Banca de DEFESA: GABRIEL CANDIDO DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : GABRIEL CANDIDO DA SILVA
DATA : 22/02/2022
HORA: 10:00
LOCAL: Google Meet: https://meet.google.com/jtc-cwxm-pwq
TÍTULO:

Uma Abordagem de Game Learning Analyticspara Identificação de Perfis Comportamentaisna Utilização de Jogos Educacionais

PALAVRAS-CHAVES:

Learning Analytics, Games, Aprendizagem baseada em Jogos

PÁGINAS: 71
RESUMO:

Atualmente, pesquisas que buscam realizar avaliações do aprendizado adquirido pelos jogadores a partir de um Serious Game, vêm adotando medidas mais voltadas à demonstração de evidências coletadas em tempo real, a partir de técnicas como as das áreas de Machine Learning e Deep Learning. No entanto, são escassas as pesquisas que buscam realizar este tipo de avaliação e técnicas em Serious Games para a educação infantil. Dito isto, este estudo buscou aplicar uma abordagem de Game Learning Analytics que possui dois objetivos complementares: 1) Identificar padrões comportamentais; 2) Predizer o efeito de aprendizado adquirido. Para isto, esta pesquisa utilizou dados coletados de 20 jogos digitais educacionais para avaliar como diferentes alunos se beneficiaram da intervenção de leitura e escrita de palavras do aplicativo Escribo Play durante um teste com 749 alunos da pré-escola. Para identificação dos perfis comportamentais, foi realizada uma análise de agrupamento para formação de grupos, o método Kruskal-Wallis para entender se há diferenças entre os grupos e o cálculo do effect-size, para revelar o quão diferentes eles são. Para a predição do efeito de aprendizado, 4 algoritmos de classificação foram treinados e validados a partir do conjunto de combinações das variáveis de interação coletadas nos jogos. A partir do processo da análise de agrupamento, foram identificados três padrões comportamentais que apresentam desempenhos distintos: O perfil 1, com maior número de alunos, que apresentou o desempenho esperado para esta intervenção; o perfil 2, que apresentou o maior effect-size, sendo um referencial de engajamento com esta intervenção; e o perfil 3, que foi formado por dois grupos, que devido ao pequeno effect-size, parecem representar crianças que ainda não estavam prontas para se beneficiarem da intervenção educativa. No processo de treinamento e validação dos algoritmos de classificação, obtivemos como melhores resultados uma Acurácia de 74% e Precisão de 81%, na classificação do desempenho dos estudantes, resultados estes que estão dentro do esperado para o contexto da educação infantil. Como fruto dos resultados obtidos nestes experimentos, descobrimos que a melhor forma de diferenciar os alunos entre si, é através das características de interação que representam os erros cometidos durante a utilização destes jogos. Mesmo sendo notável uma carência de estudos que abordam a educação infantil, os resultados aqui demonstrados se mostram promissores, e evidenciam que é possível pesquisarmos e explorarmos ainda mais a utilização de técnicas de Game Learning Analytics neste contexto.

MEMBROS DA BANCA:
Interno - 1965430 - RODRIGO LINS RODRIGUES
Interno - 2281440 - VLADIMIR LIRA VERAS XAVIER DE ANDRADE
Externo à Instituição - CHARLES ANDRYÊ GALVÃO MADEIRA - UFRN