Linha de pesquisa: Inteligência Artificial

Resumo:A crescente falta de atividades físicas vem ocasionando, em escala mundial, sérias conse quências na saúde e no desempenho intelectual de indivíduos nessas faixas etárias. Tal fato é decisivo na motivação para pesquisas científicas que desenvolvam ferramentas de apoio que tornem as atividades de educação física nas escolas mais atraentes para esses jovens, aumentando o engajamento deles nos exercícios físicos. Os exergames, jogos eletrônicos que integram movimento físico ao ambiente virtual, são uma alternativa viável, mas per dem eficácia quando o nível de dificuldade dos desafios apresentados a cada jogador não se adequa a seu perfil individual de desempenho físico e mental (em termos de coordenação motora). Neste contexto, esta dissertação apresenta um sistema adaptativo inteligente para o jogo de ritmo StepMania 5, jogado em um tapete de dança, que gera fases per sonalizadas para cada aluno a partir de seu próprio desempenho. Saliente-se que, dotado de tal propriedade, o sistema tem potencial para ser aplicado, inclusive, a jovens que ap resentam necessidades especiais no processo de aprendizagem (tais como portadores de síndrome de Down). O sistema opera em ciclos: ao final de cada sessão, os arquivos de replay produzidos pelo motor do jogo são processados para extrair o desvio temporal por nota, a contagem de acertos por direção e a classificação de julgamento. Um módulo avali ador converte esses dados em um perfil que identifica as fragilidades motoras associadas a cada direção do tapete. Com base nesse perfil, o sistema ajusta parâmetros como a densi dade de notas no jogo, e um modelo de linguagem de larga escala (LLM) gera uma nova fase no formato .sm, calibrando a densidade de notas e a distribuição por direção segundo instruções pedagógicas. Cada fase gerada passa por uma validação antes de ser carregada no jogo. Em paralelo, o vídeo de cada sessão é analisado com uma ferramenta de visão computacional, estimando a orientação da cabeça e a direção do olhar para medir, quadro a quadro, se o jogador mantém a atenção na tela, oferecendo um indicador objetivo de engajamento que complementa as métricas de desempenho. O sistema desenvolvido vem sendo validado no cenário real de escolas parceiras, por meio de laboratórios que envolvem jovens sem e com fragilidades cognitivas. Em um estudo quase-experimental com 12 es tudantes do terceiro ano, o grupo que recebeu fases adaptadas pelo sistema apresentou desvio temporal significativamente menor do que o grupo que jogou uma fase fixa (p = 0,041, r =-0,722), com diferença ainda mais acentuada na última sessão (p = 0,004). Os resultados indicam que a geração adaptativa de fases utilizando Inteligência Artificial pode melhorar o engajamento e habilidades das crianças nos exergames.

Link para a defesa: https://teams.microsoft.com/meet/242721394849789?p=q70gZfMmlk7VRXV828