DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 352

Aluna: Camila Barros Couceiro d'Amorim

Título: “Um Framework para Gamificação e Design Inclusivo de Jogos Sérios Educativos com Foco na Alfabetização de Crianças com Transtorno do Espectro Autista"

Orientador: Carlo Marcelo Revoredo da Silva

Examinadora Externa: Alena Pimentel Mello Cabral Nobre (UPE)

Examinador Interno: Wylliams Barbosa Santos

Data-hora: 27 de abril de 2026 às 14h30min

Local: Formato presencial - Miniauditório bloco A

---

Resumo:

         "A alfabetização de crianças com Transtorno do Espectro Autista (TEA) representa um desafio relevante no contexto da educação inclusiva, devido às particularidades cognitivas, comunicacionais e sensoriais desse público. Tecnologias educacionais, especialmente jogos sérios, têm sido exploradas como alternativas para apoiar esse processo, promovendo engajamento e feedback estruturado. No entanto, tais abordagens frequentemente são desenvolvidas de forma isolada, sem integração entre fundamentos pedagógicos, diretrizes de acessibilidade e estratégias de engajamento. Problema: A ausência de modelos estruturados que articulem simultaneamente aspectos pedagógicos, cognitivos e motivacionais limita a efetividade das soluções educacionais voltadas ao TEA. Além disso, a análise dos dados gerados por essas interações ainda é pouco explorada de forma sistemática, dificultando a compreensão do comportamento atencional e do engajamento dos estudantes. Objetivo: Propor e avaliar um framework de design inclusivo e gamificado para jogos sérios educacionais voltados à alfabetização de crianças com TEA, integrando fundamentos pedagógicos do método CDA, diretrizes de acessibilidade cognitiva e estratégias de gamificação, bem como investigar, por meio de análise baseada em dados, seus efeitos sobre o comportamento e a interação dos participantes. Método: A pesquisa adotou uma abordagem experimental comparativa entre o método tradicional e uma intervenção tecnológica baseada no framework proposto, instanciado em um jogo sério educacional. Os dados de interação foram analisados por meio de métricas indiretas, como tempo de reação, variabilidade comportamental e padrões de interação. Adicionalmente, foi empregada uma abordagem de Machine Learning (ML), utilizando Random Forest para estimar a importância das variáveis e construir um score sintético de atenção, permitindo modelar o comportamento dos participantes a partir de múltiplas dimensões. Resultados: Os resultados indicam que a intervenção tecnológica preserva a fidelidade pedagógica do método CDA, não apresentando deterioração dos perfis comportamentais. Observou-se redução no tempo de execução das atividades, maior fluidez na interação e maior variabilidade comportamental no ambiente digital, interpretada como reflexo de maior autonomia e atenção. Os participantes mantiveram perfis estáveis ou moderados, sugerindo que a variabilidade não representa instabilidade, mas uma dinâmica mais responsiva. A análise por ML evidenciou que a variabilidade do tempo de reação é o principal fator explicativo do comportamento atencional. Conclusão: O framework proposto mostrou-se viável para o desenvolvimento de jogos educacionais inclusivos, ao integrar, de forma sistemática, pedagogia, acessibilidade e motivação. A abordagem baseada em dados contribui para uma compreensão mais refinada do comportamento dos estudantes, evidenciando o papel da atenção e do engajamento na interação com ambientes digitais. Apesar das limitações relacionadas ao tamanho amostral, heterogeneidade dos participantes e ausência de métricas diretas de aprendizagem, o estudo avança o estado da arte ao oferecer um framework metodológico reutilizável, abrindo caminho para investigações futuras mais robustas."