Gamification of the Intelligence Studies (GAMINT): A Game Based Approach to Learning Human Intelligence Dynamics

Autori

Stefano Musco
Luigi Rucco
Francesco Mercuri
Mario Caligiuri
Keywords: GAMINT, learning intelligence, intelligence studies, game-based learning approach, gamification

Scheda

ITA: L'articolo presenta un meccanismo di apprendimento della c.d. "Human Intelligence" (HUMINT) basato su un gioco da tavola in cui i giocatori/utenti devono mettere in pratica i principali metodi di persuasione normalmente utilizzati dagli agenti sul campo (Ego, Ideologia, Autorità, Seduzione, Denaro e Religione). Il titolo del gioco è "GAMINT", acronimo di "Gamification of Intelligence": esso rappresenta uno dei pochi esempi, se addirittura non l'unico, di un gioco da tavola specificamente costruito per insegnare i rudimenti di HUMINT agli studenti. Il nostro contributo si radica su solide basi teoriche in materia di intelligence ed offre un'impostazione ad ampio spettro, non limitata ad uno specifico contesto geopolitico o periodo storico. Abbiamo implementato il gioco attraverso test multipli che ci hanno permesso di arrivare ad una buona sintesi tra fluidità e complessità di gioco, di modo da ottenere un buon risultato anche da un punto di vista didattico.

ENG: This paper presents a game-based approach for learning intelligence, and more specifically human intelligence (HUMINT) concepts, by challenging the learners/players to find and adopt the most efficient methodologies of influence commonly followed by agents (such as ego, ideology, authority, honey traps, money and religion). Our approach is named GAMINT, acronym for “Gamification of Intelligence”, and represents one of the few examples, if the not the only example, of a boardgame purportedly designed for teaching the basics of HUMINT to intelligence students. We grounded our approach on a solid theoretical framework inspired byboth classical and currentintelligenceliterature, in order to deliver concepts that are general and current enough to address both historical and present scenarios. We then implemented and tested our approach through subsequent iterations, which allowed improving the methodology and the rules to achieve an effective learning outcome.

Pubblicato
novembre 18, 2023 — Aggiornato il novembre 18, 2023
Collana

Details about this monograph

ISBN-13 (15)
979-128-0111-45-6
DOI (06)
https://doi.org/10.36182/2023.08