Mejorando la evaluación de juegos serios aplicando analíticas de aprendizaje y técnicas de minería de datos

• Autores: Cristina Alonso Fernández
• Directores de la Tesis: Baltasar Fernández Manjón (dir. tes.) , Manuel Freire Morán (dir. tes.) , Iván Martínez Ortiz (dir. tes.)
• Lectura: En la Universidad Complutense de Madrid ( España ) en 2021
• Idioma: español
• Número de páginas: 214
• Títulos paralelos:
  • Improving serious games evaluation by applying learning analytics and data mining techniques
• Tribunal Calificador de la Tesis: Gonzalo Méndez Pozo (presid.) , Guillermo Jiménez Díaz (secret.) , Ruth Cobos Pérez (voc.) , Yoon Jeon Kim (voc.) , António José Mendes (voc.)
• Enlaces
  • Tesis en acceso abierto en: Docta Complutense
• Resumen
  • español

    Los juegos serios tienen objetivos más allá del entretenimiento: aumentar el conocimiento de sus jugadores, su concienciación sobre temas sociales o cambiar su actitud o percepción sobre algún asunto. Los múltiples beneficios que aportan los videojuegos, como la motivación o la interactividad, han aumentado el interés por su aplicación en contextos educativos en los últimos años. Con su alto componente interactivo, los juegos permiten capturar gran cantidad de datos de las interacciones de los jugadores, con el fin de entender y mejorar su proceso de aprendizaje. Las analíticas de aprendizaje para juegos (Game Learning Analytics) proponen la recogida de dichas interacciones, su análisis, y la comunicación de resultados para distintos objetivos (validación de los juegos, mejora de la experiencia de los jugadores, evaluación de su aprendizaje) y de interés para los actores involucrados (diseñadores y desarrolladores de juegos, profesores, alumnos, centros educativos). La gran cantidad de datos que potencialmente se pueden recoger de los juegos serios pueden analizarse además con técnicas más complejas como las de minería de datos, creando predicciones en base a las acciones realizadas durante el juego. Este método puede utilizarse también para mejorar la evaluación del aprendizaje de los jugadores, tradicionalmente realizada con cuestionarios externos al juego, uno anterior y otro posterior, cuyos resultados se comparan para medir dicho aprendizaje.

    En este trabajo de tesis, se propone una metodología para mejorar la evaluación de los jugadores con juegos serios (el aprendizaje obtenido con el juego, aumento de concienciación, etc), basada en la recogida de analíticas de aprendizaje y su análisis con técnicas de minería de datos. Para definir la metodología, se ha realizado un estudio sistemático de la literatura sobre aplicaciones de ciencia de datos a analíticas de aprendizaje para juegos, verificando el interés en aplicar analíticas para evaluar, y encontrando algunos aspectos a mejorar en este área: el bajo número de participantes en los experimentos con analíticas y la falta de estándares en la recogida de datos de los juegos. La metodología propuesta en esta tesis, basada en las evidencias recogidas durante el juego, se ha refinado mediante dos casos de estudio: el primero, con el juego serio First Aid Game, para enseñar a los jugadores técnicas de primeros auxilios; y el segundo, con el juego serio Conectado, cuyo objetivo es concienciar sobre el acoso y el ciberacoso. Tras los casos de estudio, se ha definido el proceso completo de evaluación que incluye: la definición y recogida de evidencias del juego, basadas en su diseño educativo, su procesamiento en analíticas de aprendizaje, y el uso de dichas analíticas con modelos predictivos para obtener medidas precisas del aprendizaje de los alumnos. Estos modelos se crean durante la validación del juego, incluyendo cuestionarios para validar los modelos predictivos. En la fase de despliegue del juego, con el propio juego y los modelos predictivos validados, los cuestionarios pueden eliminarse, basando la evaluación de los jugadores únicamente en las evidencias recogidas durante sus partidas, que se utilizan para crear las predicciones sobre su aprendizaje. La propuesta se basa en el uso del estándar de datos xAPI-SG para recoger los datos de los juegos, e incluye la herramienta de apoyo T-MON para explorar visualmente los datos recogidos para la definición de las analíticas.

    Las principales contribuciones de este trabajo de tesis, publicadas además en artículos en revistas de alto impacto y congresos internacionales, incluyen el estudio de la literatura, los dos casos de estudio, y el proceso de evaluación final, además del análisis combinado con otras dos tesis doctorales para obtener una visión amplia de la utilidad y los múltiples y variados objetivos y beneficios que proporcionan las analíticas de aprendizaje en el campo de los juegos serios.

  • English

    Serious games are highly motivational resources effective to teach, raise awareness, or change the perceptions of players. To foster their application in education, teachers and institutions require clear and formal evidences to assess students' learning while they are playing the games. However, traditional assessment techniques rely on external questionnaires, typically carried out before and after playing, that fail to measure players' learning while it is happening. The multiple interactions carried out by players in the games can provide more precise information about how players play, and even be used to assess them. In this regard, game learning analytics techiques propose the collection and analysis of such interactions for multiple purposes, including assessment. The potentially large game learning analytics data collected can be further analyzed with data mining techniques to discover unexpected patterns and to provide measures to evaluate the effect of fames on their players and assess their learning...