Recomendaciones para juegos serios basadas en analíticas de aprendizaje

Thesis Abstract

Las Analíticas de Aprendizaje en Juegos Serios (Serious Games, SG) constituyen una herramienta clave para obtener información sobre las competencias que el jugador demuestra durante su interacción. No obstante, por sí solas, estas métricas no alcanzan para automatizar de forma integral el proceso de enseñanza-aprendizaje. Surge entonces la necesidad de dotar a los SG de sistemas adaptativos que, a partir de los datos recolectados, sean capaces de ofrecer recomendaciones personalizadas y retroalimentación inmediata. De esta manera, cada sesión de juego no solo constituye una experiencia lúdica, sino también un espacio de aprendizaje guiado que contribuye a acercar al estudiante al estado de conocimiento deseado.El objetivo general de la investigación es construir un marco teórico-práctico que permita incorporar dichas recomendaciones en un SG, apoyándose en las métricas del desempeño obtenidas mediante las Analíticas de Aprendizaje. Entre los objetivos específicos se destacan: (1) diseñar e implementar un sistema adaptativo capaz de utilizar Inteligencia Artificial para generar recomendaciones basadas en datos, y (2) realizar un trabajo de campo que permita analizar la viabilidad y posibilidades de integración de este proceso en un juego concreto.