Ajuste dinâmico de dificuldade em jogos a partir de variáveis do jogo e do usuário

Abstract

A percepção do nível de dificuldade em jogos eletrônicos é algo pessoal e à medida que este mercado evolui surgem novos mecanismos de ajuste de dificuldade para se adaptar a cada jogador. Atualmente, a maioria dos jogos alteram sua dificuldade com base no desempenho do jogador. Contudo, diversas pesquisas têm sido feitas em modelos que ajustam a dificuldade em função do estado afetivo do jogador, com auxílio de sensores. Este trabalho tem como objetivo investigar se um mecanismo de Ajuste Dinâmico de Dificuldade (ADD) híbrido, isto é, que utiliza medidas de desempenho do jogador em conjunto com dados sobre o estado afetivo do mesmo, faz o jogador ter uma melhor percepção do estado de flow em comparação com modelos que utilizam apenas uma destas duas variáveis. Para tanto, um jogo existente foi adaptado com o ADD híbrido, utilizando o sensor EDA (Electrodermal Activity) para coleta dos dados fisiológicos do jogador. Foram conduzidos testes com dezesseis voluntários, nos três modelos de ADD, ou seja, ADD baseado em dados de desempenho, ADD baseado em dados fisiológicos e ADD híbrido. Além de jogar o jogo com um dos modelos de ADD, cada participante também respondeu a um questionário que quantifica o quanto o estado de flow foi percebido. A média das respostas daqueles que jogaram o modelo híbrido foi maior que daqueles que jogaram os outros dois modelos baseados em apenas uma variável.