Análise de diferentes algoritmos de ajuste dinâmico de dificuldade que utilizam dados de atividade eletrodérmica em jogos digitais

Abstract

O alcance dos jogos digitais nos dias contemporâneos é cada vez maior. Sendo utilizados não apenas como catalisadores de prazer e diversão, atualmente jogos desempenham papéis importantes nas mais variadas áreas de conhecimento, como educação, medicina, treinamentos e esportes, dentre outras. A qualidade de jogos digitais, um fator subjetivo a se analisar, abre um leque de possibilidades de avaliação e refinamento utilizando técnicas emergentes na indústria de jogos. Não há dúvidas que a experiência de jogo deve ser prazerosa e efetiva, dado o seu propósito, para todos os perfis de jogadores. Nesse contexto, a técnica de Ajuste Dinâmico de Dificuldade (ADD) é utilizada para adaptar o nível de desafio que o jogo propõe para o nível de habilidade de cada jogador. O ADD pode ser realizado com base nos dados de desempenho advindos do próprio gameplay, ou utilizando dados fisiológicos de cada indivíduo para inferir seus níveis de excitação e os estados emocionais apresentados decorrer do jogo. Este último é denominado de ADD afetivo. Diversos trabalhos têm investigado este tema, empregando diferentes técnicas de ADD. Entretanto, cada trabalho calcula e infere a excitação do jogador a partir de dados de biofeedback de uma forma diferente. Este trabalho tem como objetivo analisar diferentes algoritmos de interpretação e manipulação do sinal da atividade eletrodérmica do jogador que é utilizado como entrada no cálculo de ajuste dinâmico de dificuldade. Além dos estudos teóricos, foi conduzido um experimento piloto com o jogo Asteroids: in the 2nd and 1/2th Dimension, para coletar resultados comparativos acerca dos algoritmos analisados.