Melo, Ana Sofia Moniz Mendonça Pinto deAnık, Aylin2025-07-302025-07-302024-07-18http://hdl.handle.net/10400.5/102559Nos últimos anos, o rápido crescimento dos produtos de inteligência artificial (IA) conduziu a um desfasamento entre o nível de compreensão e o nível de utilização destes produtos. Esta situação criou um fosso geracional e generalizado. Esta disparidade na compreensão e utilização dos produtos de IA pode ter impacto na vida quotidiana e também pode criar oportunidades perdidas tanto para os indivíduos como para as empresas. Além disso, este fosso pode alargar as desigualdades existentes, uma vez que aqueles que já são tecnologicamente desfavorecidos são ainda mais marginalizados. Para ultrapassar este problema, os indivíduos que não estão tecnicamente informados precisam de adquirir uma compreensão mais profunda da literacia da inteligência artificial (IA). Devido ao facto de a IA ser uma tecnologia emergente, a interação com ela pode criar dificuldades para os indivíduos que não estão familiarizados com o desenvolvimento da tecnologia ou com os aspectos técnicos da mesma. Neste contexto, designamo-las por audiências não técnicas. Não é raro que o público não técnico seja utilizador de produtos de IA ou seja afetado por eles sem ter consciência disso. Por conseguinte, proporcionar-lhes alguma compreensão básica da IA permitirlhes- á participar em interacções mais significativas com ela na sua vida quotidiana. Para o público não técnico, o desenvolvimento de um conjunto de competências conhecido como literacia em IA pode ajudar a compreender melhor a IA. O conceito de literacia em IA é a capacidade de adquirir as competências necessárias para desenvolver uma compreensão aprofundada da IA e aprender como funciona, e aprender a utilizar a IA no mundo real. Através de todos estes aspectos, podem desenvolver as competências de pensamento crítico, análise de dados e resolução de problemas, que são essenciais para a literacia em IA. Neste estudo, o objetivo é criar uma solução interactiva para ajudar o público não técnico a desenvolver estas competências, a fim de o ajudar a tornar-se mais competente na compreensão das implicações éticas, dos potenciais preconceitos e das limitações dos sistemas de IA, permitindo-lhe assim tomar decisões informadas e participar ativamente na definição do futuro da IA. A nossa principal questão era determinar de que forma o design de interação poderia contribuir para facilitar a literacia em IA para públicos não técnicos. Para encontrar uma forma de o conseguir, procurámos ligações entre o design de interação e a inteligência artificial. Isso levou-nos a uma prática comum de codificação de jogos de tabuleiro em programas de computador. Devido à profundidade e complexidade estratégicas dos jogos de tabuleiro, a sua simplificação de regras proporciona um ambiente rico para testar e desenvolver algoritmos de aprendizagem automática. Para atingir o objetivo deste estudo, replicámos uma situação inversa em que os principais métodos de aprendizagem dos modelos de aprendizagem automática são utilizados como um conjunto num jogo de tabuleiro interativo. A fim de obter uma compreensão mais profunda das possibilidades e desenvolver uma solução adequada, a nossa questão secundária era investigar quais os desafios que o público sem formação técnica enfrenta quando aprende literacia em IA. Como parte do processo de investigação, para as nossas perguntas secundárias, recolhemos e analisámos perspectivas teóricas relativas à aprendizagem da literacia em IA, bem como explorámos a forma como os jogos de literacia em IA podem ser concebidos para serem cativantes para públicos não técnicos. Na nossa investigação, identificámos uma solução que se tornou o nosso objetivo principal: a conceção de um jogo de tabuleiro interativo que facilitaria a compreensão da inteligência artificial por parte de públicos não técnicos. O objetivo secundário deste estudo é identificar os requisitos e as melhores práticas relacionadas com os jogos de tabuleiro educativos para a literacia em IA, a fim de alcançar a compreensão desejada. Também explorámos as mecânicas preliminares do jogo, esboços, elementos físicos e digitais na conceção de um jogo adequado às competências, bem como um modelo de jogo de tabuleiro que ajuda os jogadores a compreender os conceitos associados à aprendizagem automática. Ao longo da investigação, aplicámos uma metodologia baseada na prototipagem rápida e no teste da jogabilidade e dos elementos do jogo. Em primeiro lugar, começámos com uma revisão da literatura para identificar projectos de investigação concetual e praticamente viáveis no que diz respeito à aprendizagem da literacia em IA através de jogos. Neste estudo, foram seleccionados quatro casos, dois dos quais provenientes de investigação anterior e dois de fontes comerciais. Os jogos abrangiam uma variedade de tópicos, incluindo a literacia em IA e aprendizagem de máquinas, bem como jogos concebidos para ensinar literacia em áreas computacionais e complexas. No âmbito do nosso estudo, analisámo-los com base na sua duração, na existência ou não de níveis e, em caso afirmativo, quantos, no número de jogadores e na categoria física ou digital, para compreender melhor a forma como os jogos com temas complexos envolvem os seus jogadores. Além disso, analisámos as métricas do jogo, bem como os elementos físicos e digitais dos jogos, a fim de obter uma compreensão mais profunda das características de um jogo adequado às competências. Também realizámos um questionário para explorar os desafios que os membros do público sem formação técnica enfrentam quando aprendem sobre IA. Com base no questionário autorelatado sobre literacia em IA (AILQ), foi desenvolvida e validada uma versão para medir a literacia em IA dos participantes. Utilizámos 20 perguntas da lista completa de perguntas do AILQ para compreender melhor o nível de literacia do público não técnico com base nas dimensões do quadro. Os participantes utilizaram uma escala de classificação de 1 a 5, de Discordo totalmente a Concordo totalmente, para indicar o seu grau de concordância com o tópico. Foi fornecida uma opção "Não sei / Sem opinião" para as perguntas às quais os participantes não se sentiam confiantes para responder. Estes dados foram excluídos dos cálculos, uma vez que foram considerados dimensões paralelas na análise. Para além das perguntas do AILQ, acrescentámos três perguntas abertas à parte final do questionário, a fim de proporcionar uma compreensão mais profunda das perspectivas dos participantes. O nosso método consistiu numa abordagem RtD para gerar conhecimentos e comunicar através de artefactos concebidos durante a fase generativa. Nesta fase, foi utilizado um processo rápido de teste e avaliação iterativos. Durante esta fase, foram construídos um total de três protótipos, sendo de notar que a complexidade do protótipo evoluiu com cada versão. O primeiro protótipo tinha como objetivo reunir todas as ideias conceptuais sobre a conceção de jogos de tabuleiro baseados no ML para verificar a realidade. Para testar se o conceito básico tinha algum mérito, decidimos implementar um jogo de três partes com elementos físicos. Para o segundo protótipo, o nosso objetivo era não só acrescentar os conceitos designados ao jogo, mas também torná-lo mais envolvente e utilizável. Como parte deste protótipo, trabalhámos na jogabilidade, modificámos ligeiramente o nível 2 e criámos um novo nível 3. O terceiro protótipo foi o nosso protótipo final, baseado no segundo protótipo e centrado numa experiência de utilizador consistente. Foi adicionada uma parte mais evidente em cada movimento do tabuleiro, e as cartas e as partes digitais do jogo também foram redesenhadas para melhorar a experiência de jogo. Como parte da fase de avaliação da nossa investigação, realizámos testes de jogo do design do jogo. No âmbito do teste de jogo, foi dada atenção às mudanças de interação, ao tempo, à versão, à observação, às classificações de envolvimento, à estratégia de vitória e ao feedback relacionado com o jogo. O protótipo foi testado num jogo para duas pessoas. No total, foram entrevistados 16 participantes em três locais diferentes: uma escola, uma casa e um café. O modelo MEEGA+ foi simulado e criámos uma combinação de questionários abertos e fechados para avaliar os resultados da aprendizagem. Através da criação do nosso jogo de tabuleiro interativo, esperávamos obter um resultado positivo na facilitação da literacia em IA. Para este efeito, utilizámos a análise de estudos de caso para identificar os requisitos e as melhores práticas dos jogos de tabuleiro educativos de literacia em IA. Como resultado destes exemplos, obtivemos informações sobre a nossa questão de investigação, ou seja, como é que os jogos de literacia em IA podem ser tornados interessantes para indivíduos não técnicos. Com base na nossa investigação, identificámos que o jogo deve inspirar curiosidade, promover a auto-eficácia, oferecer um elevado nível de tangibilidade e ter sempre em conta o nível de conhecimentos e capacidades de cada participante. Tentámos incorporar todos estes aspectos no nosso jogo. A nossa avaliação das percepções dos participantes sobre a literacia em IA foi realizada através de um questionário de auto-relato, que estava alinhado com os objectivos do projeto e com as quatro dimensões de competência que foram exploradas. Ao utilizar um método de questionário, conseguimos formular respostas para os desafios que o público sem formação técnica encontra ao aprender a literacia em IA. No questionário, foram descritos os conceitos de AM e os termos técnicos relacionados com o jogo. Os casos em que os participantes mostraram falta de compreensão ajudaram-nos a definir termos a explorar mais no jogo. Utilizámos a prototipagem iterativa como método principal. No decurso da nossa investigação, foram desenvolvidos três protótipos. À medida que os protótipos foram sendo desenvolvidos, ganhámos um melhor nível de interação e de jogo. Conseguimos testar o jogo do princípio ao fim utilizando o nosso protótipo final. Este teste de jogo tem como objetivo determinar a jogabilidade geral e os resultados de aprendizagem associados ao jogo. O teste de jogo foi realizado com 14 participantes em três locais diferentes. A pontuação global do teste de jogo foi de 4,24 Satisfeito, enquanto as respostas educativas receberam uma pontuação de 69,05%. Devido à natureza do jogo de tabuleiro, os jogadores foram incentivados a interagir e os elementos interactivos permitiram-lhes explorar uma variedade de tópicos, como o reconhecimento de padrões, a introdução de voz e a rotulagem de dados. Com base nos resultados do nosso estudo, concluímos que o nosso jogo facilita com êxito a literacia em IA entre utilizadores não técnicos.In recent years, the fast growth of artificial intelligence (AI) products has led to a disconnect between the level of understanding and the level of use of these products. This has created a generational and widespread gap. In order to overcome this problem, individuals who are not technically informed need to gain a deeper understanding of AI literacy. The purpose of this research is to present a design solution to facilitate AI literacy through the design of an interactive board game. An interactive board game provides a versatile method of facilitating learning and creates a relaxed environment for the learner. Board games have the capability to provide cooperative learning, while their interactive elements provide many possibilities to help explain complex topics. As part of our proposal, we investigated different approaches to creating a meaningful and playful AI literacy exploration experience for non-technical users. By designing an interactive board game, this research aims to investigate different interaction possibilities to increase AI literacy and provide players with a tool for collaborating regardless of their background. As well it seeks to automate game mechanics through the use of digital interactions and reduce the learning curve. Players' decision-making process starts in the real world but extends to the virtual world through interaction with tangible elements. Throughout the research, we applied a methodology based on rapid prototyping and testing of both gameplay and game elements. A questionnaire was developed to understand more about nontechnical users’ perspectives. Gameplay tests were conducted to evaluate gameplay. We developed a set of design prototypes and, through iteration, created a playable and usable product that facilitates AI literacy for non-technical audiences.engdesign de interaçãoliteracia em IAjogo de tabuleiro interativomachine learninginteraction designaI literacyinteractive board gamemaster thesis203729170