Portal de Periódicos da CAPES

Artigo Acesso aberto Produção Nacional Revisado por pares

BIBTEX RIS

PegAgente: Modelagem de Agentes por Aprendizado de Reforc¸o em Jogos Educacionais

2021; Associação Sul-Rio-Grandense de Pesquisadores em História da Educação (ASPHE); Volume: 18; Issue: 2 Linguagem: Português

10.22456/1679-1916.110231

1679-1916

Thiago da Silva Teixeira, Helyane Bronoski Borges, Simone Nasser Matos, Vinicius Schultz Garcia da Luz, Tamara Liz Schwab Ribeiro,

Educational Games and Gamification

Jogos educacionais demonstram um modo diferente e divertido de aprender, que pode ser potencializado pela utilização de Inteligência Artificial (IA), tornando a atividade mais dinâmica. Este artigo apresenta um jogo educacional utilizando uma técnica da IA conhecida como aprendizado por reforço, aplicada na modelagem de um agente inteligente. A metodologia usada para desenvolvimento do jogo denominado de PegAgente abrangeu quatro etapas: definição de ferramentas, modelagem do ambiente, modelagem do agente e a simulação. Conforme o nível do jogo aumenta, o agente se torna mais inteligente o que dificulta para o jogador, que precisa fugir e coletar itens que compõem o cenário do jogo. O tema do jogo foi a prevenção contra o vírus COVID-19, em que cada item coletável representa um método preventivo, e o agente inteligente é representado em formato de um vírus. O jogo demonstrou que a modelagem de agentes em jogos educacionais por meio do aprendizado por reforço permite a criação de um jogo com dificuldade ideal ao jogador, com o objetivo de gerar maior engajamento.