Teses

Alguém que desrespeite normas sociais, infringe princípios de conduta adequada, revelando comportamentos que não deveriam ser aceites numa comunidade. Ainda assim, há estudos que indicam que os violadores de normas são concedidos mais poder do que os cumpridores. Para entendermos o Quando, Como e Porquê destes resultados, implementámos uma ferramenta de investigação na forma de um videojogo. Esta dissertação descreve o processo de desenvolvimento de um jogo multiplayer configurável de gestão de recursos, onde os jogadores podem cumprir ou violar normas durante a coleção e transação de recursos. Dentro do jogo, existe um líder responsável por tirar ou dar poder a outros jogadores, em ações como a distribuição de recursos ou a seleção do próximo líder. Realizámos um estudo com 20 participantes para verificar se a ferramenta criada estava de acordo com estudos anteriores. Os participantes desempenharam o papel de líder, interagindo com dois atores, o violador de normas e o cumpridor de normas. Medimos o poder inferido e concedido a partir de ações do jogo e de respostas a questionários. Os resultados obtidos divergiram de estudos anteriores. Apenas 35% dos participantes selecionaram o violador de normas como líder e grande maioria favoreceu o cumpridor de normas na distribuição de recursos. Dados estes resultados, percebemos que o cenário da nossa experiência era assimétrico - o comportamento do violador de normas era extremamente egoísta em comparação com o do cumpridor. Porém, identificámos alguns participantes que consideraram os violadores de normas mais experientes dentro do jogo e, portanto, mais dignos de poder.

This work analyzes the feasibility of using procedural generation to create challenges in a video game based on the player's choices, such as weapon choice, and to compare that approach to one based on the player's skill as well as one based on generating content randomly. Few games have attempted to procedurally generate ways for the player to progress through the game, by generating challenges that keep the player learning new ways to use the existing mechanics. This work attempts to expand upon those concepts by three different ways of tailoring content to the player. We built a video game that generates content procedurally using the 3 aforementioned approaches and had several users test 3 different versions of the game, one for each approach. Our results suggest that, in this particular implementation, players preferred playing the random approach to the approaches with content procedurally generated, which leads us to believe that more work needs to be done to better understand how player adaptation needs to be implemented to improve play experience.

Este trabalho consiste numa abordagem para ajudar criadores de sofwtare interativo a testar cenários indutivos de colaboração. Quando se desenvolve uma simulação de treino para promover trabalho de equipa, os criadores devem ter em atenção não só se os seus cenários promovem colaboração mas também se não a forçam, ou seja, um cenário deve permitir que os utilizadores/jogadores ajam livremente, caso contrário como é que se pode ter a certeza se eles realmente colaboraram ou se apenas foram forçados a agir dessa forma? Ista questão cria um problema, como é que os criadores podem testar os seus cenários relativo à sua capacidade de permitirem e distinguirem diferentes comportamentos? A nossa abordagem é baseada em utilizar comportamentos de dois tipos diferentes de agentes automáticos, um a especificar o Comportamento Ideal, agir colaborativamente, e o outro um exemplo de um Comportameto Não Ideal, agir individualmente. Após o treino dos agentes automáticos e comparando o comportamento nas suas resoluções ótimas em cada cenário com as duas políticas poderemos determinar se os cenários permitiram distinguir entre o Comportamento Ideal e o Comportamento Não Ideal. Com esta abordagem podemos também ordernar os cenários pela sua facilidade nessa distinção. A nossa abordagem é testada em dois ambientes diferentes, um simulador personalizado construído para este trabalho e também o jogo Lab Recruits feito no âmbito do projeto iv4XR.

Due to the exponential growth of computer technologies, video games are becoming more complex each passing year; with tasks and challenges that, very often, defy the player's cognitive abilities. Handling limitations of the Working Memory and proper Cognitive Load management is crucial when dealing with problem-solving tasks; however, these concepts appear to be highly undervalued, or even unknown, in the gaming industry. To address this problem and help game designers to better understand the intrinsic complexity of their games, this work applies the attention-shifting principles of the Time-Based Resource Sharing (TBRS) Memory Model in the game Way Out (a game we have developed from scratch). We formulated the idea of Attention-Grabbing Events and tried to incorporate them into the game, aiming to create a tool-set that estimates the player's Cognitive Load while playing a video game. To validate our hypothesis, we compared the data collected from the game with the questionnaire NASA TLX -- a subjective method that assesses the mental workload experienced during a task. Although we were unable to directly estimate the player’s Cognitive Load, we believe that this work was a step forward towards achieving that goal. The amount of Attention-Grabbing Events and gameplay time, when compared with the NASA TLX, seem to be a good indicator of Cognitive Load levels. However, the TBRS Cognitive Load formula, in its current form, does not appear to be reliable when directly applied in a general gameplay scenario -- at least following the approach we did.