Uma estratégia de Game Learning Analytics para avaliar level design em um jogo educacional

Abstract

Este trabalho tem como objetivo avaliar o level design de um jogo educacional chamado "Robô Euroi" usando técnicas de Game Learning Analytics (GLA), com uma estrutura própria de captura de dados flexível. Uma aplicação do jogo foi realizada com 71 pessoas de diferentes idades e os dados gerados pelos jogadores foram capturados e posteriormente analisados, usando a linguagem de programação Python. Os resultados evidenciam benefícios da captura e análise de dados aplicadas, uma boa aceitação por parte do público-alvo e um potencial desafiador do jogo.

Proposta de Metodologia para Avaliação da Aprendizagem de Alunos em Jogos Sérios

“…(Santos, 2018;Rocha, 2014). Além disso, técnicas de avaliações externas são mais comumente usadas, como questionários de satisfação pré e pós-testes, enquanto as técnicas de avaliação interna ao jogo são pouco exploradas, como a coleta de dados durante a interação com o jogo Melo et al, 2020a). Desse modo, há uma necessidade de criar soluções que auxiliem na coleta e análise de dados para avaliar o desempenho, bem como usá-los para avaliar e melhorar o próprio jogo, integrando os objetivos da avaliação durante o ciclo de desenvolvimento de um JS (Salas et al, 2009;Oliveira et al, 2020).…”

GLBoard: um sistema para auxiliar na captura e análise de dados em jogos educacionais

“…Diante desse cenário, alguns pesquisadores [Calvo-Morata et al 2018, Melo et al 2020a] têm proposto o uso de estratégias de coleta e análise de dados gerados durante a utilizac ¸ão dos jogos. Entre as vantagens de usar captura de dados em jogos educacionais estão a possibilidade de prever o desempenho do estudante [Rodrigues et al 2013], fornecer uma experiência personalizada [Peirce et al 2008], reduzir a taxa de retenc ¸ão em cursos [Barnes et al 2007] e melhorar o design para novos jogos educacionais [Melo et al 2020a, Melo et al 2020b. O nome atribuído à técnica de captura e análise de dados em jogos educacionais é Game Learning Analitycs (GLA), que tem como objetivo coletar, analisar e extrair informac ¸ões de dados coletados em jogos educacionais [Freire et al 2016].…”

Avaliacão de objetos digitais de aprendizagem: como os licenciados em computação analisam jogos educacionais?

“…Nos últimos anos, os jogos educacionais têm sido foco de diversas pesquisas que abordam o uso de Objetos Digitais de Aprendizagem e seus benefícios para a aprendizagem. No entanto, apesar dos benefícios e vantagens da utilizac ¸ão de jogos para a aprendizagem (Pires et al, 2020;Assis et al, 2017;Pires et al, 2019;Melo et al, 2018;Takita;Santana e Souza, 2018), a forma como são avaliados ainda é um desafio (Freire et al, 2016;Oliveira;Joaquim e Isotani, 2020); pois, além de haver poucos modelos de avaliac ¸ão consolidados para jogos educacionais (Kirriemuir e McFarlane, 2004;Freitas e Oliver, 2006), existem diversos aspectos que devem ser avaliados em um jogo Wangenheim e Borgatto, 2019), como a mecânica (Melo et al, 2020), os efeitos na aprendizagem (Pires et al, 2020), e os aspectos de usabilidade (Lima;Bueno e Perry, 2017).…”

“…Entretanto, essa forma de avaliac ¸ão apresenta algumas limitac ¸ões como (i) normalmente avaliar aspectos de entretenimento e usabilidade, e (ii) considerar somente a percepc ¸ão dos jogadores. Porém, quando se trata de jogos educacionais, que além dos elementos de entretenimento, precisam considerar os aspectos de aprendizagem (Melo et al, 2020), esses testes não são adequados por não possibilitar a realizac ¸ão de análises mais robustas sobre o efeito do jogo na aprendizagem, uma vez que os trac ¸os de aprendizagem estão atrelados aos elementos da mecânica do jogo (Eck, 2006).…”

“…A abordagem utilizada para esse fim é denominada Game Learning Analytics (GLA). GLA é uma técnica que utiliza os dados gerados pelo usuário ao interagir com o ambiente (Freire et al, 2016), que vem ganhando espac ¸o nas discussões sobre avaliac ¸ão de jogos educacionais (Calvo-Morata et al, 2018;Cano;Fernández-Manjón e García-Tejedor, 2018;Vahdat et al, 2016;Melo et al, 2020;Alencar et al, 2020;Neto, 2018). Por meio de GLA, é possível identificar informac ¸ões relevantes, entre elas se os objetivos educacionais foram alcanc ¸ados; se a mecânica está de fato entrelac ¸ada à aprendizagem, utilizando abordagens baseadas em evidências; e validar o level design do jogo (Freire et al, 2016).…”