דינמי קושי + Pacing (Thompson Sampling)
Reinforcement Learning להתאמה ריאל-טיים של קושי
עקרון המחקר
Thompson Sampling (Bayesian RL) בוחר משחקים שממקסימום זרימת למידה צפויה. בשונה מ-A/B רגיל, זה מתכנס בהרבה יותר מהר.
Thompson Sampling (רשימה אפסית)
כל משחק מקבל סקור A/B: דיווח קל vs קשה (70-30 split)
+18% זמן בזון זהירות
Real-time Challenge-Skill Ratio
עדכון משחק כל 3 עונדות לפי הביצוע
הימנע מ-frustration, שמור engagement
Convergent Learning Path
בחר את הרמה שמשתמש מתפקד בה 85-90% הצלחה
-22% השקעת מאמץ לשליטה
Regret Bound Optimization
אלגוריתם בוחר משחק שמקסימום תוחלת למידה
פחות בזבוז סשנים
תוצאה קלינית
הילדים מדווחים על פחות "זה קל מדי" / "זה בלתי אפשרי". ממוצע ROI בתוך 6 שבועות: +15% עילוות.
