SlideShare a Scribd company logo
z-Treeの基礎その4
実験プログラムの作り方
画面を2分割する方法(Container Box)
画像(利得表)の入れ方
入力変数の作り方
ラジオボタンの作り方
z-Treeの変数について
実験プログラムの作り方①
• 前回のスライドで実験画面の流れはつかめたので,プログラミ
ングを始めていこう.
• 順番が前後するが,最初に本番の意思決定画面をつくる.
• その後,1回ごとのゲームの結果画面,全部のゲームの合計利
得を表す最終結果画面,練習の意思決定画面と結果画面を作成
する.
実験プログラムの作り方①(続き)
• あらかじめ練習用と本番用の
利得行列を用意しておく.
• 利得行列はExcel等で作成し
て,その後PNG等で画像ファ
イルとしてz-Treeフォルダ内
に保存する.
実験プログラムの作り方②
• ztreeをクリックして開く.
実験プログラムの作り方③
• “Untitled Treatment 1”とい
うタイトルのファイルが開か
れている.
• よく見ると一番最後の箇所に
何語かわからない言語で何か
書かれている(たぶんドイツ
語).
• これを日本語化するために,
まずこの“Untitled Treatment
1”の画面を消す.
何語かわからない…
画面右上の☒ボタンをクリックして消す.
実験プログラムの作り方④
• “Treatment”タブをクリック
して“Language”を開く.
“Nihongo”を探してクリック
する(右図の青のハイライト
参照)
実験プログラムの作り方⑤
• 何も表示されていない画面に
戻ったら,“File”タブをク
リックして“New Treatment”
をクリック.
実験プログラムの作り方⑥
• “Untitled Treatment 2”が画
面に表示される.
• “Untitled Treatment 2”の一
番最後の箇所が“しばらくお
待ち下さい”になっていれば
OK.
• ちなみにこれは被験者側に表
示するメッセージが日本語に
なっただけなので,ztree自体
は英語のままである.
日本語になってる!
新しい実験プログラムをつくる
• “Untitled Treatment 2”が開
けたら,その中にある
をダブルクリック.
被験者の数とグループの数を決める.
• “Number of subjects”は被験
者数を表している.これを今
回は2に設定する.
• また,“Number of groups”は
被験者グループの数を表して
いる.今回は2人1組なので1
に設定する.
練習と本番の回数を決める.
• “# practice periods”は練習の
回数を表している.練習ゲー
ムは後で作るので今は0にし
よう.
• “# paying periods”は本番の
回数を表している.今回は5
に設定する.
• これらの設定が終われば“OK”
ボタンを押す.
新しいステージをつくる①
• 最初に本番の意思決定画面を
つくる.
•
が青くハイライトされている
状態(ハイライトされていな
い場合はこれをクリックする
とハイライトされる)で
“Treatment”タブをクリック
して“New Stage...”をクリッ
ク.
新しいステージをつくる②
• “Stage” 画面が出てきたら
“Name”の“Stage”を
“Decision”に変える.これは
そのステージの名前を表す.
• 画面の下の方にある“Leave
stage after timeout”は制限時
間を表している.今回は意思
決定が行われるまで画面を進
めないように“if no input”と
“Timeout”を60にしてOKをク
リック.
画面の左半分をつくる (Container Box) ①
• 意思決定画面の左側(利得
表)をつくる.
• Decisionの中にある
をクリック.
青くハイライトされたら,
“Treatment”タブから“New
Box”の中にある“Container
Box...”をクリック.
画面の左半分をつくる (Container Box) ②
• “Box” 画面が出てきたら
“Name”を“Container” から
“Leftside”へ変える.
• また,画面中央あたりにある
“Distance to the margin”の4
箇所あるうちの右側に50%と
入力する.これは画面の右側
50%を空けるという意味(た
ぶん).
• これができたらOKボタンを
クリック.
画面の左半分に利得表を入れる①
• いま作った
をクリックして青くハイライ
トされたら“Treatment”タブ
から“New Box”の中にある
“New Multimedia Box...”をク
リック.
画面の左半分に利得表を入れる②
• “Multimedia Box”画面が開か
れたら“Name”を“Payoff
Homban Matrix”とする.
• さらに,“File name”に同じ
ztreeのフォルダに予め用意し
ておいた利得行列の画像名を
拡張子まで記入する.
• それができたらOKボタンを
クリック
画面の左半分に利得表を入れる③
• “Payoff Homban Matrix”を
“Leftside”へドラッグアンド
ドロップし,右図のように
“Leftside”の中に“Payoff
Homban Matrix”が入ってい
るような状態にする(右図).
• これで本番の意思決定画面の
左側に利得表が表示されるよ
うになった.
画面の右半分をつくる (Container Box) ①
• つぎに,本番の意思決定画面
の右側部分(意思決定ボタ
ン)を作成する.
• Decisionの中にある
をクリック.
青くハイライトされたら,
“Treatment”タブから“New
Box”の中にある“Container
Box...”をクリック.
画面の右半分をつくる (Container Box) ②
• “Box” 画面が出てきたら
“Name”を“Container” から
“Rightside”へ変える.
• また,画面中央あたりにある
“Distance to the margin”の4
箇所ある左側に50%と入力す
る.これは画面の左側50%を
空けるという意味(たぶん).
これができたらOKボタンを
クリック.
画面の右半分をつくる (Container Box) ③
• いま作った
をクリックして青くハイライ
トされたら“Treatment”タブ
から“New Box”の中にある
“Standard Box...”をクリック.
画面の右半分をつくる (Container Box) ④
• “Standard Box”画面が開かれ
たら“Name”を“Homban
Decision”とする.
• それができたらOKボタンを
クリック
画面の右半分をつくる (Container Box) ⑤
• “Homban Decision”を
“Rightside”へドラッグアンド
ドロップし,右図のように
“Rightside”の中に“Homban
Decision”が入っているよう
な状態にする(右図).
• これで本番の意思決定画面の
右側に意思決定ボタンを配置
する準備ができた.
画面の右半分に意思決定ボタンをつくる①
• 実際に意思決定ボタンを準備
する.
•
をクリックして青くハイライ
トされたら“Treatment”タブ
から“New Item...” をクリック.
画面の右半分に意思決定ボタンをつくる②
• “Label”のところに日本語で
“どちらか選んでください”と
入力する.
• 文字化けするときがあるが,
気にせずにOKボタンをク
リック.
画面の右半分に意思決定ボタンをつくる③
•
をクリックして青くハイライ
トされたら“Treatment”タブ
から“New Item...” をクリック.
画面の右半分に意思決定ボタンをつくる④
• “Label”にはなにも入力せずに
そのままOKボタンをクリッ
ク
• これは,被験者が見やすいよ
うに設問と意思決定ボタンの
間にいれた空白である.
画面の右半分に意思決定ボタンをつくる⑤
• いま作成した
をクリックして青くハイライ
トされたら(実際は青くハイ
ライトされいるが分かりづら
いので注意)“Treatment”タ
ブから“New Item...” をクリッ
ク.
画面の右半分に意思決定ボタンをつくる⑥
• ここからが少し難しくなるの
で注意.
• “Label”の欄は空白でよい.
• “Variable”には被験者の意思
決定を変数として扱うために
“Choice”という変数名をつけ
る.
• さらにこれは,被験者が入力
する変数なので一番下にある
“Input”にチェックを入れる.
画面の右半分に意思決定ボタンをつくる⑦
• 今回は,被験者がCを選んだ
場合を1,Dを選んだ場合を0
とするような変数“Choice”を
考える.
• ラジオボタン形式にするには,
!radio:
1 =“C ”;
0 =“D ”;
とする.
半角スペースを4回打ってインデントを揃えると見やすい..
画面の右半分に意思決定ボタンをつくる⑧
• さらにこの変数“Choice”の下
限と上限を決める必要がある.
• 今回は0と1しか取らないので,
“Minimum”に0,“Maximum”
に1と入力.
• ここまでできればOKをク
リック.
OKボタンをつくる①
•
をクリックして青くハイライ
トされたら“Treatment”タブ
から“New Button...” をクリッ
ク.
OKボタンをつくる②
• 何も変えずにそのままOKボ
タンをクリック.
• 意思決定画面の右下に“OKボ
タン”が表示される.
本番の意思決定の完成
• 以上が本番の意思決定画面の
作り方である.
• ここまでできれば右図のよう
になっている.
実験プログラムファイルの保存の仕方
• 初めて作成した実験ファイル
を保存するには,“File”タブ
から“Save As...”をクリックし
てztreeやzleaf,実験に必要
な画像等が保存されている
フォルダに保存するのが良い.
• これ以降,上書き保存する場
合は“File”タブから“Save”を
クリックするだけでよい.
まとめ①
• 新しい実験プログラムをつくるには,
“File”タブ → “New Treatment”
• 新しいステージをつくるには,
“Treatment”タブ → “New Stage...”
• 画面を分けるときは,
“Treatment”タブ → “New Box” → “Container Box...”
• 画像を入れるときは,
Treatment”タブ → “New Box” → “New Multimedia
Box...”
まとめ②
• 画面上のレイアウト等に特に工夫がない場合は
“Treatment”タブ → “New Box” → “Standard Box...”
• 問題文,空白,入力変数をつくるときは
“Treatment”タブ → “New Item...”
• ラジオボタンの作り方は,“New Item”の“Layout”に
!radio:
1 =“C ”;
0 =“D ”;
※Cを選んだら1,Dを選んだら0として扱われるという場合.
z-Treeの変数について
• 今回の意思決定画面の作成で“Choice”という意思決定変数をつ
くった.
• このようにz-Treeでは基本的に自分で変数をつくることが多い
が,あらかじめz-Treeによって決められている変数が幾つか存
在する.
• その変数と同じ名称の変数を新たにつくることはできず,また
その変数を知っておくことで今後プログラムを書きやすくなる
ので重要なものを紹介しておく.
z-Treeの変数
• あらかじめ決められている変数でよく使われるものは,
Profit
Period
Participate
などがある.
変数“Profit”
• この変数はプレイヤー(被験者)の利得を表している.
• 経済実験では金銭によるインセンティブを与えたり選好の統制
に用いられることが多く,この変数はほとんどの実験プログラ
ムにおいて用いられている.
• ゲーム中に被験者が得る利得をすべて変数Profitとしておくこ
とが多い.
• また,最終的なプレイヤーの利得を求めたいのであれば
TotalProfitで容易に求められる.これもあらかじめz-Tree内に
用意された変数である.
変数“Period”
• これはゲームの期間(何回目か)を表す変数である.
• ワンショットのゲームであれば用いることはないかもしれない
が,複数回にわたって行われる囚人のジレンマゲームや公共財
供給ゲームにおいては重要な変数である.
• また,本番の期間は
Period = 1,2,3,...,n
と1からひとつずつ増えていくのに対し,練習の期間は
Period = -n,...,-2,-1,0
とマイナスからひとつずつ増えていき,練習の最後の回が
Period = 0となるようになっている.
変数“Participate”
• これはそのステージに参加する場合と参加しない場合を表す変
数としてよく用いられる(この概念がわかりづらい).
• 例えば,特定のステージ(ゲーム)にプレイヤーを参加させた
くない場合はParticipate = 0とすることでそのプレイヤーを特
定のステージから外すことができる.
• 反対に,参加させる場合はParticipate = 1となる.デフォルト
ではすべてのプレイヤーはすべてのステージに対して
Participate = 1となっている.

More Related Content

What's hot

機械学習と深層学習の数理
機械学習と深層学習の数理機械学習と深層学習の数理
機械学習と深層学習の数理
Ryo Nakamura
 
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
doboncho
 
APTで使用されたバイナリの相関解析忍術 by Bhavna Soman
APTで使用されたバイナリの相関解析忍術 by  Bhavna SomanAPTで使用されたバイナリの相関解析忍術 by  Bhavna Soman
APTで使用されたバイナリの相関解析忍術 by Bhavna Soman
CODE BLUE
 
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
Akiyoshi Hara
 
エクスポージャーの効果を高める(Craske et al., 2014)
エクスポージャーの効果を高める(Craske et al.,  2014)エクスポージャーの効果を高める(Craske et al.,  2014)
エクスポージャーの効果を高める(Craske et al., 2014)
Yusuke Shudo
 
お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演
Takayuki Itoh
 
oTreeまとめ 基礎からwebへのアップまで
oTreeまとめ 基礎からwebへのアップまでoTreeまとめ 基礎からwebへのアップまで
oTreeまとめ 基礎からwebへのアップまで
Keiko Mizuno
 
宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版
Takayuki Itoh
 
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
Takuya Minagawa
 
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法についてMCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
 
20170225_Sample size determination
20170225_Sample size determination20170225_Sample size determination
20170225_Sample size determination
Takanori Hiroe
 
オーディオ用レベルメータを作ってみよう
オーディオ用レベルメータを作ってみようオーディオ用レベルメータを作ってみよう
オーディオ用レベルメータを作ってみよう
Kohsuke Yuasa
 
全般不安症への認知行動療法
全般不安症への認知行動療法全般不安症への認知行動療法
全般不安症への認知行動療法
Makoto Gonjo
 
Random Forest による分類
Random Forest による分類Random Forest による分類
Random Forest による分類
Ken'ichi Matsui
 
制止学習理論とエクスポージャー療法 2017/9/30
制止学習理論とエクスポージャー療法 2017/9/30 制止学習理論とエクスポージャー療法 2017/9/30
制止学習理論とエクスポージャー療法 2017/9/30
Makoto Gonjo
 
【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ
Tomoshige Nakamura
 
制止学習理論とエクスポージャー療法
制止学習理論とエクスポージャー療法制止学習理論とエクスポージャー療法
制止学習理論とエクスポージャー療法
Makoto Gonjo
 
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
KoueiYamaoka
 

What's hot (20)

機械学習と深層学習の数理
機械学習と深層学習の数理機械学習と深層学習の数理
機械学習と深層学習の数理
 
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
 
APTで使用されたバイナリの相関解析忍術 by Bhavna Soman
APTで使用されたバイナリの相関解析忍術 by  Bhavna SomanAPTで使用されたバイナリの相関解析忍術 by  Bhavna Soman
APTで使用されたバイナリの相関解析忍術 by Bhavna Soman
 
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
劣モジュラ最適化と機械学習 2.0-2.3 劣モジュラ関数の基本性質・例・最適化
 
エクスポージャーの効果を高める(Craske et al., 2014)
エクスポージャーの効果を高める(Craske et al.,  2014)エクスポージャーの効果を高める(Craske et al.,  2014)
エクスポージャーの効果を高める(Craske et al., 2014)
 
お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演
 
oTreeまとめ 基礎からwebへのアップまで
oTreeまとめ 基礎からwebへのアップまでoTreeまとめ 基礎からwebへのアップまで
oTreeまとめ 基礎からwebへのアップまで
 
宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版
 
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
 
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法についてMCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
 
20170225_Sample size determination
20170225_Sample size determination20170225_Sample size determination
20170225_Sample size determination
 
卒論発表
卒論発表卒論発表
卒論発表
 
オーディオ用レベルメータを作ってみよう
オーディオ用レベルメータを作ってみようオーディオ用レベルメータを作ってみよう
オーディオ用レベルメータを作ってみよう
 
全般不安症への認知行動療法
全般不安症への認知行動療法全般不安症への認知行動療法
全般不安症への認知行動療法
 
Random Forest による分類
Random Forest による分類Random Forest による分類
Random Forest による分類
 
制止学習理論とエクスポージャー療法 2017/9/30
制止学習理論とエクスポージャー療法 2017/9/30 制止学習理論とエクスポージャー療法 2017/9/30
制止学習理論とエクスポージャー療法 2017/9/30
 
【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ
 
制止学習理論とエクスポージャー療法
制止学習理論とエクスポージャー療法制止学習理論とエクスポージャー療法
制止学習理論とエクスポージャー療法
 
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
 

Similar to z-Tree manual #4

Jenkins+Play!で気軽にCI
Jenkins+Play!で気軽にCIJenkins+Play!で気軽にCI
Jenkins+Play!で気軽にCI
Takafumi Ikeda
 
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
Takuya Mukohira
 
ドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいのドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいのmanaten
 
Unity チュートリアル
Unity チュートリアルUnity チュートリアル
Unity チュートリアル
Masaki Katoh
 
ドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいのドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいの
heriet
 
ゲーム開発プロセスカイゼン
ゲーム開発プロセスカイゼンゲーム開発プロセスカイゼン
ゲーム開発プロセスカイゼン光晶 上原
 
「オリジナル時計」事前課題用テキスト
「オリジナル時計」事前課題用テキスト「オリジナル時計」事前課題用テキスト
「オリジナル時計」事前課題用テキストTairo Moriyama
 
openFrameworks Workshop in Kanazawa v001
openFrameworks Workshop in Kanazawa v001openFrameworks Workshop in Kanazawa v001
openFrameworks Workshop in Kanazawa v001
Teruaki Tsubokura
 
2012 kanemotolablecture4
2012 kanemotolablecture42012 kanemotolablecture4
2012 kanemotolablecture4ytanno
 
GCSアジャイル開発を使ったゲームの作り方
 GCSアジャイル開発を使ったゲームの作り方 GCSアジャイル開発を使ったゲームの作り方
GCSアジャイル開発を使ったゲームの作り方
Hiroyuki Tanaka
 
もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順
Hide Koba
 
Unityで本格戦国シュミレーションRPG 開発
Unityで本格戦国シュミレーションRPG 開発Unityで本格戦国シュミレーションRPG 開発
Unityで本格戦国シュミレーションRPG 開発
dena_study
 

Similar to z-Tree manual #4 (13)

Jenkins+Play!で気軽にCI
Jenkins+Play!で気軽にCIJenkins+Play!で気軽にCI
Jenkins+Play!で気軽にCI
 
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
苫小牧高専 ソフトウェアテクノロジー部 enchant.jsでゲーム作り 1
 
animation1.0
animation1.0animation1.0
animation1.0
 
ドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいのドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいの
 
Unity チュートリアル
Unity チュートリアルUnity チュートリアル
Unity チュートリアル
 
ドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいのドッターのためのプログラミングなにそれおいしいの
ドッターのためのプログラミングなにそれおいしいの
 
ゲーム開発プロセスカイゼン
ゲーム開発プロセスカイゼンゲーム開発プロセスカイゼン
ゲーム開発プロセスカイゼン
 
「オリジナル時計」事前課題用テキスト
「オリジナル時計」事前課題用テキスト「オリジナル時計」事前課題用テキスト
「オリジナル時計」事前課題用テキスト
 
openFrameworks Workshop in Kanazawa v001
openFrameworks Workshop in Kanazawa v001openFrameworks Workshop in Kanazawa v001
openFrameworks Workshop in Kanazawa v001
 
2012 kanemotolablecture4
2012 kanemotolablecture42012 kanemotolablecture4
2012 kanemotolablecture4
 
GCSアジャイル開発を使ったゲームの作り方
 GCSアジャイル開発を使ったゲームの作り方 GCSアジャイル開発を使ったゲームの作り方
GCSアジャイル開発を使ったゲームの作り方
 
もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順
 
Unityで本格戦国シュミレーションRPG 開発
Unityで本格戦国シュミレーションRPG 開発Unityで本格戦国シュミレーションRPG 開発
Unityで本格戦国シュミレーションRPG 開発
 

More from Jumpays

z-Tree manual #8
z-Tree manual #8z-Tree manual #8
z-Tree manual #8
Jumpays
 
z-Tree manual #7
z-Tree manual #7z-Tree manual #7
z-Tree manual #7
Jumpays
 
z-Tree manual #6
z-Tree manual #6z-Tree manual #6
z-Tree manual #6
Jumpays
 
z-Tree manual #5
z-Tree manual #5z-Tree manual #5
z-Tree manual #5
Jumpays
 
z-Tree manual #3
z-Tree manual #3z-Tree manual #3
z-Tree manual #3
Jumpays
 
z-Tree manual #2
z-Tree manual #2z-Tree manual #2
z-Tree manual #2
Jumpays
 

More from Jumpays (6)

z-Tree manual #8
z-Tree manual #8z-Tree manual #8
z-Tree manual #8
 
z-Tree manual #7
z-Tree manual #7z-Tree manual #7
z-Tree manual #7
 
z-Tree manual #6
z-Tree manual #6z-Tree manual #6
z-Tree manual #6
 
z-Tree manual #5
z-Tree manual #5z-Tree manual #5
z-Tree manual #5
 
z-Tree manual #3
z-Tree manual #3z-Tree manual #3
z-Tree manual #3
 
z-Tree manual #2
z-Tree manual #2z-Tree manual #2
z-Tree manual #2
 

z-Tree manual #4