Automatic background music selection for tabletop games

• Autor(a) principal: Padovani, Rafael Rodrigues
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/23909
• topic: Processamento de linguagem natural (Computação); Aprendizado supervisionado (Aprendizado de máquina); Jogos para computador - Canções e musica; Música; Ciência da Computação

A precisão de sistemas é um fator crucial que influencia a experiência do usuário em sistemas interativos inteligentes. Embora se saiba que a precisão é importante, pouco se sabe sobre o papel da distribuição de erros do sistema na experiência do usuário. Nesta dissertação é mostrado, no contexto da seleção de músicas de fundo para jogos de mesa, que algoritmos de aprendizado supervisionado podem tornar o sistema “indeciso” ao executar erros que são distribuídos de forma esparsa em uma sessão de jogo. Em seguida, é apresentado Bardo, um sistema inteligente em tempo real que seleciona automaticamente músicas de fundo para jogos de RPG de mesa. Bardo seleciona e toca como música de fundo uma música representando a emoção classificada. Com variações do Bardo também foi apresentada uma abordagem de conjunto com regra de votação restritiva que, ao invés de errar esparsamente através do tempo, erra consistentemente por um período de tempo. Foi mostrado que a abordagem conjunta é capaz de tornar o sistema decisivo. Foi gerada a hipótese de que erros distribuídos esparsamente podem prejudicar a experiência dos usuários e é preferível usar um modelo que seja um pouco impreciso, mas decisivo, do que um modelo que seja preciso, mas muitas vezes indeciso. Um estudo com usuários no qual as pessoas avaliaram versões editadas de vídeos de D&D sugere que as seleções feitas por Bardo podem ser melhores do que aquelas usadas nos vídeos originais da campanha. Um segundo estudo com usuários foi realizado seguindo o mesmo processo e os resultados sugerem que entender como diferentes distribuições de erro afetam a experiência do usuário é fundamental para desenvolver sistemas inteligentes capazes de interagir com sucesso com seres humanos.