Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/35395
Título: Aplicação de algoritmos de aprendizagem de máquina nos dados de partidas do jogo sério Querida Floresta
Título(s) alternativo(s): Application of machine learning algorithms in data of Querida Floresta’s matches
Autor(es): Silva, Luan Leme
Orientador(es): Matos, Simone Nasser
Palavras-chave: Software educacional - Jogos para computador
Aprendizado do computador
Incapacidade intelectual
Educational Software - Computer games
Machine learning
Stupidity
Data do documento: 23-Mai-2023
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Ponta Grossa
Citação: SILVA, Luan Leme. Aplicação de algoritmos de aprendizagem de máquina nos dados de partidas do jogo sério Querida Floresta. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2023.
Resumo: Jogos sérios são ferramentas de ensino eficazes e que podem ser aplicadas à diversos públicos-alvo, tal como estudantes com deficiência intelectual. Para este público é importante que se tenha o nível mais adequado de dificuldade para as atividades do jogo educacional, à fim de mantê-lo motivado e focado a continuar jogando. As técnicas de aprendizagem de dados ajudam no processo para descobrir características de um grupo de indivíduo e assim determinar um nível mais apropriado de atividades que podem ser atribuídas a ele. Por conta disso, este trabalho realizou uma análise usando algoritmos de aprendizagem de máquina sobre as partidas de um jogo sério Querida Floresta. Esta análise foi possível após a modificação do jogo, pois o mesmo não contemplava mecanismos para armazenamento de dados sobre partidas do jogador. O jogo foi disponibilizado a estudantes com deficiência intelectual de uma instituição da região durante os meses de outubro a dezembro. Por meio dos dados coletados e da aplicação dos algoritmos J48, K-Means e JRip constatou-se a ausência de interação ou demora dos usuários para executar a primeira atividade (clicar na nuvem) e a segunda (arrastar um objeto), porém para a terceira atividade observou-se que não houve dificuldade para o jogador completá-la. Desta forma, sugestões de melhorias para o Querida Floresta foram propostas a partir dos resultados obtidos, bem como alterações na forma em que a dica é disponibilizada ao jogador.
Abstract: Serious games are effective teaching tools that can be applied to a wide range of public audiences, including students with intellectual disabilities. For this audience, it is important to have the appropriate level of difficulty for the educational game activities in order to keep them motivated and focused to continue playing. Data learning techniques aid in the process of discovering characteristics of a group of individuals and thus determining a more appropriate level of activities that can be attributed to them. As a result, this work conducted an analysis using machine learning algorithms on the matches of a serious game called Querida Floresta. This analysis was made possible after modifying the game, as it did not include mechanisms to store data about the player's matches. The game was made available for intellectually disabled students from an regional institution during the months of october to december. Through the collected data and the application of the J48, K-Means, and JRip algorithms, a lack of interaction was identified, or delay, for users to perform the first activity (click on the cloud) and the second (dragging an object), but for the third activity it was observed that there was no difficulty for the player to complete it. Thus, suggestions for improvements to Querida Floresta were proposed, based on the results obtained, as well as changes in the way the hint is made available to the player.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/35395
Aparece nas coleções:PG - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
aplicacaoalgoritmosqueridafloresta.pdf1,44 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons