Ajuste dinâmico de dificuldade em jogos digitais : um estudo de caso comparativo entre os modelos afetivo e baseado em desempenho

Abstract

Uma boa experiência de jogo implica, dentre outras coisas, que o nível do desafio proposto seja condizente com as habilidades que o jogador possui. O método de Ajuste Dinâmico de Dificuldade (ADD) busca realizar essa tarefa adaptando a dificuldade de um jogo durante a sua execução. A principal abordagem de desenvolvimento de ADD se baseia nos dados de desempenho do jogador. Estudos mais recentes também focam no uso dos dados afetivos do jogador, obtidos a partir dos seus sinais fisiológicos, para construir o que é chamado de ADD Afetivo. Neste contexto, o presente trabalho realizou um estudo de caso comparativo entre os modelos de ADD por Desempenho e ADD Afetivo implementados para o jogo Asteroids do gênero Space Shooter. Além das implementações, o estudo envolveu a condução de experimentos, a partir dos quais foram coletados e analisados dados de desempenho, dados advindos de questionários e dados fisiológicos da atividade eletrodérmica (EDA) dos jogadores. Observou-se que o ADD por Desempenho conseguiu uma adaptação mais adequada tanto entre os jogadores com mais habilidades quanto nos com menos habilidades, chamados aqui de casuais. O ADD Afetivo implementado não mostrou resultados satisfatórios para a adaptação de dificuldade de ambos os perfis de jogadores.