Construção de um Serious Games para crianças com Transtorno do Desenvolvimento da Coordenação
Bibliographic record
Abstract
Resumo Introdução Os Serious Games são jogos com objetivo de aprendizagem que visam melhorar habilidades motoras e cognitivas ao simular desafios semelhantes aos da vida real. Isso os torna adequados, pois permite o tratamento, diagnóstico e avaliação de condições de saúde, sendo possível utilizar em intervenções com crianças que possuem Transtorno do Desenvolvimento da Coordenação (TDC). Objetivo Apresentar a construção de um Serious Game para intervenção com crianças que apresentem diagnóstico/suspeita de TDC. Metodologia Trata-se de um estudo exploratório e descritivo que propõe a criação de um Serious Game para estimulação do desempenho motor de crianças com TDC. Foi construído por uma equipe formada por três professoras e duas alunas do curso de terapia ocupacional, um professor e um aluno do curso de Ciências da Computação, uma professora e um aluno do curso de Design, no período de agosto de 2020 a agosto de 2022. Resultados O jogo inicialmente planejado para o Kinect foi adaptado para funcionar em computadores com reconhecimento por webcam, resultando no jogo “BRINCOORD”. Ele inclui três estágios jogáveis projetados para trabalhar as competências de desempenho em crianças com TDC. Conclusão O “BRINCOORD” é uma iniciativa inovadora que destaca os jogos como uma ferramenta terapêutica promissora. Embora a pesquisa nesta área esteja em desenvolvimento, há poucos estudos sobre os efeitos dos jogos na melhoria das habilidades motoras de crianças, especialmente crianças com TDC. Diante disso, espera-se que o “BRINCOORD” possa contribuir paras as evidências futuras sobre o uso de Serious Games na intervenção com crianças com TDC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".