Sotilaiden päätöksentekokoulutuksessa on perusongelma, jota tosiharjoitukset eivät voi täysin ratkaista: tärkeimmät päätökset — voimankäytön sääntöjen tulkinta monitulkintaisen tiedon vallitessa, voimien allokointi kilpailevien uhkien alla, huollon järjestys aikapaineessa — eivät ole harjoiteltavissa sillä tiheydellä, joka kestävän osaamisen rakentaminen edellyttää, ilman toistuvien suurharjoitusten kustannusta, monimutkaisuutta ja riskiä. Vakavat pelit tarjoavat osittaisratkaisun luomalla seurauksia kantavia päätösympäristöjä murto-osalla resurssikustannuksesta, mikä mahdollistaa komentajan työskentelyn kymmenien päätösskenaarioiden läpi siinä ajassa, jonka yksi maastoharjoitus veisi.

Nimitystä ”vakava peli” käytetään usein löyhästi mistä tahansa interaktiivisesta koulutusohjelmistosta, mutta tehokkaan vakavan pelin takana oleva suunnitteludisipliini on erillinen ja vaativa. Hyvin suunniteltu vakava peli kohdistaa jokaisen mekaniikan tiettyyn oppimistavoitteeseen, mallintaa seuraukset riittävällä todenmukaisuudella oikeiden mentaalimallien luomiseksi, antaa palautetta, joka on ajoitettu ja kehystetty oppimista eikä viihdettä varten, ja mittaa suoritusta validoituja arviointimatriiseja vasten. Huonosti suunniteltu on kallis multimediaesitys tietovisalla lopussa — se näyttää koulutukselta mutta ei tuota mitattavaa osaamisen paranemista.

Tämä artikkeli tarkastelee päätöksentekokoulutukseen keskittyvien sotilasalan vakavien pelien keskeisiä suunnittelu-, teknologia- ja arviointinäkökohtia: skenaarioiden haarautumisarkkitehtuuri, roolipohjainen moninpelisuunnittelu, tekoälyvetoinen OPFOR, automaattinen suorituksen arviointi, moottorin valinta ja LMS-integraatio.

Mikä tekee pelistä ”vakavan” sotilaskoulutuksessa — oppimistavoitteiden kohdistuminen, palautesilmukat, realismin ja pelattavuuden kompromissi

Sana ”peli” nimityksessä vakava peli ei ole sattumanvarainen. Pelimekaniikka — haaste, seuraus, palaute ja edistyminen — on juuri se, mikä erottaa vakavat pelit passiivisesta opetusmediasta. Videoluento välittää tietoa; vakava peli pakottaa koulutettavan tekemään päätöksiä, kokemaan seuraukset ja sopeutumaan. Tämä aktiivinen osallistuminen on syy, miksi pelipohjainen oppiminen tuottaa paremman päätöksentekotaitojen säilyvyyden kuin vastaava aika didaktisessa opetuksessa.

Oppimistavoitteiden kohdistaminen on se suunnittelutesti, joka erottaa vakavat pelit viihdearvoa varten rakennetuista koulutussimulaatioista. Jokaisen pelin mekaniikan on oltava jäljitettävissä tehtäväanalyysin tiettyyn oppimistavoitteeseen. Jos peli sisältää ajoneuvon huoltominipelin eikä koulutusohjelmaan kuulu huoltotehtävien tavoitteita, minipeli kuluttaa kehitysbudjettia ja koulutusaikaa tuottamatta mitään ohjelman julistettuihin tavoitteisiin. Tämän kurin ylläpitäminen on vaikeampaa kuin kuulostaa: pelisuunnittelijat haluavat luonnostaan lisätä mekaniikkoja, jotka lisäävät sitoutumista, ja sitoutuminen on oikeutettu toissijainen tavoite — mutta ei koskaan tavoitteiden kohdistumisen kustannuksella.

Palautesilmukat sotilasalan vakavissa peleissä on suunniteltava palvelemaan oppimista eikä motivaatiota. Kaupallisten pelien palautesilmukat on viritetty maksimoimaan pelaajan pysyvyys — tiheät palkinnot, porrastetusti nouseva vaikeus ja vaihtelevat vahvistusaikataulut, jotka luovat pakonomaisen sitoutumisen. Sotilaskoulutuksen palautesilmukoilla on eri suunnittelutavoite: koulutettavan on ymmärrettävä, miksi päätös oli väärä ja mikä olisi ollut oikea päätös, riittävän nopeasti päätöksen jälkeen, jotta oikea mentaalimalli ehtii muodostua. Viivästynyt palaute — seurauksen näyttäminen koulutettavalle kolme peliminuuttia päätöksen jälkeen — katkaisee oppimissilmukan. Välitön palaute — seurauspeittokuvan näyttäminen heti päätöksen tekemisen hetkellä lyhyine selityksineen — on tehokkaampaa päätöksentekokoulutuksessa, vaikka se tuntuukin vähemmän immersiiviseltä.

Realismin ja pelattavuuden kompromissi on sotilasalan vakavan pelisuunnittelun keskeinen jännite. Korkea vastaavuus operatiivisen ympäristön kanssa — tarkat asesuoritusdatat, realistiset viestimenetelmät, tunneissa mitattavat aidot suunnitteluajat — maksimoi koulutettavien muodostamien mentaalimallien tarkkuuden, mutta maksimoi myös kognitiivisen kuorman, käyttöönottoajan ja asiantuntemuksen, jota pelin käyttö ylipäätään edellyttää. Liiallinen todenmukaisuus tuottaa pelin, jota vain koulutetut erikoisosaajat pystyvät pelaamaan, mikä rajoittaa sekä koulutusyleisöä että istunnossa saavutettavissa olevien päätöstoistojen määrää. Riittävä todenmukaisuus — tarpeeksi realismia oikeiden mentaalimallien luomiseen koulutettaville päätöstyypeille, kaikki muu abstrahoituna — on yleensä oikea suunnittelutavoite. Avainkysymys ei ole ”kuinka realistinen tämä peli on?” vaan ”kehittääkö tämä peli oikeita mentaalimalleja kohdepäätöksille?”

Haaroittuva skenaariosuunnittelu päätöskoulutukseen — päätöspuut vai kerronnalliset graafit, ROE- ja eskalaatiopäätösten seurausmallinnus

Skenaarion haarautuminen antaa vakavalle pelille sen päätöskoulutusvoiman. Lineaarinen skenaario esittää kiinteän tapahtumajärjestyksen riippumatta koulutettavan valinnoista, arvioi suoritusta tarkistuspisteissä mutta ei muuta skenaariota koulutettavan toiminnan perusteella. Haaroittuva skenaario tekee jokaisesta koulutettavan päätöksestä haarautumiskohdan kerronnallisessa graafissa: valinta muuttaa sitä, mitä seuraavaksi tapahtuu, ja koulutettava kokee päätöstensä alavirran seuraukset abstraktin pistemäärän sijaan.

Päätöspuusuunnittelu — yksinkertaisin haarautumisrakenne — esittää kunkin päätössolmun binäärivalintana tai monivalintana, jossa jokainen haara johtaa kiinteään seuraavaan solmuun. Päätöspuut on helppo kirjoittaa ja testata, mutta niiden ilmaisuvoima on rajoitettu: skenaario voi heijastaa vain niitä päätöksiä, jotka suunnittelija ennakoi, ja jokainen koulutettava, joka valitsee saman vaihtoehdon solmusta, etenee samalla tavoin riippumatta siitä, mitä hän teki aiemmin skenaariossa. Yksinkertaisten, hyvin määriteltyjen päätöstyyppejen — oikea ROE-valtuutusjärjestys, oikea evakuoinnin prioriteettijärjestys — koulutuksessa päätöspuut riittävät.

Kerronnalliset graafit korvaavat kiinteän haarautumisrakenteen suunnatulla graafilla, jossa kullakin solmulla voi olla useita sisääntulevia kaaria, ei vain yksi vanhempi. Huoltokriisiä edustava solmu on esimerkiksi saavutettavissa kolmesta eri aiemmasta tilasta — huono alkuhuollon sijoittelu, viivästynyt täydennyslupa tai huoltoreitin menetys — ja solmuun saapuva pelitila kantaa historian siitä, miten koulutettava sinne päätyi. Kriisisolmun seurausmallinnus voi heijastaa tätä historiaa: hyvästä alkuhuoltoasemasta kriisiin saapuvalla koulutettavalla on käytettävissään enemmän vaihtoehtoja kuin tyhjillä etuhuoltopisteillä saapuvalla. Kerronnalliset graafit edellyttävät monimutkaisempia luontityökaluja ja huolellisempaa testausta — jokainen saavutettavissa oleva saapuvien tilojen yhdistelmä on validoituava — mutta ne tuottavat selvästi realistisemman seurausmallinnuksen kuin päätöspuut.

Voimankäytön sääntöjen seurausmallinnus on yksi tärkeimmistä haarautuvan suunnittelun sovelluksista sotilasalan vakavissa peleissä. ROE-skenaario esittää koulutettavalle monitulkintaisen uhan: ajoneuvo, joka lähestyy tarkastuspistettä nopeasti, käyttäytyen tavalla, joka sopii sekä siviilin epäyhteistyöhalukkuuteen että vihamieliseen tarkoitukseen. Skenaario haarautuu koulutettavan tunnistus- ja valtuutusjärjestyksen perusteella. Koulutettava, joka noudattaa oikeaa varman tunnistuksen menettelyä ennen tositoimien valtuuttamista, etenee haarassa, jossa tunnistus vahvistaa uhan, tositoimet ovat laillisesti valtuutettuja ja alavirran tilanne heijastaa neutraloitua uhkaa. Koulutettava, joka ryhtyy tositoimiin suorittamatta tunnistusta loppuun, etenee haarassa, jossa siviiliuhrit käynnistävät eskalaatioportaan — operaatiollisten, oikeudellisten ja johtamisseurausten kaskadin, jota koulutettavan on nyt hallittava. Tämä seurausmallinnus muuntaa ROE-koulutuksen vaatimustenmukaisuuslistasta kausaaliseksi kokemukseksi siitä, miksi menettely on olemassa.

Eskalaation seurausmallinnus soveltaa samaa periaatetta asteittaisen vasteen päätöksiin. Skenaario haarautuu paitsi sen mukaan, valitsiko koulutettava oikean vaihtoehdon, myös sen mukaan, kuinka pitkälle eskalaatioporrasta hän kiipesi ennen tilanteen ratkeamista. Koulutettava, joka ratkaisee kohdatuksen varoitusvaiheessa, etenee eri alavirran skenaarioon kuin varoituslaukauksiin eskaloitunut, ja molemmat eroavat tappavaan toimintaan eskaloituneesta. Kertynyt eskalaatiohistoria muuttaa myöhempien päätösten poliittista ja operatiivista kontekstia skenaariossa, luoden aidon esityksen siitä, miten varhaiset päätökset rajoittavat myöhempiä vaihtoehtoja.

Vakavan pelisession jälkeen käytettävä esikuntaharjoituksen jälkikatselmointiohjelmisto nojaa haarautuvaan päätöstallenteeseen reconstruoidakseen täsmälleen, mitä päätöksiä koulutettava teki, milloin hän teki ne ja mitä seurauksia niistä oli — mikä tekee purukeskustelusta täsmällisen ja näyttöpohjaisen koulutettavan muistelun sijaan.

Roolipohjainen moninpeli yhteiskoulutukseen — komentajan/esikunnan/alaisen roolijako, sodan sumun toteutus, aikapainemekaniikat

Yksinpelattavat vakavat pelit voivat kouluttaa yksilön päätöksentekotaitoja, mutta monet seurauksiltaan merkittävimmistä sotilaspäätöksistä ovat kollektiivisia: niihin liittyy komentaja, esikunta ja alaiset johtajat, joiden päätökset vuorovaikuttavat ja joiden tietoympäristöt on tarkoituksella segmentoitu. Yhteiskoulutus edellyttää roolipohjaista moninpelisuunnittelua, joka toistaa todellisten johtamissuhteiden informaatioasymmetrian ja viestintävaatimukset.

Roolijako moninpelattavissa sotilasalan vakavissa peleissä peilaa koulutusyleisön johtoportasrakennetta. Pataljoonatason päätöspeli voi sisältää pataljoonankomentajan roolin, S2- ja S3-esikuntaroolit ja komppaniankomentajan roolit — kullakin erillisellä käyttöliittymällä, erillisellä tiedonsaannilla ja erillisillä päätösvaltuuksilla. Pataljoonankomentaja näe operatiivisen kuvan muttei ryhmätason taistelukosketuksia; komppaniankomentaja näe oman joukkonsa yksityiskohtaisen taktisen tilanteen muttei operatiivisen tason tiedustelua; S2 syntetisoi tiedustelun useista lähteistä tuotteeksi, jonka komentaja saa kuratoituna tiivistelmänä eikä raakadatana. Tämä rooliarkkitehtuuri pakottaa juuri niihin viestintä- ja koordinaatiokäytäytymisiin, joita koulutuksen on tarkoitus kehittää.

Sodan sumun toteutuksen on oltava roolikohtainen eikä yhtenäinen. Ei riitä, että osa tiedosta piilotetaan kaikilta pelaajilta yhtäläisesti — tiedonsaannin kuvioiden on vastattava operatiivista todellisuutta. S2:n anturisyötteet ja tiedusteluraportit eivät ole komppaniankomentajien käytettävissä; komppaniankomentajien maastosta ja vihollisen sijainneista tekemät havainnot eivät ole komentajan käytettävissä ennen raportointia. Pelimoottorin on ylläpidettävä erillisiä tiloja kullekin roolille: todellinen pelitila (mitä simulaatiossa todella tapahtuu), kunkin roolin havaitsema tila (mitä roolin käytettävissä olevat lähteet näkevät) ja raportoitu tila (mitä on viestitty muodollisesti pelin raportointimekaniikoilla). Näiden kolmen rinnakkaisen tilan toteuttaminen oikein on moninpelisten vakavien pelien kehityksen monimutkaisin insinöörishaaste.

Aikapainemekaniikat ovat päätöksentekokoulutuksen kannalta välttämättömiä, koska aikapaine on juuri se, mikä tekee sotilaiden komentopäätöksistä vaikeita. Aikapaineen poistaminen — koulutettavien loputon harkinta ennen päätöksen tekemistä — kouluttaa kognitiivista prosessia, jota ei ole olemassa operatiivisessa ympäristössä. Päätösten aikarajojen on oltava kalibroitu kunkin päätöstyypin realistisiin suunnitteluajankohtiin: komppaniankomentajan välitöntä toimintaa vaativa päätös ajoneuvotarkastuspisteellä on tehtävä sekunneissa; pataljoonankomentajan harkitun hyökkäyksen toimintavaihtoehdon valinnalla voi olla tunteja. Pelin ei tule soveltaa yhtenäistä aikapainetta kaikkiin päätöstyyppeihin, vaan sen on mallinnettava ne aikarajoitukset, jotka kutakin päätöstä todella koskevat operatiivisessa kontekstissa.

Yhteispelattavat vakavat pelit edellyttävät myös ohjaajaroolia, joka on pelaajarooleista erillinen. Ohjaaja voi tarkastella kaikkia roolien tiloja samanaikaisesti, syöttää MSEL-tapahtumia suunniteltuin tai dynaamisin ajoituksin, säätää OPFOR-käyttäytymistä reaaliajassa koulutettavien toimien perusteella, joita skenaario ei ennakoinut, sekä pysäyttää tai nollata skenaarion opetuksellisia interventioita varten. Ohjaajan työkalut on suunniteltava erillään pelaajien työkaluista — harjoitusta hallitsevalle ohjaajalle sopiva informaatiotiheys ja hallintatarkkuus ovat sopimattomia pelaajalle, joka keskittyy oman roolinsa päätöksiin.

Tekoälyvetoinen OPFOR vakavissa peleissä — käyttäytymispuu vai tavoitteisiin suuntautunut toimintasuunnittelu (GOAP) vihollisen tekoälyksi, sopeutuva OPFOR-vaikeustaso

Tekoälyvetoisen OPFORin laatu on suoraan ratkaiseva tekijä siinä, tuottaako sotilasalan vakava peli realistista päätöksentekopainetta. Ennustettavasti käyttäytyvä, kosketuksessa perääntyvä ja koulutettavien virheitä hyödyntämään kykenemätön OPFOR ei luo kiireellisyyttä eikä kouluta todellista osaamista. Taktisella kyvykkyydellä toimiva OPFOR — joka tunnistaa koulutettavan aseman heikot kohdat, ajoittaa hyökkäykset samaan aikaan huoltosiirtymien kanssa ja sopeutuu koulutettavan puolustusmuutoksiin — luo saman kognitiivisen paineen kuin kykenevä ihmisvastustaja.

Käyttäytymispuut ovat laajimmin käytetty tekoälyarkkitehtuuri kaupallisessa pelinkehityksessä ja ne ovat laajasti edustettuina sotilasalan vakavien pelien toteutuksissa. Käyttäytymispuu esittää tekoälyn päätöslogiikan ehtojen ja toimintojen hierarkkisena rakenteena: ylimmällä tasolla OPFOR-yksikkö valitsee Partiointi-, Hyökkäys- ja Puolustus-tilojen välillä taktisten ehtojen perusteella; Hyökkäyksen sisällä se valitsee suoratulen, tukitulen ja sivustakiertämisen välillä käytettävissä olevan suojan ja yksikköasemien perusteella. Käyttäytymispuut on helppo kirjoittaa, debugata ja testata — suunnittelija voi jäljittää täsmälleen, miksi tekoäly teki tietyn päätöksen, kulkemalla puun läpi. Niiden rajoitus on hauraus: käyttäytymistä, jota ei ole eksplisiittisesti suunniteltu puuhun, ei voi ilmetä, mikä tarkoittaa, että OPFOR voidaan taktisesti yllättää koulutettavien toimin, joita suunnittelija ei ennakoinut.

Goal-Oriented Action Planning ratkaisee tämän haurauden erottamalla tavoitteiden määrittelyn toimintasuunnittelusta. GOAP-tekoäly määrittelee, mihin tilaan se haluaa päästä — vihollisyksikkö tukahdutettu, sivusto turvattu, huoltolinja katkaistu — ja rakentaa dynaamisesti suunnitelman alkeistoiminnoista kyseisen tavoitteen saavuttamiseksi vallitsevan maailmantilan pohjalta. Jos suunniteltu reitti tukkeutuu suorituksen aikana havaittuun miinakenttään, tekoäly suunnittelee reitin uudelleen esteen ympäri ilman, että suunnittelija olisi erikseen luonut juuri tuota palautumiskäytöstä. Tämä tekee GOAP-pohjaisesta OPFOR:sta huomattavasti kestävämmän harjoiteltavien vaihtelevia toimia vastaan, mutta samalla huomattavasti vaikeammin viritettävän: emergentti käytös, joka antaa GOAPille voiman, voi myös tuottaa taktisesti epäuskoottavia tuloksia, jotka heikentävät harjoituksen realismitasoa, jos toimintokirjastoa ja tavoiteprioriteetteja ei kalibroida huolellisesti.

Useimmissa sotilallisissa serious game -ohjelmissa hybridiote on sopiva: käyttäytymispuut jäsennellylle OPFOR-käytökselle skenaarioissa, joissa taktinen tilanne on ennakoitavissa, ja GOAP OPFOR:n johtajatason päätöksiin, joissa vaaditaan sopeutuvaa uudelleensuunnittelua. Tekoälyvetoisen OPFOR-simulaation suunnittelutila käsittelee näitä arkkitehtuurivaihtoehtoja syvemmin, ml. uhkamallinnuslähestymistavat, jotka ylittävät yksittäisen yksikön tekoälyn tason ja kuvaavat OPFOR:n operaatiotason päätöksentekoa.

Sopeutuva OPFOR:n vaikeusaste laajentaa kumpaakin arkkitehtuuria palautesilmukalla, joka säätää OPFOR:n parametreja havaitun harjoiteltavan suoritustason perusteella. Yksinkertaisin toteutus seuraa skalaarista suorituspisteytystä ja skaalaa OPFOR:n reaktiotaikaa, tarkkuutta ja partiointitiheyttä pistemäärän jatkuvana funktiona. Kehittyneempi toteutus käyttää kompetenssimallia tunnistamaan, mitkä päätöksenteon osa-alueet ovat kehittymättömiä, ja säätää OPFOR:n käytöstä niin, että juuri näiden taitojen harjoittelumahdollisuudet lisääntyvät haasteen tasaisen kasvattamisen sijaan. Harjoiteltava, joka tekee johdonmukaisesti oikeita välittömän toiminnan päätöksiä mutta heikkoja jatkojärjestelyjä koskevia hyödyntämispäätöksiä, kohtaa OPFOR:n, joka luo enemmän hyödyntämismahdollisuuksia — se esittää tilapäisesti tukahdutetun OPFOR:n, joka sallii hyödyntämisen, ja toipuu, jos harjoiteltava ei toimi — eikä pelkästään nopeampaa tai tarkempaa OPFOR:aa.

Automaattinen suoritusarviointi — arviointimatriisin suunnittelu, tapahtumakäynnisteiset arviointilaukaisimet, kompetenssivajeiden tunnistaminen

Automaattinen suoritusarviointi erottaa serious gamen harjoitusvälineestä. Harjoitusväline tarjoaa harjoittelumahdollisuuden; serious game tarjoaa harjoittelu ja mittaamisen. Ilman automatisoitua arviointia kunkin istunnon harjoitusarvo riippuu täysin siitä, havaitsiko ja arvioiko ihmis kouluttaja harjoiteltavan suorituksen — mikä rajoittaa läpimenoa, tuo arvioijien välisiä eroja eikä tuota pysyvää tietuetta, joka voisi ohjata myöhempiä harjoitussuunnitelmia.

Arviointimatriisin suunnittelu on tehtävä ennen arviointitoteutuusta. Matriisi määrittelee jokaiselle oppimistavoitteella ne pelissä havaittavat käyttäytymismallit, jotka viittaavat osaavaan suoritukseen, ja ne, jotka viittaavat puutteelliseen suoritukseen, sekä selkeät määritelmät siitä, mitä kukin luokka tarkoittaa. Matriisi ROE-päätöstavoitteelle voi määritellä: sääntöjenmukainen käyttäytyminen edellyttää tunnistusvaiheiden suorittamista määrätyssä järjestyksessä ennen tulenkäytön hyväksymistä; sääntöjen vastainen käyttäytyminen on tulenkäytön hyväksyminen ennen yhdenkään tunnistusvaiheen suorittamista; osittain sääntöjenmukainen käyttäytyminen on osan, mutta ei kaikkien, tunnistusvaiheiden suorittaminen. Kullekin luokalle määritetään numeerinen paino tavoitteen pisteytyksessä. Matriisi on validoitava asiantuntijoilla ennen toteutusta — jos matriisi ei vastaa asiantuntijoiden käsitystä siitä, mikä on hyvä suoritus, automaattinen arviointi mittaa väärää asiaa riippumatta siitä, kuinka tarkasti se mittaa.

Tapahtumakäynnisteiset arviointilaukaisimet kääntävät matriisin pelimoottorin logiikaksi. Jokainen matriisin havaittava käyttäytymismalli vastaa yhtä tai useampaa pelitapahtumaa, jotka moottorin on tunnistettava ja kirjattava. Tunnistusvaiheen suorittaminen on tietty interaktiotapahtuma — harjoiteltava pyysi sensorituotteen, harjoiteltava ristiinviittasi kaksi tiedustelulähdettä, harjoiteltava pyysi luvan ylemmän johtoportaan kanavalta. Arviointijärjestelmä tilaa nämä tapahtumatyypit ja kirjaa jokaisen esiintymän aikaleimalla, tilannekuvakopialla (pelin tila tapahtumahetkellä) ja matriisista johdetulla suoritusluokituksella. Istunnon aikana laukeamattomat tapahtumat ovat sinänsä informatiivisia: puuttuva tunnistusvaihetapahtuma, kun ROE-skenaario edellytti tunnistusta, on oletusarvoisesti sääntöjen vastainen tapahtuma eikä tuntematon.

Kompetenssivajeiden tunnistaminen kokoaa tapahtumatason arviointitiedon kompetenssiprofiiliksi. Profiili näyttää harjoiteltavan suorituspisteet kunkin oppimistavoitteen suhteen, pistemäärän kehityksen istuntojen välillä ja ne päätöstyypit, joissa suoritus on johdonmukaisesti osaamiskynnyksen alapuolella. Tämä profiili on kouluttajien ensisijainen väline myöhemmän harjoittelun mukauttamiseen: harjoiteltava, jolla on matalat pisteet eskalaatiopäätöksissä, saa lisää eskalaatioskenaarioita; harjoiteltava, jolla on toistuvia ROE-rikkomuksia, ohjataan erilliselle ROE-korjausmoduulille ennen paluuta pääskenaariopolulle.

Ryhmätasolla kompetenssivajeanalyysi paljastaa järjestelmälliset koulutustarpeet: jos 70% harjoitusryhmästä on kynnyksen alapuolella synkronointipäätöksissä, vika on todennäköisesti esikoulutuksessa tai harjoitussuunnitelmassa eikä yksittäisten harjoiteltavien suorituksessa, ja oikea vastaus on opetussuunnitelman muutos eikä yksilöittäin lisätty korjaus. Tämä ryhmätason signaali on käytettävissä vain, kun suoritustiedot kerätään ja kootaan järjestelmällisesti — mikä edellyttää LMS-integraatiota istuntokohtaisen manuaalisen tarkistelun sijaan.

Alustan valinta: kaupalliset pelimoottorit vai oma rakennettu — Unreal Engine 5 sotilallisiin serious game -peleihin, Unityn käyttöönoton rajoitteet, oman moottorin kompromissit

Moottorin valinta on yksi eniten vaikuttavista valinnoista sotilallisessa serious game -kehitysohjelmassa. Moottori määrää visuaalisen laadun ylärajan, saatavilla olevan kehittäjäosaamisen, käyttöönoton rajoitteet ja pitkäaikaisen ylläpitotaakan. Yleispätevää oikeaa vastausta ei ole — sopiva moottori riippuu ohjelman yksittäisistä vaatimuksista.

Unreal Engine 5:stä on tullut hallitseva valinta korkean visuaalisen laadun sotilallisten serious game -pelien kehitykseen. Sen Nanite-virtualisoitu geometriajärjestelmä poistaa polygonimäärän rajoitukset, jotka historiallisesti vaativat laajaa manuaalista yksityiskohtaisuustason optimointia suurissa maastoympäristöissä. Lumen-globaalivalaistus tuottaa fyysisesti tarkan valaistuksen ilman esilaskennaisia valokarttoja ja mahdollistaa dynaamiset vuorokaudenaikojen muutokset, jotka ovat olennaisia harjoituksille, jotka kattavat useita simuloidun ajan tunteja. Blueprint-visuaalinen skriptausjärjestelmä antaa ohjaussuunnittelijoiden muokata skenaariologiikkaa ilman C++-ohjelmointia, mikä pienentää skenaariosisällön kehityksen iteraatiokustannuksia. UE5:n lisenssiehdot edellyttävät erillistä neuvottelua valtion ohjelmissa — tavallinen 5%:n rojalti bruttotuloista ei sovi useimpiin puolustushankintasopimuksiin — mutta Unreal Enginen puolustukseen suunnattu lisenssiohjelma (saatavilla Epic Governmentin kautta) ratkaisee tämän.

Unity tarjoaa merkittäviä etuja ohjelmille, joilla on rajatut laitteistokohteet tai usealle alustalle käyttöönoton vaatimukset. Unityn renderöintiputki skaalautuu sulavasti huippuluokan GPU-workstationeista valtion toimittamiin laitteisiin, jotka voivat olla kolmesta viiteen vuotta vanhoja ja käyttävät integroitua grafiikkaa. WebGL-vientimahdollisuus antaa Unityllä rakennettujen serious game -pelien toimia selaimessa ilman liitännäistä, mikä on suositeltu käyttöönoton malli harjoitusohjelmille, joiden on tavoitettava suuria määriä harjoiteltavia ilman ohjelmiston asennusta — olennaista tietokonepohjaisille koulutusohjelmille, joihin päästään valtion LMS-portaalin kautta. Unityn DOTS-arkkitehtuuri tarjoaa erinomaisen suorituskyvyn laajamittaisissa entiteettisimulaatioissa — tärkeää pataljoonatason ja sitä korkeampien tasojen peleille, joissa on satoja simuloituja yksiköitä. Päärajoitus on, että Unityn visuaalisen laadun yläraja jää vastaavalla kehityspanoksella UE5:n alle, mikä painaa, kun maaston realistisuus on vaatimus harjoituksen siirtovaikutukselle.

Virtuaalisten harjoitusalustojen kenttä kattaa sekä UE5- että Unity-pohjaiset ohjelmat sekä puolustussimulaatioon tarkoitetusti rakennetut moottorit, jotka tarjoavat valmiiksi luokitetun verkkointegraation ja yhteentoimivuusstandardien vaatimustenmukaisuuden. Nämä erikoismoottorit — VBS4 Bohemia Interactive Simulationsiltä, VR-Forces MAK Technologiesiltä — eivät ole yleiskäyttöisiä pelimoottoreita vaan on rakennettu sotilassimulaatiota varten, ja niissä on valmiit integraatiot DIS/HLA:han, JLLIS:ään ja LVC-arkkitehtuureihin. Ne ovat oikea valinta, kun yhteentoimivuus olemassa olevan simulaatioinfrastruktuurin kanssa on tärkeämpi kuin visuaalinen laatu tai kehityskustannusten minimointi.

Oman pelimoottorin kehittäminen on harvoin perusteltua serious game -ohjelmissa. Renderöintimoottorin, fysiikkajärjestelmän, äänijärjestelmän ja resurssiputken rakentamisen työkustannus alusta alkaen ylittää tyypillisesti kertaluokalla sen sisällön kustannukset, joka moottoria käyttää, eikä valmis moottori saavuta kypsien kaupallisten vaihtoehtojen laatua tai ominaisuusvalikoimaa. Omat moottorit ovat perusteltuja vain kapeissa tapauksissa: ohjelmat, joiden suorituskykyvaatimuksia mikään saatavilla oleva kaupallinen moottori ei täytä; ohjelmat, jotka vaativat kyvykkyyksiä, joita mikään kaupallinen moottori ei tarjoa ja joita ei voi toteuttaa liitännäisinä; tai ohjelmat, jotka toimivat ympäristöissä, joissa kaupallisen moottorin lisensointi on oikeudellisesti tai sopimuksella kielletty.

Integraatio oppimisjärjestelmiin (LMS) — SCORM/xAPI pisteytyksen vientiin, harjoiteltavien tietueiden integraatio, MIL-HDBK-502A-oppimisobjektien mukaistus

LMS-integraatio yhdistää serious game -pelin istunnonaikaisen suoritustiedon laajempaan harjoittelun hallintainfrastruktuuriin. Ilman LMS-integraatiota jokainen peli-istunto tuottaa suoritustietoa, joka elää vain pelissä itsessään — saatavilla istunnon vetäneelle ohjaajalle, mutta ei automaattisesti liitettynä harjoiteltavan harjoitustietueeseen, ei koottuna istuntojen yli trendianalyysiin eikä käytettävissä harjoituspäällikölle, joka suunnittelee myöhempiä harjoitustapahtumia.

SCORM (Sharable Content Object Reference Model) on vanhempaan perinteeseen pohjautuva standardi, jota useimmat valtion LMS-alustat tukevat. SCORM-yhteensopiva serious game raportoi istunnon päättyessä rajatun tietojoukon LMS:ään: suoritusstatuksen (valmis, kesken, läpäisty, hylätty), pistemäärän (tyypillisesti prosentti väliltä 0–100) ja käytetyn ajan mittauksen. Nämä tiedot riittävät hallinnolliseen seurantaan — harjoiteltava suoritti moduulin ja saavutti läpäisypisteet — mutta eivät kompetenssipohjaiseen harjoittelun johtamiseen, koska kokonaispisteet eivät kerro, mitkä tavoitteet harjoiteltava hallitsee ja mitkä eivät. SCORM 2004:n tarkempi interaktioseuranta parantaa SCORM 1.2:n yksittäistä pistemallia, mutta sekin on yhä selvästi vähemmän ilmaisuvoimainen kuin xAPI.

xAPI (Experience API) antaa serious game -pelin raportoida mielivaltaisia toimintalausekkeita Learning Record Storeen ja tallentaa pelin sisäisten arviointitapahtumien täyden erottelutarkkuuden. Yksi päätöksentekopelin istunto voi tuottaa kymmeniä xAPI-lausekkeita: yhden jokaisesta vieraillusta päätössolmusta, yhden jokaisesta ROE-arviointitapahtumasta ja yhden istunnon päättymisestä kompetenssitason tuloksineen kullekin tavoitteelle. Nämä lausekkeet kertyvät LRS:ään istuntojen yli, ja niitä voi kysellä harjoiteltavan koko kompetenssikehityskaaren rekonstruoimiseksi — ei vain viimeisintä istunnon pistemäärää. Mukautuvissa harjoitusohjelmissa LRS:n kyselyrajapinta antaa harjoituksen hallintajärjestelmälle noutaa harjoiteltavan nykyisen kompetenssiprofiilin ja suositella seuraavaa harjoitustehtävää, joka vastaa tunnistettuja vajeita.

MIL-HDBK-502A-mukaisuus ohjaa sitä, miten serious game -pelin sisältö jäsennetään oppimisobjekteiksi ohjelmissa, jotka hankitaan puolustushallinnon koulutus- ja koulutushankintapolitiikan alla. Käsikirja edellyttää, että jokainen oppimisobjekti on jäljitettävissä tiettyyn suoritustavoitteeseen harjoitusjärjestelmän tehtäväanalyysissä, että kunkin tavoitteen suoritusstandardi on määritelty termeillä, joita voidaan arvioida harjoituksen aikana, ja että arviointimenetelmä on validoitu sitä operatiivista suoritusta vasten, jota sen on tarkoitus ennustaa. Serious gamelle tämä tarkoittaa, että kunkin skenaariomoduulin on vastattava tiettyä joukkoa suoritustavoitteita, automaattisen arviointimatriisin on operationalisoitava kunkin tavoitteen suoritusstandardi ja pelin arviointitietojen on osoitettava tilastollisesti merkitsevä suhde operatiiviseen tehtäväsuoritukseen harjoituksen vaikuttavuusarvioinnissa. Nämä vaatimukset kasvattavat merkittävästi serious game -kehityksen vaativuutta — ja kustannuksia — virallisten puolustushankintaohjelmien alla, mutta ne myös tuottavat näytöllisen perustan osoittaa, että peli tuottaa todellista operatiivisen valmiuden parannusta eikä vain kulutettua harjoitusaikaa.

Tietojen kokonaisketju — pelin sisäisestä arviointitapahtumasta LRS-lausekkeeseen ja edelleen harjoituksen hallintajärjestelmän suositukseen — sulkee sen takaisinkytkennän, joka tekee serious game -peleistä aidon valmiusinvestoinnin eikä vain sitouttamistoimintaa. Kun harjoituspäällikkö näkee, että tietylle harjoiteltavalle kolme päätöksentekopelin istuntoa on tuottanut johdonmukaisesti kynnyksen alittavia pisteitä synkronointipäätöksissä, ja voi automaattisesti ohjata harjoiteltavan kohdennettuun synkronointiskenaarioon ennen seuraavaa liikeharjoitusta, serious game toimii harjoitusjärjestelmän aitona osana eikä erillisenä moduulina.