II. Fonctionnement hydraulique
3) Le potentiel hydrique
Além das análises para avaliar os ajustes dos modelos, observou-se a distribuição dos respondentes em busca de verificar diferenças nas proporções de distribuições de respondentes entre os perfis e o gênero, uma vez que essa é uma variável frequentemente discutida quando se trata de elementos de jogos, como pode-se observar em Codish e Ravid (2017), Pedro et al. (2015). Para atribuir os perfis, foram calculadas as somas para as respostas em cada um dos componentes dos respondentes, atribuídos valores entre -2 e 2 para cada resposta e realizada a média para os três componentes principais de acordo com o número de itens do componente, selecionando então como fator motivacional principal para o usuário o componente com a maior pontuação. No entanto, consideramos que nos casos em que as médias fossem equivalentes ou em que a diferença entre a maior pontuação fosse inferior a 5% da de outro componente, então esses componentes representariam um caso de empate. Assim, conforme a Tabela 8, pode-se observar uma predominância de respondentes do gênero masculino, que representou mais de 70% do número de respondentes. Pode-se observar também que tanto para os gêneros masculino e feminino o perfil com a maior pontuação foi o de imersão, representando um maior interesse dos respondentes por elementos de exploração, customização, narrativa, representação (role-playing) e por distrair-se de problemas e responsabilidades do dia-a-dia. Nota-se também que ao distribuir os respondentes entre os perfis, 247 deles (aproximadamente 26% da amostra) obtiveram uma pontuação alta em mais de um componente, sendo classificados como empate.
Para verificar se houve associação entre o gênero dos participantes e a distribuição dos macro-componentes atribuídos a eles, realizamos o teste Qui-Quadrado(χ2), que faz o cruzamento das duas informações e compara as frequências observadas contra a frequência de
Tabela 8 – Respondentes por perfil e segmentados por gênero .
Gênero Realização Imersão Social Empate Total
Masculino 223 - 23,4% 245 - 25,8% 39 - 4,1% 189 - 19,9% 696 - 73,2% Feminino 56 - 5,9% 107 - 11,3% 25 - 2,6% 55 - 5,8% 243 - 25,6% Outros 0 - 0,0% 5 - 0,5% 0 - 0,0% 3 - 0,3% 8 - 0,8% Não Identificou-se 1 - 0,1% 3 - 0,3% 0 - 0,0% 0 - 0,0% 4 - 0,4% Total 280 - 29,4% 360 - 37,9% 64 - 6,7% 247 - 26,0% 951 - 100%
distribuição esperada para a população (BEIGUELMAN, 1996). Uma vez que não se possuí conhecimento prévio da população, os dados da frequência esperada são estimados com base na distribuição da amostra, tomando como hipótese nula que a distribuição dos dados não depende do gênero dos participantes (BEIGUELMAN, 1996). Assim, para compor a tabela de frequências esperadas realiza-se o cálculo da proporção globais para cada um dos grupos e estimam-se os valores de acordo com a participação de cada um dos gêneros, estimando a frequência conforme a Equação
Fi=TotalTotalPer f il
Respostas∗ TotalGenero
O teste possui como pré-requisito que todas as frequências estimadas sejam maiores que 5, no entanto, de acordo com os dados observados para os gêneros “Não se Identificou” e “Outros” os valores ficam abaixo do esperado, por isso, optou-se por realizar o teste desconsiderando os dois gêneros e adequando o número de participantes para a avaliação à apenas os participantes dos gêneros “Masculino” e “Feminino” (BEIGUELMAN, 1996). Assim, apresentamos na Tabela 9 os valores observados e esperados utilizados na realização do teste.
Tabela 9 – Frequências utilizadas no teste χ2de indepen-
dência
Valores Observados
Realização Imersão Social Empate
Masculino 223 245 39 189
Feminino 56 107 25 55
Valores Esperados
Realização Imersão Social Empate
Masculino 207 261 47 181
Feminino 72 91 17 63
Assim, com base nas frequências utilizadas temos que χ2 = 15,8557, com base no número de variáveis estabelece-se os graus de liberdade necessários para estabelecer o limite utilizado para verificar a rejeição das hipóteses e para isso calcula-se o número de variáveis dependentes -1 vezes o número de variáveis independentes -1, portanto, nesse teste, temos que gl = 3 e para obtermos probabilidade de rejeição 0,95 o verifica-se o limite crítico na tabela de χ2com base no número de graus de liberdade, neste caso, 7,8147. Para rejeitar a hipótese
nula, o valor de χ2precisa ser maior que o limite crítico, assim como χ2 = 15,8557 é maior que o limite 7,8147 pode-se dizer que existe uma associação entre o gênero dos usuários e os macro-componentes identificados com p = 0,0012. Os resíduos padronizados, obtidos a partir do cálculo rp = Fi− f i
√ fi onde rp equivale ao resíduo, Fi equivale a frequência observada e f i a
frequência esperada, permitem verificar quais frequências observadas foram significativamente acima ou abaixo do esperado, para isso, observa-se quais valores encontram-se acima de 1,96 ou abaixo de -1,96 (BEIGUELMAN, 1996). Assim, podemos verificar posição realçada na Tabela 10 indicando que o número de mulheres com o perfil social foi acima do esperado e sugerindo que existe uma possibilidade significativa de mais mulheres apresentarem esse componente.
Tabela 10 – Resíduo padronizado χ2 Resíduo padronizado
Realização Imersão Social Empate Masculino 1,13 -0,98 -1,23 0,59 Feminino -1,91 1,67 2,07 -1,02
4.5
Discussão
Conforme esperado pelos autores, o modelo de subfatores resultante da adaptação do questionário de Yee (2007) para o cenário geral difere do trabalho original, no entanto, o agru- pamento em três fatores foi mantido. No modelo obtido podemos observar que as questões significativas para diferenciar os jogadores estão relacionadas à competição e desempenho; à socialização e o trabalho em equipe; e à customização e à história. A redução do número de fatores pode ser explicada pela ampliação dos contextos de jogo investigados, uma vez que questões relativas a motivações de mecânica, descoberta e escapismo fazem mais sentido em jogos com grande profundidade, em que o usuário tem um grande número de possibilidades de interações, enquanto que jogos mais simples, como aqueles disponibilizados em redes sociais,
não proporcionam reflexões profundas sobre mecânica ou exploração de mapas e mundos virtuais. Assim, ao tentar generalizar as questões de modo que pudessem ser entendidas tanto por jogado- res hardcore5quanto por jogadores casuais, algumas questões relacionadas à subcomponentes
que requerem maior envolvimento com o jogo se tornaram menos representativas do que em um contexto específico, como no caso dos MMORPGs, não se ajustando ao modelo final.
Figura 9 – Modelo de ajuste final do questionário (ANDRADE et al., 2016)
Outro exemplo de critério de exclusão foram questões com pouco poder discriminativo, como a questão “Com que frequência você joga para esquecer dos problemas do dia-a-dia”. Ela foi pontuada por mais de 98% dos usuários como “Sempre” de modo que se tornou ineficiente para explicar as diferenças entre os jogadores. Isso não significa que a questão não pode ser útil na identificação de jogadores que possuam maior ou menor frequência, mas este tipo de item não foi útil na diferenciação entre os macro componentes das motivações de jogadores. Portanto, embora algumas das questões não tenham contribuído para diferenciar os perfis dos usuários, esse 5 Hardcore gameré uma maneira de se referir a jogadores que jogam com frequência e que costumam
levar os jogos a sério, em contra partida jogadores que jogam com menor frequência ou que levam jogos de maneira mais leve, sem grande seriedade, são conhecidos como casuais. Em Hamari e Tuunanen (2013), os autores comentam que essas definições podem fazer mais sentido se considerarem essa classificação como uma escala contínua tendo os níveis Casual e Hardcore nos extremos, possibilitando o posicionamento do jogador em relação a sua postura perante os jogos, ao longo do espectro.
resultado permite compreender quais os pontos em comum entre esses diferentes perfis no escopo amplo, o que nos possibilita considerar que os elementos relacionados a esses subcomponentes poderiam ser utilizados como elementos básicos do ambiente educacional ou como componentes dos elementos de mecânica, considerando que esses fatores não acarretarão em um aumento muito significativo na motivação, porém também não irão afetá-la negativamente.
De acordo com nosso modelo, um dos fatores originais do YMPOGI que não se manteve é o fator de progresso (“Advancement”), que se relaciona aos elementos de acumulação de recursos e aquisição de status. Em aplicações gamificadas, as características do fator de progresso estão relacionadas ao sistema de pontos e embora influenciem na motivação, o acúmulo de pontos e outros elementos componentes das mecânicas não são motivadores, em si, para os usuários, mas um meio para um fim. Assim, esses elementos comportam-se como componentes para dinâmicas como a competição, por exemplo, na qual se pode utilizar uma tabela de liderança para apresentar os pontos acumulados. A apresentação desses pontos ordenados permite a comparações entre o desempenho do jogador com os seus pares, gerando assim a dinâmica de competição (WEISER et al., 2015; ORJI; VASSILEVA; MANDRYK, 2014). Além disso, o acúmulo de recursos também é um meio utilizado para instalar sistemas virtuais de comércio e trocas nos quais o usuário pode adquirir itens de seu interesse dentro do ambiente, que podem ser utilizados para customizar seu avatar ou habilitar outras funções(YEE, 2007; BARTLE, 1996).
4.6
Conclusões
Neste capítulo apresentamos o processo de criação de um Questionário de Perfil de Jogadores (QPJ-BR) a partir da adaptação do questionário de motivação para jogos on-line, proposto por Yee (2006). O QPJ-BR foi publicado em Andrade et al. (2016) e é apresentado neste trabalho na 6. Ele é constituído por 20 itens que conseguem identificar os interesses dos jogadores por Competição, Sociabilização e Trabalho em Equipe e Customização e que agrupam-se em três Macro componentes, assim como no Modelo de Yee, e mantém a relação com a teoria de Autodeterminação de Ryan e Deci (2000a), Ryan e Deci (2000b).
Embora as análises estatísticas concedam um grau de confiabilidade ao poder de predição do questionário, uma vez que se obtenham mais dados podem ser realizadas validações adicionais e novas alterações no modelo para melhorar os ajustes. Assim, em trabalhos futuros pretendemos reavaliar o poder preditivo dos perfis indicados pelo QJP-BR em situações de aprendizagem ga- mificadas, avaliando também a distribuição dos respondentes dos questionários nas distribuições de gênero, para comparar com as análises já realizadas e em outras características que possuem maior granularidade, como idade e escolaridade.
No contexto, do estudo de caso apresentado neste trabalho no Capítulo 7, utilizou-se o modelo do QPJ-BR como guia para identificar o componente majoritário da motivação do jogador, porém aplicando o questionário experimental de 32 itens, possibilitando assim a coleta de dados
para dar continuidade na avaliação do questionário e permitindo observar mais informações do usuário.
4.7
Respondendo a questão de pesquisa 1
Após realizar os processos para a adaptação do questionário de Yee (2007), coletar os dados e conduzir as análises para as verificações dos ajustes do questionário ao modelo de Yee, podemos concluir que apesar de alguns subcomponentes terem perdido seu poder de diferenciação, após a extrapolação de contexto, podemos utilizar o questionário para identificar as motivações dos usuários e guiar a gamificação de AVAs. Além disso, as análises das distribuições dos componentes motivacionais principais dos jogadores, permitiram comprovar que pode haver de fato a necessidade de se considerar mais características do que apenas as representadas pelo componente principal de um jogador, i.e., ainda que um jogador tenha uma pontuação alta em no componente de realização, demonstrando assim interesse por elementos relacionados a demonstração de sua competência, o mesmo jogador pode possuir uma alta pontuação por elementos sociais ou elementos de imersão. Essas observações reforçam a hipótese de que ao utilizar perfis de jogadores para personalizar as aplicações gamificadas, faz-se necessário levar em consideração a existência de perfis intermediários, ou como nos permite a teoria de motivações de jogadores, aumentar a granularidade da personalização para observar os subcomponentes motivacionais do usuário.
CAPÍTULO