Generation of Adapted Training Game Activities : a Model-Driven Engineering Design and Implementation Framework
Génération d’activités de jeux d’entrainement adaptées : un framework de conception et d’implémentation fondé sur l’ingénierie dirigée par les modèles
Abstract
Procedural generation is a method widely used in video games to deliver varied content tailored to players. However, this method is rarely used in the field of Technology Enhanced Learning (TEL). In this PhD thesis, our focus is on the generation of game activities for declarative knowledge training (i.e., factual information such as laws and multiplication tables). In this context, it is necessary to provide learners with varied and adapted activities to avoid task drop-out caused by boredom. The scope of this thesis covers three angles of adaptation: the teacher's perspective on training, learner-players progression and players preferences.This PhD work falls within the field of engineering research of TEL systems. The aim is to characterise the generation of activities and to propose a “generic” approach, i.e., independent of any specific didactic domain. Thus, the aim is to be able to reuse generation elements for different domains. This thesis is based on the AdapTABLES research project, which provides an initial ground of study and experimentation. The aim of this project is to design and develop a multiplication table training game. The research contribution (i.e., study and design methods) was developed in this context, but was also generalised and evaluated in other contexts.First, we identified a game genre compatible with declarative knowledge training: the Roguelite. In this game genre, the activities or game levels are procedurally generated and incorporate a high degree of variability. Repetition is encouraged by a “permanent death” mechanism. Then, we: 1) characterised and specified the generation by analysing the different adaptation needs (i.e., teacher, learner-player) and 2) proposed a framework (i.e., conceptual framework and software infrastructure) based on the principles of Model-Driven Engineering to design and implement generators for declarative knowledge training in the context of Roguelite oriented games. The generators designed are independent software components producing levels (i.e., dungeons) in XML format that can be interpreted by an educational game.Three generators have been designed using the framework: one for multiplication training, a second for history and geography facts (i.e., required for the Diplôme National du Brevet des Collèges, a French exam taken in 9th grade) training, and a third for judo facts training. The multiplication tables generator is currently being used in an educational game designed as part of the AdapTABLES project. The framework and its components have been validated using system tests and model checking, as well as experimentation with an engineer to assess the usability of the framework. Moreover, the game developed for the AdapTABLES project and the associated generator were used several times in ecological conditions.
La génération procédurale est une méthode très utilisée dans les jeux vidéo pour proposer du contenu varié et adapté aux joueurs. Cependant, cette méthode est peu utilisée dans le domaine des Environnements Informatiques pour l’Apprentissage Humain (EIAH). Dans cette thèse, nous nous intéressons à la génération d’activités de jeu pour l’entrainement aux connaissances déclaratives (i.e., informations factuelles telles que les lois, les tables de multiplication).Ce contexte nécessite de proposer aux apprenants des activités variées et adaptées pour éviter l’abandon des tâches causé par l’ennui. Le périmètre de cette thèse aborde trois angles d’adaptations : point de vue de l’enseignant sur l’entrainement, progression de l’apprenant-joueur et préférences de joueurs.Ce travail de thèse s’inscrit dans le domaine de recherche de l’ingénierie des EIAH. L’objectif est de caractériser la génération d’activités et de proposer une approche « générique », c’est-à-dire indépendante d’un domaine didactique spécifique. L’objectif est ainsi de pouvoir réutiliser des éléments de génération pour différents domaines. La thèse s’appuie sur le projet de recherche AdapTABLES qui lui fournit un premier terrain d’étude et d’expérimentation. Ce projet vise la conception et le développement d’un jeu d’entrainement aux tables de multiplication. La contribution de recherche (i.e., étude et moyens de conception) a été élaborée dans ce contexte mais a été généralisée et évaluée également dans d’autres contextes.Nous avons tout d’abord identifié un genre de jeu compatible avec l’entrainement aux connaissances déclaratives : le Roguelite. Dans ce genre de jeu, les activités ou niveaux de jeu sont générés procéduralement et intègrent une grande variabilité. La répétition est favorisée par une mécanique de « mort permanente ». Ensuite, nous avons : 1) caractérisé et spécifié la génération en analysant les différents besoins d’adaptation (i.e., enseignant, apprenant-joueur) et 2) proposé un framework (i.e., cadre conceptuel et infrastructure logicielle) fondé sur les principes d’Ingénierie Dirigée par les Modèles permettant de concevoir et d’implémenter des générateurs pour l’entrainement aux connaissances déclaratives dans le contexte des jeux de types Roguelite. Les générateurs conçus sont des composants logiciels indépendants produisant des niveaux (i.e., donjons) au format XML, pouvant être interprétés par un jeu d'apprentissage.Trois générateurs ont été conçus à partir du framework : l’un pour l’entrainement aux multiplications, un second pour l’entrainement aux repères d’histoire-géographie au programme du brevet des collège et un troisième pour l’entrainement aux faits de judo. Le générateur des tables de multiplication est actuellement utilisé dans un jeu d’apprentissage conçu dans le cadre du projet AdapTABLES. Le framework et ses composants ont été validés à partir de tests systèmes, de vérification de modèles, mais aussi au travers d’une expérimentation avec un ingénieur afin d’évaluer l’utilisabilité du framework. De plus, le jeu développé pour le projet AdapTABLES et le générateur associé ont été utilisés plusieurs fois en conditions écologiques.
| Origin | Version validated by the jury (STAR) |
|---|