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

Autores

  • 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

Palavras-chave:

Aprendizado por reforço, jogos educacionais, COVID-19.

Resumo

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

Não há dados estatísticos.

Downloads

Publicado

2021-01-04

Como Citar

DA SILVA TEIXEIRA, T.; BRONOSKI BORGES, H.; NASSER MATOS, S.; SCHULTZ GARCIA DA LUZ, V.; LIZ SCHWAB RIBEIRO, T. PegAgente: Modelagem de Agentes por Aprendizado de Reforc¸o em Jogos Educacionais. RENOTE, 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: 17 maio. 2022.

Edição

Seção

Inteligência Artificial na Educação