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

Authors

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

DOI:

https://doi.org/10.22456/1679-1916.110231

Keywords:

Aprendizado por reforço, jogos educacionais, COVID-19.

Abstract

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.

Downloads

Download data is not yet available.

Downloads

Published

2021-01-04

How to Cite

DA SILVA TEIXEIRA, Thiago; BRONOSKI BORGES, Helyane; NASSER MATOS, Simone; SCHULTZ GARCIA DA LUZ, Vinicius; LIZ SCHWAB RIBEIRO, Tamara. PegAgente: Modelagem de Agentes por Aprendizado de Reforc¸o em Jogos Educacionais. Revista Novas Tecnologias na Educação, Porto Alegre, v. 18, n. 2, p. 225–234, 2021. DOI: 10.22456/1679-1916.110231. Disponível em: https://seer.ufrgs.br/index.php/renote/article/view/110231. Acesso em: 11 aug. 2026.

Issue

Vol. 18 No. 2 (2020): Edição Regular - Dezembro de 2020-2

Section

Inteligência Artificial na Educação

License

Os autores dos artigos publicados na RENOTE retém os direitos autorais de suas obras e autorizam o CINTED/UFRGS a publicá-las de acordo com os termos da licença Creative Commons Attribution-NonComercial 4.0 International Public License (CC BY-NC-SA 4.0). Dessa forma, fica permitido aos autores ou a terceiros a reprodução ou distribuição, em parte ou no todo, de material extraído dessas obras, de forma verbatim, adaptada ou remixada, bem como a criação ou produção a partir do conteúdo dessas obras, para fins não comerciais, desde que sejam atribuídos os devidos créditos às criações originais. Cópias das obras não devem ser utilizadas de nenhum modo que implique o endosso da UFRGS. Sendo assim, os autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

    1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).