieren die Aufgaben am schnellsten. Die Solvers wenden viel Zeit zur Lösung von Rätseln auf, die während des Spiels auftreten. Im Vergleich der Todesursachen sterben die Pacifists in den meisten Fällen aufgrund von Stürzen und weniger durch Feinde. Diese Personengruppe beendet das Spiel, ähnlich den Veterans, schnell. Im Gegensatz zu den Solvers verbringen die Runners weniger Zeit mit zusätzlichen Aufgaben oder Rätseln und sind durch ihre individuelle Spielweise zu charakterisieren.

1.1.3 Videospielinterne demografische Daten

Wie bereits zu Beginn des Kapitels erwähnt, ist der Segmentierungsfaktor der Demografie in der Spielertypologie-Forschung nicht von hoher Bedeutung. Dementsprechend lässt sich diesbezüglich lediglich die Studie von Williams et al. (2006), in der die Bedeutung und der Stellenwert von Gilden in dem MMO World of Warcraft untersucht werden, aufführen. Die Autoren verweisen weder auf eine eindeutige Spielertypologie noch auf eine Option für eine Kategorisierung. Gleichwohl identifizieren sie einige Merkmale, welche als Indikatoren für die Präferenzen und Orientierungen der Spieler und Spielerinnen dienen können. Dementsprechend konstatieren die Autoren, dass sich die Spielweise auf einzelnen Servern gravierend von anderen unterscheidet. Menschen, die weniger daran interessiert sind, sich als jemand Fiktives auszugeben, spielen auf eine andere Weise als Rollenspieler, die eine stake Motivation der Immersion aufweisen. Weiterhin erkennen Williams et al. (2006), dass kleinere Gilden im Vergleich zu größeren ein engerer Zusammenhalt auszeichnet und dass deren Mitglieder eine höhere soziale Interaktion untereinander aufweisen. Auch die Ambitionen der Spielenden stehen in Zusammenhang mit der Wahl der Gilde, da in World of Warcraft lediglich große Gilden die benötigte Gruppenkraft aufweisen, etwa in Form der benötigten Mannstärke, um gewisse Endspielinhalte freizuschalten.

1.1.4 Weitere Ansätze

Theorien, die nicht direkt unter den psychografischen, verhaltensbasierten oder demografischen Gesichtspunkten segmentiert werden können, resümiert das folgende Kapitel.

Tseng (2011) unterscheidet in seiner Studie zwei Motivationsfaktoren. Einerseits das Bedürfnis der Erforschung und andererseits der Eroberung. Mit dem Drang, die virtuelle Welt zu erforschen, geht ferner die soziale Orientierung und Leistungsorientierung einher. Im Vergleich zu den vier Spielertypen nach Bartle (1996) steht dem Motiv der Eroberung der Spielertyp Killer gegenüber und damit die Freude am Duell und dem Töten rivalisierender Spielender. Darüber hinaus basiert der von Tseng verwendete Fragebogen ebenfalls auf den vier Archetypen von Bartle (1996). Seine Ergebnisse untergliederte er mit Hilfe einer Faktoranalyse anschließend in drei Kategorien. Diese sind Aggresive, Social und Inactive Gamer. Erstgenannte haben ein hohes Interesse sowohl an der Erforschung als auch an der Eroberung. Die Social Gamer weisen einen hohen Erforschungsdrang und eine geringe Motivation zur Eroberung auf. Die Letztgenannten sind jeweils zwischen den beiden übrigen anzusiedeln, das heißt am geringsten für den Faktor der Erforschung und zwischen den Ergebnissen der beiden anderen Gruppen für das Motiv der Eroberung. Demnach scheint die Bezeichnung der sozialen Spielergruppe auf den ersten Blick bizarr. Das Motiv zur Erforschung schließt nach Tseng (2011) indes noch weitere Bestandteile des Spielerlebnisses mit ein. Diese sind etwa das Entdecken neuer Beziehungen, so dass die Benen-nung durchaus in das Segment der sozialen Aktivitäten einzuordnen ist (Hamari & Tuunanen, 2014).

Whang und Chang (2004) identifizieren ebenfalls drei verschiedenartige Spielertypen. In ihrer Studie, die auf dem Rollenspiel Lineage basiert, unterteilen die beiden die Charaktere in Single-Oriented, also Einzelspieler, Community-Oriented, Gemeinschaftsspieler, und sogenannte Off-Real World-Spieler und -Spielerinnen. Whang und Chang konstatieren, dass die Einzelspieler prinzipiell jedes Videospiel als Einzelspieler-Spiel ansehen und beispielsweise soziale Bestandteile des Spieles außer Acht lassen. Weiterhin möchten jene nicht von Mitspielenden während des Spielens gestört werden. Dem gegenüber steht die gemeinschaftsorientierte Gruppe, die besonders die sozialen Aspekte des Spieles schätzen und in hohem Maße verwenden. Dieser als sozial identifizierte Personenkreis ähnelt stark den Ergebnissen weiterer Studien (Bartle, 1996; Yee, 2007). Der Spielertyp Off-Real World strebt primär nach Maximierung der persönlichen Errungenschaften im Videospiel und ist im Zuge dessen bereit, sämtliche zur Verfügung stehenden Mittel auszuschöpfen. Diesen Typ zeichnet das unsoziale Verhalten gegenüber Mitspielenden aus. Weiterhin tendieren jene dazu, online selbst vielmehr eine Rolle zu spielen, anstatt ihre wahre Persönlichkeit zu zeigen. Der Off-Real World-Spielertyp kann demnach nicht nur Bartles Killer, sondern auch dem Motiv der Immersion nach Yee (2007) gleichgesetzt werden. Der Community-Oriented Player ist im Wesentlichen dem sozialen Typ zuzuordnen, wohingegen der Single-Oriented Player vergleichbar mit Bartles Achiever ist (Hamari & Tuunanen, 2014).

Im Gegensatz zu den zuvor diskutierten Studien und Modellen greifen Kallio et al. (2011) nicht auf die Typentheorie und die insoweit etablierten Spielertypmodelle zurück. Das Ziel ihrer Untersuchung war die Entwicklung einer heuristischen Spielermentalität, welche unabhängig des Videospiels oder des Genres ist. Der Spielstil ist bedingt von vielseitigen Variablen, etwa der Gesellschaft, in der gespielt wird, oder der Zeit, die für das Spielen zur Verfügung steht. Demnach ist es nach Auffassung der Autoren nicht möglich, Spieler und Spielerinnen in starre Typengebilde zu kategorisieren. Ihre Resultate umfassen drei Haupt-kategorien mit jeweils drei weiteren Unterkategorien. Die erste dieser drei Gattungen ist die Social Mentality, zum Beispiel das Spielen mit Kindern, Freunden oder in einer Gesellschaft. Die Casual Mentality hat zum Ziel, Langeweile zu vermeiden, Lücken auszufüllen oder das Spielen aus Gründen der Entspannung. Die letzte und als Committed Mentality betitelte, setzt sich aus den Motiven Spaß, der Immersion und dem Spielen zur Unterhaltung zusammen. Trotz der unabhängigen Entwicklung dieses Modells, gleichen die Ergebnisse den zuvor präsentierten Faktoren, zum Beispiel der Intensität Hardcore gegenüber Casual (Ip & Jacobs, 2005), den Social Aspects oder der Immersion nach Yee (2007).

Einen neurobiologischen Ansatz zur Typologisierung von Spielern und Spielerinnen präsentieren Nacke et al. (2014). Deren Arbeit stützt sich auf eine Reihe von weiteren Mo-dellen, die sich seinerzeit in der Literatur als bewährt erwiesen und immerfort zitiert wurden (Bartle, 1996; Bateman & Boon, 2006; Caillois & Barash, 2001; Lazzaro, 2008; Yee, 2006, 2007). Ein elementarer Baustein für die Entwicklung des Modells war der Myers-Briggs Type Indicator.

Der MBTI basiert auf vier Achsen, die jeweils eine Beurteilung von zwei gegensätzlichen psychologischen Typen erlaubt (Myers, 1962). Die Kombination aus dem neurobiologischen Instrument MBTI und Resultaten aus der Forschungsdisziplin der Spielertypologie, besonders dem Demograhpic Game Design Model (DGD1) von Bateman und Boon aus dem Jahr 2006 und dessen Weiterentwicklung DGD2 fünf Jahre später (Bateman et al., 2011), bilden die gemeinsame Grundlage des BrainHex Models. Insgesamt werden sieben verschiedene Archetypen identifiziert. Der Seeker wird durch Neugierde angetrieben, der Survivor durch dessen Furcht und Daredevils durch Nervenkitzel und Aufregung. Der Mastermind liebt das Lösen schwerer Rätsel und das Kreieren komplexer Strategien. Spieler und Spielerinnen, die an Herausforderungen oder dem Aufeinandertreffen mit stärkeren Gegnern Interesse verspüren, sind dem Begriff des Conquerors zuzuordnen, dessen Bezeichnung aus dem DGD1 abgeleitet wurde. Der vorletzte Typ ist eine Hommage an den Socialiser von Bartle (1996) und weist zudem Ähnlichkeiten zu den von Yee (2007) identifizierten Social Aspects auf. Der Achiever wird durch langfristige Errungenschaften motiviert. Das Sammeln von Objekten oder das Vervollständigen von Aufgaben steht dabei in dessen Fokus. Auch diese Bezeichnung ist an jene von Bartle (1996) angelehnt. Ähnlichkeiten dieser Typen und deren Präferenzen sind hinreichend in weiteren Studien wiederzufinden (Bartle, 1996; Caillois & Barash, 2001; Lazzaro, 2008; Yee, 2007).

Bereits vor der offiziellen Veröffentlichung von BrainHex gab es Voruntersuchungen mit tausenden Teilnehmenden, welche die Kategorisierung anhand der sieben Archetypen unterstützen sollten (Nacke et al., 2011). Nachdem BrainHex zunächst Zuspruch in der Fachliteratur fand und in diversen Arbeiten als grundlegende Theorie für die Untersuchung der Motivation von Spielenden verwendet wurde (Birk et al., 2015; Orji et al., 2017), wiesen zwei unabhängige Studien alsbald auf einige Mängel des Modells hin. Diese beziehen sich einerseits auf die mangelnde empirische Validierung der psychometrischen Eigenschaften (Tondello et al., 2018), andererseits auf die Faktorvalidität, die Stabilität der Testergebnisse über einen gegebenen Zeitraum von sechs Monaten, sowie die interne Konsistenz der verwendeten Skalen (Busch et al., 2016). Da die Entwicklung von BrainHex auf der Typentheorie des MBTI basiert, ist für das Modell dieselbe Kritik wie für den Myers-Briggs Type Indicator anzuwenden. McCrae und Costa (1989) zeigen zudem zahlreiche Zuverlässigkeits- und Validierungsprobleme auf. Dies führte dazu, dass dieser in der Fachliteratur der Psychologie durch Eigenschaftstheorien ersetzt wurde. Letztendlich muss aufgrund der aufgeführten Gründe von einer zuverlässigen Verwendung der BrainHex-Skala abgesehen werden (Tondello et al., 2019).

Auf Basis von BrainHex (Nacke et al., 2014) führten Tondello et al. (2018) diverse Analysen auf den originalen Datensätzen durch. Statt der proklamierten sieben Typen wurden nur drei als eindeutig identifiziert. Die Challenge Orientation, welche sich aus dem Conqueror und dem Daredevil zusammensetzt, die Aesthetic Orientation, die durch den Socializer und Seeker repräsentiert wird und zuletzt eine Goal Orientation, welche die Archetypen Mastermind, Achiever und Survivor vereint. Unter Berücksichtigung der Literatur der Spielertypologie ziehen Tondello et al. (2019) noch zwei weitere Merkmale in Betracht, die in diesem Ausmaß nicht durch die Daten des BrainHex erfasst wurden. Zunächst die Social Orientation, da eine solche in vielen existierenden Theorien erarbeitet wurde und andererseits die Narrative Orientation (Hamari & Tuunanen, 2014). Diese wurde im Kontext der Einstellung von Spielern und Spielerinnen gegenüber der Geschichte im Spiel und ihren Spielpräferenzen diagnostiziert (Tondello et al., 2018).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle B-2: Player Trait Model mit Beschreibungen.

Quelle: Eigene Darstellung in Anlehnung an HCI Games (2020) und Tondello et al. (2019).

Beruhend auf der einleitenden Arbeit von Tondello et al. (2018) und dem Aspekt, dass Menschen in der Praxis nur selten von einem einzelnen Faktor motiviert werden, konstatieren Tondello et al. (2019), dass Spielertypen-Modelle wie beispielsweise die Arbeit von Bartle (1996) oder BrainHex (Nacke et al., 2014) aufgrund der sich überschneidenden Motivationen nicht praktikabel sind.

Auf ähnliche Weise wurden auch Theorien in der Persönlichkeitsforschung als unzulänglich erklärt, die versuchen, Individuen ausnahmslos einem Typen zuzuordnen (Goldberg, 1993; McCrae & Costa, 1989). Im Gegensatz dazu sehen Eigenschaftstheorien Menschen mehr als eine Summe verschiedener Charakteristika, als diese separat zu kategorisieren. Infolgedessen eignen sich jene, auch im vorliegenden Kontext, besser für die Klassifizierung von Spielermotivationen und deren Verhalten (Hamari & Tuunanen, 2014; Tondello et al., 2018; Tondello et al., 2019). Dementsprechend charakterisiert das Player Trait Model Spieler und Spielerinnen anhand der in Tabelle B 2 dargelegten Orientierungen. Dabei werden die Präferenzen des Spielenden für jede Eigenschaft gemessen (Tondello et al., 2019).

Darüber hinaus entwickelten Vahlo et al. (2018) ebenfalls ein Modell der Spielerpräferenzen. Dieses basiert auf der Faktorenanalyse von Daten über die favorisierten Spielaktivitäten der Studienteilnehmer und -teilnehmerinnen (Vahlo et al., 2017). In Anbetracht dessen wurden diese zunächst in die fünf Kategorien Management, Aggression, Exploration, Coordination und Caretaking eingeordnet. Mit Hilfe einer Cluster-Analyse wurden Spielende mit ähnlichen Präferenzprofilen ausfindig gemacht und in sieben Gruppen zusammengefasst (Vahlo et al., 2017). Im späteren Verlauf der Untersuchungen, unter anderem durch die Berechnungen von Korrelation der Spielerpräferenzen untereinander, legen Vahlo et al. (2018) sechs Spielertypen fest. Diese sind der Mercenary, angetrieben durch Aggression, der Adventurer, motiviert durch Erkundung sowie der Explorer mit einem Hang für die Erforschung. Weiterhin der Companion, welcher vorrangig unterstützend agiert, den Supervisor, motiviert durch das Management und zuletzt den Acrobat, der die Koordination favorisiert. In einer weiteren Arbeit von Vahlo und Hamari (2019) präsentieren die beiden ein Fünf-Faktoren-Inventar, das die intrinsischen Motivationsfaktoren Verbundenheit, Autonomie, Kompetenz, Immersion und Spaß beinhaltet.

Im Vergleich mit den Studien, die das Player Trait Model umfassen (Tondello et al., 2018; Tondello et al., 2019; Tondello & Nacke, 2019), weist jenes Gemeinsamkeiten und auch Gegensätzlichkeiten auf. Beide Ansätze verfügen jeweils über fünf Aspekte, die auf der Motivation des Spielens beruhen. Gleichwohl ergründen Vahlo und Hamari (2019) dabei nicht, welche Faktoren und Spieleaktivitäten von den Spielern und Spielerinnen favorisiert werden. Weiterhin unterscheiden sich die beiden Arbeiten in der Zielsetzung. Einerseits die allgemeine Motivation (Vahlo & Hamari, 2019) und andererseits die Klassifikation verschiedener Spielstile (Tondello et al., 2019).

1.2 Gegenüberstellung und kritische Betrachtung

In diesem Kapitel werden die bisher diskutierten Studien und Modelle sowie die darin präsentierten Konzepte verglichen. Obwohl diese Konzepte teilweise auf unterschiedlichen Ideen der Autoren beruhen, sind sie in zahlreichen weiteren Untersuchungen wiederzufinden. Tabelle B 3 vereint diese Termini als die gemeinsamen Ideen der Autorenschaft und deren Arbeiten. Weiterführende Beispiele zu den Begrifflichkeiten sind der Tabelle Anhang A 2 zu entnehmen. Die Zusammenfassung legt offen, dass in der rezensierten Literatur wiederholt die Ideen des Achievements und der Sociability genannt werden. Der Versuch der Kategorisierung nach videospielinternen demografischen Merkmalen wird dagegen in der Literatur kaum diskutiert.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle B-3: Gegenüberstellung der Spielertypen und Begrifflichkeiten.

Quelle: Eigene Darstellung in Anlehnung an Hamari und Tuunanen (2014).

Gemeinhin ist bekannt, dass jede Abstraktion eine Verallgemeinerung oder Vereinfachung darstellt und aufgrund dessen bereits kritisierbar ist. Das ist im gegebenen Kontext der Spielertypologie gleichermaßen der Fall. Diese werden in der Literatur größtenteils als voneinander abgegrenzte Typen charakterisiert. Auffällig ausgeprägt ist dieser Aspekt zum Beispiel bei dem Modell von Ip und Jacobs (2005) und der daran geübten Kritik. Konträr zu deren strikten Aufteilung in zwei Gruppen steht die Forderung, dass derartige psychologische Faktoren bevorzugt als Skalen zu messen und zu interpretieren sind (Nunnally & Bernstein, 2008).

Vornehmlich spiegelt ein Spielertyp eine Menge vergleichbarer und unter diesen Typen zusammenfassbarer Motivationen und Verhaltensweisen wider. Hierfür lässt sich zum Beispiel die archetypische Kategorisierung von Bartle (1996) heranziehen. Dabei repräsentiert jede der vier Wesen einen Spielertyp, bei dem bestimmte Motive und Handlungsweisen ausgeprägter sind als dies für die Übrigen zutrifft. Infolgedessen sind zum Beispiel Spielende des Typs Explorer in der Regel neugieriger und verbringen weithin mehr Zeit damit, die Umgebung zu erkunden. Die übrigen Impulse und Verhaltensmuster werden in diesem Zusammenhang jedoch als neutral erachtet (Hamari & Tuunanen, 2014).

Ergebnisse aus Studien, die lediglich auf einem einzelnen Spiel oder einem Genre basieren, haben einen entscheidenden Nachteil. Sie sind nicht direkt vergleichbar mit Resultaten, welche auf anderen oder mehreren Videospielen beruhen. Hamari und Tuunanen (2014) vertreten jedoch die Auffassung, dass dies eine Messung der Spielermotivationen und des Verhaltens nicht wertlos macht. Stattdessen halten die beiden es für unerlässlich, eine systematische Untersuchung unter sämtlichen Spielertypen durchzuführen. Hierfür ist wiederum eine einheitliche Messskala, die potenzielle Unterschiede in den Ergebnissen zwischen verschiedenen Spielegenres aufdeckt, unabdingbar.

Weiterhin werfen Hamari und Tuunanen (2014) die Frage auf, inwiefern spielspezifische Rahmenbedingungen überhaupt notwendig sind und ob Studien auf diesem Forschungsgebiet nicht auf bestehende Ergebnisse aus dem Kontext der Psychologie zurückgreifen sollten. In der Fachliteratur sind beide Ansätze auffindbar. Teilweise werden Spielertypen aus bestehenden Persönlichkeitstypen gebildet, exemplarisch sei das BrainHex Model von Nacke et al. (2014) genannt, wohingegen andere Modelle auf Basis von Beobachtungen der Spielern und Spielerinnen konzeptionell erarbeitet wurden (Bartle, 1996).

Insgesamt ist das Forschungsgebiet der Spielertypen größtenteils homogen und die Ergebnisse können auf fünf Schlüsselkonzepte eingeschränkt werden. Diese richten sich nach der Spielmotivation beziehungsweise der Orientierung und dem Verhalten der spielenden Person. Tabelle B‑3 veranschaulicht, dass die Konzepte Achievement, Exploration, Sociability, Domination und Immersion prägnant sind. Studien, die sich hauptsächlich auf die Idee Gaming Intensity & Skill oder In-game Demographics fixieren, sind nur sporadisch in der Fachliteratur aufzufinden. Wenngleich in der Forschung weitgehend auf definierte Spielertypen gesetzt wird, gibt es Forschende, die diese Kategorisierung grundsätzlich anzweifeln (Kallio et al., 2011). Die Betrachtung der Ergebnisse demonstriert indes, dass die Dimensionen, welche sich auf Spielertypen beziehen, in einschlägiger Literatur vorwiegend gering sind und in den meisten Fällen auf die Arbeit von Bartle (1996) zurückgeführt werden können. Studien wie zum Beispiel von Yee (2006) oder Kallio et al. (2011) schlagen zwar diverse Unterkategorien zur weiteren Abstraktion der Spielermotivation und -mentalität vor, präsentieren allerdings keine zusätzliche Dimension der Spielertypen (Hamari & Tuunanen, 2014).

Im Kontext der Forschungsfrage ist darauf hinzuweisen, dass sich unter Annahme der Resultate aus Tabelle B‑3 und Tabelle Anhang A‑1 Studien und deren Ergebnisse, die sich lediglich auf ein einzelnes Spiel oder ein Genre stützen, nicht als theoretische Grundlage der vorliegenden Arbeit eignen. Dazu zählen beispielsweise die vier Archetypen nach Bartle (1996), welche ausschließlich aus Beobachtungen von Spielern und Spielerinnen des Genres der Multi-User Dungeons entstanden sind. Hamari und Tuunanen (2014) argumentieren, dass sich derartige Erkenntnisse nicht ohne weitere Einschränkungen auf weitere Videospiele oder Genres übertragen lassen. Zusätzlich distanziert sich die vorliegende Arbeit von jenen, die nicht vollständig die fünf Schlüsseldimensionen aufweisen und dementsprechend nicht mit der in der Literatur allgemein vorherrschenden Meinung übereinstimmen.

Unter den verbliebenen Theorien stellt das Player Trait Model das einzige öffentliche verfügbare Modell dar, welches auf Eigenschaften und nicht auf kategorialen Typen basiert (Tondello et al., 2019). Aufgrund der Inspiration und des Ursprungs aus BrainHex weisen die beiden zahlreiche Übereinstimmungen auf (Nacke et al., 2014). So entspricht etwa die Social Orientation dem von BrainHex bekannten Socialiser oder die Aesthetic Orientation dem Seeker. Die Eigenschaft der Narrative Orientation stellt eine Neuerung dar. Darüber hinaus verwendet das Player Trait Model einen in der Psychologie populären Ansatz, der von Eigenschaften anstelle strikter Typenteilung angeregt ist. Zusätzlich haben die Messergebnisse der Umfrage ihre Validität im Gegensatz zu BrainHex bewiesen (Tondello et al., 2019).

Auch gegenüber des Gamer Motivation Profiles bestehen einige Parallelen (Yee, 2015). Demnach sind in beiden Modellen eine Art der Social Orientation vorhanden. Daneben korrespondiert die Aesthetic Orientation mit Creativity, die Challenge Orientation mit Mastery, die Goal Orientation mit Achievement und abschließend die Narrative Orientation mit Immersion. Indessen ist keine Eigenschaft der action-Motivation des GMP gleichzusetzen (Tondello et al., 2019). Tondello et al. (2018) weisen hingegen darauf hin, dass in der Vorstudie die Motive der Challenge Orientation ausgeprägter waren als die einer Action Orientation. Ein gravierender Nachteil des GMP ist, dass weder die Daten noch der Test für eine öffentliche Verwendung zur Verfügung stehen. Zusätzlich existieren keine Publikationen auf wissenschaftlicher Basis für das Gamer Motivation Profile in der Fachliteratur, was es vorwiegend zu einem Praxismodell macht und es demzufolge als theoretische Grundlage für die vorliegende Arbeit disqualifiziert.

Trotz des Einsatzes der Self-Determination Theory für die Ermittlung des theoretischen Hintergrundes der fünf Spielereigenschaften kann diese nicht zum Verständnis von Spielerpräferenzen beitragen. Skalen, die auf der SDT basieren, wie zum Beispiel die Player Experi-ence of Need Satisfication (Ryan et al., 2006) oder den intrinsischen Spielmotivationen (Vahlo & Hamari, 2019) können einzig die allgemeine Motivation erläutern, die Menschen beim Spielen empfinden. Gegenüber unterschiedlichen Spielerpräferenzen sind dagegen keine Aussagen möglich.

Insbesondere hinsichtlich eines Theorieansatzes, der als Grundlage der vorliegenden Arbeit dient, gilt es deshalb das Player Trait Model zu bevorzugen (Tondello et al., 2019). Einerseits werden Probleme, welche in früheren Arbeiten identifiziert wurden, aufgegriffen und gelöst. Anderseits liefert es empirische Belege für dessen Validität. Darüber hinaus weisen Tondello et al. (2019) darauf hin, dass es das erste öffentlich verfügbare Model ist, das auf Spielerorientierungen anstelle von -typen basiert und somit die Bandbreite individueller Präferenzen abdeckt.

In diesem Abschnitt wurden zahlreiche Spielertypologiemodelle vorgestellt und diskutiert sowie das Player Trait Model (Tondello et al., 2019) als theoretische Grundlage der vorliegenden Arbeit ausgewählt. Im nächsten Schritt folgt eine Aufarbeitung des aktuellen Forschungsstandes hinsichtlich des zweiten Bestandteiles der Forschungsfrage, der Live-Streaming-Plattform Twitch.

2 Zusehen statt Spielen

In den 1980er-Jahren wurden Videospiele zu einem bedeutenden Bestandteil des Medienkonsums, welcher zu Beginn hauptsächlich junge Nutzer in seinen Bann zog (Lenhart et al., 2008). Inzwischen sprechen Videospiele ein weitaus größeres Publikum an und begeistern viele Millionen Menschen, ihre Zeit mit dem Zusehen anderer beim Spielen von Videospielen zu verbringen (TwitchTracker, 2020). Dies ist zum Beispiel durch Let’s-Play-Videos (Venus, 2012) oder durch das Verfolgen von E-Sports-Wettbewerben begründet (Taylor, 2012). Das Zuschauen in Echtzeit wird durch Live-Übertragungen im Internet, sogenannten Streams, möglich.

Twitch ist eine dem Gaming gewidmete Streaming-Plattform und wurde im Juni 2011 aus der Social-Cam-Seite Justin.tv ausgegliedert (Taylor et al., 2018, S. 3). Mit Blick auf die Forschungsschwerpunkte und den Trends der Literatur lässt sich in jüngerer Vergangenheit ein erhöhtes Interesse an den Erfahrungen der Zuschauerschaft beobachten. Dagegen ist die Forschung, die sich mit den streamenden Personen und deren Arbeit auf der Plattform beschäftigt, in letzter Zeit vergleichsweise konstant. Während die ersten Studien hauptsächlich das Streaming von Videospielen und das allgemeine Verhalten von Plattformen fokussierten, hat sich der Kern der Untersuchungen in den vergangenen Jahren zugunsten der Nutzer- bzw. Zuschauerorientierung verändert (Harpstead et al., 2019).

Um den zweiten Aspekt der Forschungsfrage nach den gezeigten Verhaltensmustern und der Eignung von Variablen zu dessen Quantifizierung zu beantworten, ist ein um-fassendes Verständnis über die Plattform und deren Besonderheiten zunächst unerlässlich. Im weiteren Verlauf stehen daher das Publikum, deren Nutzungsmotivation und -verhalten im Mittelpunkt der Betrachtung.

2.1 Die Live-Streaming-Plattform Twitch

Dieses Kapitel dient der Einführung in die Live-Streaming-Plattform Twitch. Hierfür sind sowohl die Forschungsergebnisse von Hamilton et al. (2014) als auch Recktenwald (2017) von zentraler Rolle. Seit dem Start des Dienstes im Juni 2011 und dem Beginn der Datenaufzeichnung im September 2012 verzeichnet Twitch ein kontinuierliches Wachstum. Die Plattform hat stark an Popularität zugenommen und in den vergangenen Jahren mehrere Millionen Streamende und Zuschauende gewonnen. Dies gipfelte in einem Rekordhoch von mehr als sechs Millionen simultanen Zuschauern und Zuschauerinnen im Juni 2020 (Taylor et al., 2018, S. 3; TwitchTracker, 2020). Twitch vereint die Echtzeitübertragung von Audio- und Videostreams mit offenen und gemeinsam nutzbaren IRC-Kanälen (Hamilton et al., 2014). Für eine ausführliche Beschreibung und exemplarische Darstellung der Website sei an dieser Stelle auf die Ausführungen von Recktenwald (2017) verwiesen, sodass die vorliegende Arbeit darauf im Folgenden nicht weiter eingeht.

Auf der Plattform gibt es drei Arten von Nutzenden. Menschen, die als sogenannte Streamer oder Streamerinnen auftreten, indem sie Inhalte generieren und diese öffentlich ausstrahlen, deren Publikum und Moderierende. Letztere übernehmen administrative Aufgaben zur Unterstützung des Streams, beispielsweise das Löschen von missbräuchlichen Nachrichten, die Interaktion mit anderen Zuschauenden per Chat oder der Sperrung von Nutzenden bei Regelverstößen. Dies geschieht durch Privilegien, die die Moderierenden erhalten. Zusätzlich sind sie durch ein spezielles Symbol gekennzeichnet, welches deren Status unterstreicht (Hamilton et al., 2014).

Unter Berücksichtigung der in Diagramm B‑1 und Tabelle Anhang B‑1 dargestellten Inhalte wird ersichtlich, dass die auf Twitch.tv ausgestrahlten Videoinhalte überwiegend von Menschen stammen, die digitale Videospiele spielen. Die aufgezeigten Daten beruhen dabei auf den 50 meistangesehen Spielen, aggregiert nach ihrem Genre, beziehungsweise den Inhalten der vergangen 365 Tagen (SullyGnome, 2020a). Im Vergleich zu früheren Studien, beispielsweise von Deng et al. (2015) oder Churchill und Xu (2016), wird ersichtlich, dass sich diese Rangliste fortwährend verändert. Weiterhin ist evident, dass auch ein beträchtlicher Anteil von Inhalten nicht direkt in Verbindung mit Videospielen steht. Die Kategorien Just Chatting, Music and Performing Arts oder Kunst machen derzeit im Durchschnitt knapp 13 Prozent der Zuschauer aus.

Abbildung in dieser Leseprobe nicht enthalten

Diagramm B-1: Prozentuale Verteilung der Zuschauer im Mittel nach dem Inhalt.

Quelle: Eigene Darstellung mit Daten von SullyGnome (2020a).

Der Erforschung des Inhaltes und der Art und Weise, wie die Streamenden ihn präsentieren, widmeten sich Sjöblom et al. (2019). Dabei betrachten sie neben den gezeigten Videospielen oder Talkshows auch die streamenden Personen selbst. Mit Hilfe ihrer Beobachtungen ermitteln Sjöblom et al., dass beispielsweise immer ein separates Mikrofon verwendet wird. Aufgrund dessen kann der Videostream zum Beispiel mit zusätzlichen Sprachaufnahmen erweitert werden. Außerdem setzen rund 86 Prozent der Streamenden eine Webcam ein. Mit dieser filmen sie sich und werden so für ihr Publikum sichtbar. Diese beiden Hauptbestandteile, aber auch zahlreiche weitere Methoden, wie Benachrichtigungen bei Spenden oder Abonnements, führen zu sozialen Strukturen zwischen den streamenden Personen und deren Publikum. Darüber hinaus verbringen Streamer und Streamerinnen viel Zeit damit, mit ihrer Zuschauerschaft auch außerhalb des Videospieles zu interagieren. Begrüßungen oder allgemeine Unterhaltungen nehmen einen hohen Stellenwert ein und werden auf Twitch.tv unter der Kategorie Just Chatting geführt. Demzufolge beteiligen sich laut Hamilton et al. (2014) Menschen aus zwei Gründen am Live-Stream. Einerseits wegen der einzigartigen Inhalte und andererseits aufgrund der Interaktion und der Teilnahme an der Gemeinschaft rund um den Stream.

Wie bereits eingangs angedeutet, beschäftigt sich ein nicht zu vernachlässigender Teil der Literatur mit Streamenden und deren Arbeit auf der Live-Streaming-Plattform (Harpstead et al., 2019). Infolgedessen untersuchen beispielsweise Woodcock und Johnson (2019), aus welchen Bestandteilen sich jene Arbeit zusammensetzt. Sie kommen zu dem Ergebnis, dass etwa ein freundliches Auftreten gegenüber der Zuschauerschaft, der Aufbau einer parasozialen Intimität oder die Einbeziehung des Publikums durch Humor wichtige Aspekte sind. Menschen, die ihr Leben und ihre Karriere dem Streaming widmen, sind in besonderer Weise darauf angewiesen, für Spenden oder etwa Abonnements im Publikum zu werben, damit ihre Haupteinnahmequelle gesichert ist (Johnson & Woodcock, 2019a).

Der wirtschaftliche Erfolg ihrer Arbeit ist unter anderem eng an die durchschnittliche Zuschaueranzahl und der damit verbundenen Reichweite gekoppelt (Johnson & Woodcock, 2019b; Wohn et al., 2019). Die Größe eines Streams lässt sich in fünf Gruppen kategorisieren. Eine Clique besteht aus durchschnittlich null bis sechs Zuschauern. Diese zeichnet sich durch ein hohes Engagement seitens des Publikums aus, etwa im Chat. Die Gruppe der aufstrebenden Streamer rangieren zwischen sechs und 1879 Zuschauenden und verzeichnen durchschnittlich 339 Zuschauer und Zuschauerinnen. Eine Interaktion fällt in diesem Fall bereits schwerer. Nichtsdestotrotz bildet sich eine Gemeinschaft rund um eine gemeinsame Identität oder ähnliche Erfahrungen, wie zum Beispiel ein spezifisches Videospiel. Die sogenannte ChatterBox repräsentiert die dritte Kategorie mit im Mittel 4468 Zuschauenden. Beobachtungen derartiger Streams legen offen, dass sich beispielsweise eine Person damit beschäftigt, das Videospiel zu spielen, wohingegen eine andere die Chatnachrichten liest und mit dem Publikum interagiert. Die vorletzte Gruppe, die Spotlight Streamer, versammelt zwischen 7703 und 21678 Zuschauende während ihrer Auftritte. Sie werden darüber hinaus durch das Partnerprogramm von Twitch gefördert (Twitch, 2020b). Bemerkenswert ist indes das schwache Engagement des Publikums. Lediglich rund 58 Prozent beteiligen sich aktiv am Chat und das wiederum nur für eine Sitzung. Das Cluster der Prominenten und E-Sports-Turniere weist mindestens ein Publikum der Größenordnung 1000 in mehr als 20 aufeinanderfolgenden Übertragungen auf. Es besteht im Durchschnitt aus über 21678 Zuschauern. Professionelle Streamer und Streamerinnen, die über ein Publikum dieser Größenordnung verfügen, verwenden verifizierte Accounts und orientieren sich an strikten Sendeplänen, welche sie vorwiegend in ihren Profilen und Social-Media-Präsenzen veröffentlichen (Flores-Saviaga et al., 2019).

In diesem Kontext konstatieren Hamilton et al. (2014), dass viele Nutzer und Nutzerinnen die Teilnahme an kleineren Streams favorisieren, da hier eine sinnvollere Interaktion zu erleben ist. Dahingegen kommt es bei größeren Formaten regelmäßig zu einer Art Informationsüberlastung im Chat. Dies führt regelmäßig zu einer Art Kommunikation, die unlesbar und demzufolge impraktikabel ist. Hamilton et al. vergleichen diese mit dem Gebrüll einer Menschenmenge, zum Beispiel in einem Stadion. Daraus resultieren Auswirkungen, die sich negativ auf die Qualität der Interaktion zwischen der streamenden Person und ihrer Zuschauerschaft widerspiegelt.

Einen Vergleich der beiden Plattformen Twitch und YouTube präsentieren Pires und Simon (2015). Daraus geht unter anderem hervor, dass Twitch mehr Kanäle aufweist, die darüber hinaus auch für eine längere Zeitspanne in Echtzeit senden. Aufgrund dessen beschreiben die beiden Autoren Twitch als das ausgereiftere System. Sie begründen dies mit der größeren Auswahl an Kanälen sowie einer Popularität, die sich konstant über alle Kanäle verbreitet. Dagegen ist die Beliebtheit bei YouTube-Kanälen vorwiegend heterogen verteilt. Dies wird insbesondere zu Spitzenzeiten, zu denen viele Zuschauer und Zuschauerinnen gleichzeitig online sind, deutlich.

Der aktuelle Live-Streaming-Branchenbericht attestiert die Dominanz von Twitch. Im Vergleich der Konkurrenten YouTube Gaming Live, Facebook Gaming und Mixer überwiegt Twitch in allen Belangen. Dementsprechend führt die letztgenannte Plattform nicht nur das Ranking der Zuschauerzahlen und Konsumdauer an, sondern bricht gegenwärtig auch aufgestellten Rekorde der Anzahl exklusiver Kanäle oder der Übertragungsdauer (May, 2020).

Nicht zuletzt aufgrund dieses Status als Marktführer wird Twitch für den Forschungsrahmen der vorliegenden Arbeit ausgewählt. Dafür sprechen weiterhin die Resultate von Pires und Simon (2015), die Beliebtheit von Twitch als Forschungsobjekt dieser Disziplin (Harpstead et al., 2019) und die Bedeutung der Plattform für die Videospielkultur (Anderson, 2017).

In Anbetracht der Forschungsfrage steht indes weniger die Plattform, sondern deren Nutzer und Nutzerinnen im Vordergrund. Wie die individuellen Verhaltensmuster und deren zugrundeliegende Motive quantifizierbar werden, wird im nächsten Kapitel mit Hilfe einschlägiger Fachliteratur und Forschungsergebnissen aufgearbeitet.

2.2 Motivation und Nutzungsverhalten

Im Zentrum der Forschung und Literatur zu der Motivation und dem Nutzungsverhalten steht häufig die am weitesten verbreitete theoretische Entwicklung: die Uses and Gratification Theory (Katz, Blumler & Gurevitch, 1973; Katz, Haas & Gurevitch, 1973; Rubin, 2000; Ruggiero, 2000). Entgegen anderer Medientheorien, zum Beispiel der Theorie der Massengesellschaft, beschreibt UGT die Wirkung von Medien als begrenzt. Durch die Uses and Gratification Theory wird vielmehr die besondere Befriedigung durch ein bestimmtes Medium in den Vordergrund gestellt. Menschen suchen sich dieses aktiv und bewusst aus (Ruggiero, 2000; Wang & Tchernev, 2012). Die Uses and Gratification Theory betrachtet die Nutzenden primär als Individuen denn als eine Masse (Katz & Blumler, 1974). Darüber hinaus unterstellt die Theorie ein Bewusstsein der persönlichen Nutzung (Katz, Haas & Gurevitch, 1973; West & Turner, 2018, 387 ff.). Die Uses and Gratification Theory kommt bislang in verschiedenartigen Bereichen im Kontext der Kommunikationsforschung, darunter zum Beispiel Fernsehen, Online-Spielen, Facebook oder Video-Streaming, zum Einsatz (Sjöblom & Hamari, 2017).

Sjöblom und Hamari nehmen zu Beginn ihrer Studie an, dass das Zusehen anderer Menschen während des Spielens im Vergleich zum eigenen Spielen nicht dieselbe Art des Nervenkitzels und der Immersion auslöst. Als Zuschauer oder Zuschauerin hat man keinen oder nur kaum einen Einfluss auf den Spielverlauf. Andererseits befriedigt das Zusehen ein soziales Bedürfnis, welches beispielsweise bei Einzelspieler-Erfahrungen nicht gegeben ist (2017). Dieser soziale Aspekt wurde bereits in früherer Forschung als wichtig erachtet (Hamilton et al., 2014).

Im Hauptaugenmerk der Forschung stand lange Zeit das Ansehen von Videospielen aufgrund des wettbewerbsorientierten Spielens, allgemeinhin auch als E-Sport bekannt (Hamari & Sjöblom, 2017). Forschungsergebnisse hierzu zeigen einen hohen Stellenwert des Wissenserwerbes, der Immersion, der sozialen Interaktion oder der Wettbewerbsatmosphäre auf (Sjöblom & Hamari, 2017). Im Kontext des Videospiel-Streamings sind indessen soziale Interaktion, Lernen und Unterhaltung die wichtigsten Gründe (Hamilton et al., 2014; Kaytoue et al., 2012).

Auf Grundlage der Uses and Gratification Theory untersuchen Sjöblom und Hamari die Beziehung von fünf Formen der Motivation und vier Arten der Nutzung auf Twitch.tv. Dazu zählen die wöchentliche Konsumdauer, die Anzahl der angeschauten Streamenden, die Anzahl der Streamenden, denen gefolgt wird und zuletzt die Anzahl der Streamer respektive Kanäle, die abonniert wurden. Twitch bietet die Möglichkeit, Streamenden zu folgen, so dass eine Benachrichtigung erfolgt, sobald deren Übertragung beginnt. Zusätzlich wird die Anzahl der pro Woche angesehenen Streamer und Streamerinnen gemessen. Das letzte Nutzungsverhalten, das Sjöblom und Hamari untersuchen, ist die Anzahl an Abonnements. Diese ermöglichen es Zuschauenden gegen eine Gebühr, in der Höhe von fünf bis 25 Euro variierend, den Streamenden monetär zu unterstützen und gegebenenfalls Vorteile zu erwerben (Wohn et al., 2019). Hierzu zählen beispielsweise Emoticons oder eine visuelle Anzeige des Abonnementen-Status im Chat (Sjöblom & Hamari, 2017). Für einen detaillierten Einblick in die Resultate, zu denen unter anderem eine positive Korrelation des Motives Wissenserwerb und der Konsumdauer zählt, sei auf die empirische Studie selbst verwiesen.

Auch Gros et al. (2017) stützen ihre Arbeit auf die Uses and Gratification Theory. Darüber hinaus haben sie eine ähnliche Zielsetzung wie Sjöblom und Hamari (2017). Die Studie setzt die drei Motivationsdimensionen Information, Unterhaltung und Soziabilität in Bezug zu der auf der Plattform durchschnittlich verbrachten Zeit und dem dort investierten Geld. Im Gegensatz zu der finnischen Studie zeigen Gros et al. auf, dass mit steigender Verweildauer auf Twitch.tv auch die Bereitschaft steigt, Geld beispielsweise für Abonnements auszugeben. Weiterhin kommen die Autoren zu dem Ergebnis, dass die Höhe der Verweildauer auf der Plattform auf die soziale Motivation der Zuschauenden zurückzuführen ist.

Johnson und Woodcock (2019b) weisen darauf hin, dass auf Twitch.tv zahlreiche Möglichkeiten für Zuschauende existieren, Geld aufzuwenden und Streamende monetär zu unterstützen. Exemplarisch seien Abonnements oder einfache Spenden genannt. Ferner verdeutlichen die Ausführungen von Wohn et al. (2019), dass Menschen aus diversen Gründen ihr Geld auf der Plattform ausgeben, zum Beispiel für die soziale Interaktion oder aus Wertschätzung. Hierfür ist beispielsweise die Suche nach Aufmerksamkeit oder der Wunsch nach einer engeren Bindung mit der streamenden Person zu nennen. Dementsprechend ist die simple Unterscheidung, ob Geld auf der Plattform ausgegeben wurde und dies in Relation zur der auf Twitch.tv verbrachten Zeit zu setzen, kritisch zu beurteilen. Dessen ungeachtet sind die untersuchten Variablen, welche die Verhaltensmuster betreffen, sowohl von Gros et al. (2017) als auch Sjöblom und Hamari (2017) weitestgehend analog.

Hilvert-Bruce et al. (2018) stellen in ihrer Arbeit ein sozio-motiviertes Modell, bestehend aus acht Faktoren auf. Ebenfalls auf der Grundlage der Uses and Gratification Theory basierend, nennen sie in diesem Kontext vier Aspekte der Zuschauerbeteiligung auf der Live-Streaming-Plattform. Aus den acht Faktoren fanden Hilvert-Bruce et al. sechs Motive, die ein Engagement im Live-Stream bewirken. Dazu zählen die soziale Interaktion, Gemeinschaftssinn, das Kennenlernen neuer Leute, Unterhaltung, Informationssuche und ein Mangel an externer Unterstützung im Leben der Zuschauenden. Im Gegensatz zu anderen Massenmedien rufen stärkere soziale und gemeinschaftliche Faktoren ein höheres Engagement am Live-Stream hervor. Dieses Engagement quantifizieren die Autoren mit Hilfe der vier Variablen emotionale Verbundenheit, Konsumdauer, Abonnementsdauer und aufgewendeter Geldbetrag. Ein Ergebnis dieser Untersuchung ist demnach, dass die Beteiligung in Streams mit einem großen Publikum weniger sozial ausgerichtet ist. Dennoch ist laut Hilvert-Bruce et al. das Engagement über alle Kanalgrößen hinweg im Wunsch nach sozialer Interaktion und dem Verlangen nach Gemeinschaftssinn begründet. Dies macht den Aspekt der sozialen Beziehungen zu einer wesentlichen Motivation für die Mitwirkung in einem Live-Stream (2018).

Die Zielsetzung von Gros et al. (2018) überschneidet sich mit der von Hilvert-Bruce et al. (2018). Deren Fokus richtet sich ebenfalls im Wesentlichen auf die Erforschung der Hintergründe für eine Beteiligung an Live-Streams. Im Gegensatz zu Hilvert-Bruce et al. (2018) ermitteln Gros et al. durch ihren Fragebogen auch sozio-demografische Daten, die sie in ihrer Auswertung und Beantwortung der formulierten Hypothesen heranziehen. Zusätzlich unterscheiden sich die Variablen, mit denen die Verwendung von Twitch untersucht werden. Die Konsumfaktoren der Verweildauer auf der Plattform und die Aufwendungen von Geld sind hingegen weitestgehend analog. Darüber hinaus konstatieren Gros et al. (2018), dass die Nutzungsgewohnheiten, zum Beispiel das aktive Anschauen und Chatten oder das reine Zuhören, als mögliche Einflussfaktoren gelten. Ebenfalls beeinflusst die Art und Weise, wie eine Übertragung durch die Nutzenden ausgewählt wurde, den Grad des Engagements.

Auf welche Weise sich Spielegenres und die Kategorie des Streams auf die Zufriedenheit des Publikums auswirken, betrachten Sjöblom et al. (2017). Dabei unterscheiden die Au-toren die sieben Rubriken Competitive, Let's Play, Casual, Speedruns, Talkshows, How to Play und Reviews. Die Untersuchung legt einerseits offen, dass Videospiele der Genres FPS oder MOBA, die regelmäßig im E-Sports vertreten sind, beispielsweise in einem höheren Grad zur Entspannung der Zuschauenden beitragen als die übrigen. Andererseits ist aber auch die Kategorie des Streams relevant, wenn zum Beispiel der Fokus auf der Informationssuche oder dem Erlernen von Spielstrategien liegt. In Anbetracht dessen weisen Streams der Rubriken Let’s Play oder Review eine positive Korrelation in Bezug auf dieses Verhaltensmuster auf. Sjöblom et al. (2017) beweisen, dass sich die Kategorien auf die Bedürfnisbefriedigung der Konsumierenden auswirkt.

[...]

Ende der Leseprobe aus 139 Seiten

Details

Titel
Andern Menschen beim Spielen zusehen. Beeinflusst der Spielertyp das Nutzungsverhalten auf Twitch.tv?
Hochschule
Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt  (Fakultät Informatik und Wirtschaftsinformatik)
Note
1.0
Autor
Jahr
2020
Seiten
139
Katalognummer
V985247
ISBN (eBook)
9783346343369
ISBN (Buch)
9783346343376
Sprache
Deutsch
Schlagworte
Spielertypen, Twitch, Live-Streaming, Nutzungsverhalten, Gaming, E-Sports, Anderen Menschen zusehen, Quantitative Forschung, statistische Analyse
Arbeit zitieren
Jürgen Lotze (Autor), 2020, Andern Menschen beim Spielen zusehen. Beeinflusst der Spielertyp das Nutzungsverhalten auf Twitch.tv?, München, GRIN Verlag, https://www.grin.com/document/985247

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Andern Menschen beim Spielen zusehen. Beeinflusst der Spielertyp das Nutzungsverhalten auf Twitch.tv?



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden