TY - JOUR AU - da Silva Teixeira, Thiago AU - Bronoski Borges, Helyane AU - Nasser Matos, Simone AU - Schultz Garcia da Luz, Vinicius AU - Liz Schwab Ribeiro, Tamara PY - 2021/01/04 Y2 - 2024/03/29 TI - PegAgente: Modelagem de Agentes por Aprendizado de Reforc¸o em Jogos Educacionais JF - Revista Novas Tecnologias na Educação JA - RENOTE VL - 18 IS - 2 SE - Inteligência Artificial na Educação DO - 10.22456/1679-1916.110231 UR - https://seer.ufrgs.br/index.php/renote/article/view/110231 SP - 225-234 AB - <p>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.</p> ER -