Navegar por:

Uma abordagem automatizada para estimar a experiência do jogador em eventos de jogo usando sinais psicofisiológicos

Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/951024
Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorJacobi, Ricardo Pezzuol-
Autor(es): dc.contributorCastanho, Carla Denise-
Autor(es): dc.creatorSiqueira, Elton Sarmanho-
Data de aceite: dc.date.accessioned2025-03-18T18:32:24Z-
Data de disponibilização: dc.date.available2025-03-18T18:32:24Z-
Data de envio: dc.date.issued2024-08-13-
Data de envio: dc.date.issued2024-08-13-
Data de envio: dc.date.issued2024-08-13-
Data de envio: dc.date.issued2022-11-13-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/49800-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/951024-
Descrição: dc.descriptionTese (Doutorado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2022.-
Descrição: dc.descriptionComo os jogos eletrônicos emergem como uma das maiores formas de entretenimento no mundo, ocorre a necessidade de uma melhor compreensão da experiência do jogador. Existem diversas abordagens para avaliar a experiência do jogador. Dentre elas, as avaliações tradicionais, que utilizam autorrelato, observação direta, questionário e a gravação de vídeo e outras mais sofisticadas, como os métodos psicofisiológicos que utilizam biosensores e processamento de imagens. As avaliações tradicionais geralmente utilizam amostras pequenas de participantes e alguns estudos mostram nem sempre ser possível capturar a verdadeira ou a real experiência do jogador durante uma sessão do jogo, principalmente quando a sessão é extensa. Nesse caso, o emprego das avaliações usando métodos psicofisiológicos vem reduzir alguns problemas existentes da avaliação tradicional. Desta forma, o valor do presente estudo compreende um processo que avalia a experiência do jogador adotando um modelo de predição com uso de redes neurais que utilizam um dataset afetivo derivado dos dados psicofisiológicos (EDA, BVP e expressões faciais) dos participantes do experimento. Além disso, esse estudo compara os resultados gerados pelo modelo proposto com o modelo de autorrelato do participante, com a finalidade de verificar se ambos os resultados possuem concordância e se o modelo desenvolvido viabiliza uma nova forma de avaliar a interação do jogador com jogo. Os resultados finais mostram que o modelo teve boa concordância com os dados relatados pelos participantes. No geral, essa pesquisa identifica a avaliação da experiência do jogador usando dados psicofisiológicos como uma abordagem automatizada. A metodologia empregada nesse trabalho junto com seus resultados apresentam uma nova contribuição para as pesquisas relacionadas ao processo de avaliação da experiência do jogador.-
Descrição: dc.descriptionElectronic games emerge as one of the biggest forms of entertainment in the world. As a consequence, a better understanding of the player experience is necessary. There are several approaches to evaluate the player’s experience. Among them, we have traditional evaluation approaches that make use of self-report, direct observation, questionnaire and video recording, as well as more sophisticated approaches, such as psychophysiological methods, which make use of biosensors and image processing. Traditional evaluation approaches make use of small numbers of participants. Due that, some studies show that it is not always possible to capture the true or real experience of the player during a game session, especially after long sessions of game play. In this case, evaluations using psychophysiological methods will reduce some problems of the traditional approaches. Thus, the present study proposes a process that evaluates the player’s experience by adopting a prediction model developed using a neural network, which make use of an affective dataset derived from the psychophysiological data (EDA, BVP and facial expressions) of the participants of the experiment. In addition, this study compares the proposed model with the participant’s self-report model, in order to verify whether the results of those models are in agreement and whether the developed model enables a new way of evaluating the player’s interaction with the game. The final results show that the model had good agreement with the data reported by the participants. This research performs a player experience evaluation using psychophysiological data as a general and automated approach. The methodology used in this work, together with its results, present a new contribution to researches related to the process of evaluating the player’s experience.-
Descrição: dc.descriptionInstituto de Ciências Exatas (IE)-
Descrição: dc.descriptionDepartamento de Ciência da Computação (IE CIC)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Informática-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectTelemetria-
Palavras-chave: dc.subjectEmoções-
Palavras-chave: dc.subjectGamers - experiência-
Palavras-chave: dc.subjectPsicofisiologia-
Palavras-chave: dc.subjectExpressão facial-
Título: dc.titleUma abordagem automatizada para estimar a experiência do jogador em eventos de jogo usando sinais psicofisiológicos-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB - Rep. 1

Não existem arquivos associados a este item.
Mostrar registro simples do item Visualizar estatísticas

Avaliação