In crowd-civic systems, citizens form groups and work towards shared goals, such as discovering social issues or reforming official policies. Unfortunately, many real-world systems have been unsuccessful in continually motivating large numbers of citizens to participate voluntarily, despite various approaches such as gamification and persuasion techniques. In this thesis, I examine the influence of personalized messages designed to support motivation as asserted by the Self-Determination Theory (SDT). I designed a crowd-civic platform for collecting community issues with personalized motivation- supportive messages and conducted two studies: a pair-comparison experiment with 150 participants on Amazon’s Mechanical Turk and a live deployment study with 120 university members. Results of the pair-comparison study indicate applicability of SDT’s perspective in crowd-civic systems. While applying it in the live system surfaced several challenges, including recruiting participants without interfering with general motivations, the collected data exhibited similar promising trends.
군중 시민 시스템(Crowd-civic system)에서는 시민들이 집단을 형성하며 사회적 이슈 를 발견하거나 공식 정책을 개혁하는 것과 같은 공동 목표를 향해 일한다. 불행하게도 많은실제시스템이게임화및설득기법과같은다양한접근방식에도불구하고많은 수의 시민들이 자발적으로 참여하도록 동기를 부여하지 못 한다. 이 논문에서는 자기 결정 이론(Self-determination theory, SDT)에 의해 주장 된 동기 부여를 지원하기 위해 고안된 개인화 된 메시지의 영향을 조사한다. 커뮤니티 문제를 수집하기 위한 개인화 된 동기 부여 지원 메시지를 표시하는 군중 시민 플랫폼을 설계하고 두가지 실험을 수행했다: Amazon Mechanical Turk에서 150 명의 참가자와의 쌍 비교 실험과 120 명 의 대학 구성원과의 필드 스터디. 쌍 비교 결과는 군중 시민 체계에서 SDT의 관점을 적용 할 수 있음을 나타냈다. 실제 시스템에서 적용하는 동안 일반 동기를 방해하지 않고 참가자를 모집하는 등 몇 가지 과제가 제기되었지만 수집 된 데이터는 비슷한 유망한 추세를 나타냈다.
