Resumo:
O presente trabalho abordou uma discussão sobre o uso de um modelo de aprendizagem de
máquina no campo de processamento de linguagem natural. Este modelo foi empregado no
auxílio do processo de análise de alguns jogos através dos feedbacks dos jogadores, a fim de
identificarmos as falhas de usabilidade presentes nos jogos escolhidos. Sendo de cunho
bibliográfico e de pesquisa em sites especializados, esse projeto teve como objetivo principal
desenvolver uma aplicação capaz de classificar o sentimento expresso pelos usuários em seus
comentários, para que possamos analisar as avaliações negativas e identificar as falhas de
usabilidade apontadas pelos jogadores. Para tanto, realizou-se um estudo inicial das técnicas
envolvidas na construção de um modelo de aprendizagem de máquina, para que se fosse
capaz de entender as diferenças entre os principais tipos de modelos: classificação, regressão
e clusterização, e saber quais destes seriam aplicados no desenvolvimento desse projeto.
Deste modo, considerar a experiência dos jogadores, ajudou a observar o controle da
qualidade dos jogos estudados, uma vez que possibilitou a identificação das falhas que
passaram despercebidas durante o processo de desenvolvimento destes jogos. Em nosso
estudo, constatamos que os jogos escolhidos para análise apresentam erros semelhantes, o que
pode estar associado à natureza desses jogos, uma vez que todos são voltados para o uso
online. Além disso, verificamos que os usuários não se limitaram a reportar problemas de
usabilidade em suas análises, mas sugeriram que os desenvolvedores incorporassem novas
funcionalidades aos jogos como forma de solucionar erros e evitar outros possíveis problemas
que pudessem surgir.
Descrição:
LACERDA, Carlos Eduardo Henrique. Um modelo de aprendizagem de máquina para análise de sentimentos e usabilidade em jogos online. 2023. 61 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Estadual da Paraíba, Campina Grande, 2023.
