Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/37048
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_FernandoSobralNobrega_tcc.pdf5,69 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorCastanho, Carla Denise-
dc.contributor.authorNóbrega, Fernando Sobral-
dc.identifier.citationNÓBREGA, Fernando Sobral. Identificando a cybersickness: combinação da atividade eletrodérmica e aprendizado de máquina simbólico. 2023. 53 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.pt_BR
dc.description.abstractAtualmente, a indústria de jogos é a que mais cresce. O mercado global foi avaliado em151,55 bilhões de dólares em 2019 e deve atingir um valor de 256,97 bilhões em 2025 [1].Entre o grande número de gêneros, tecnologias e inovações que a permeiam, uma das mais relevantes e empolgantes é a Realidade Virtual (RV). No entanto, há grandes dificuldades que os desenvolvedores enfrentam ao adentrar este mercado. Um dos mais proeminentes é que muitas pessoas experienciam desconforto ou mal-estar quando expostos à Realidade Virtual (RV), termo conhecido como cybersickness. Porcino et al. [2] criaram um software de simulação [3] contendo dois jogos em Realidade Virtual (RV), contendo os questionários Virtual Reality Sickness Questionnaire(VRSQ) e CyberSickness Profile Questionnaire (CSPQ), e apresentaram um código de aprendizado de máquina [4] para identificação e previsão dos sintomas da cybersickness. Este trabalho apresenta uma abordagem de minimização do uso de dados subjetivos na identificação e predição dos sintomas da cybersickness no trabalho proposto por Porcinoet al. [2], fazendo-se o uso da atividade eletrodérmica da pele, um dado fisiológico, para validar a predição e identificação desses sintomas geradas por aprendizado de máquina.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordCybersicknesspt_BR
dc.subject.keywordRealidade virtualpt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.titleIdentificando a cybersickness : combinação da atividade eletrodérmica e aprendizado de máquina simbólicopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-12-12T11:33:49Z-
dc.date.available2023-12-12T11:33:49Z-
dc.date.submitted2023-02-16-
dc.identifier.urihttps://bdm.unb.br/handle/10483/37048-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The virtual reality market has been growing in recent years due to an increase in access to the necessary equipment and the expansion of virtual reality applications. However, the effects of cybersickness, a malaise caused by immersion in virtual environments, serve as an obstacle in the general use of devices such as Head Mounted Display (HMD). With studies pointing out that a significant part of the population is susceptible to cybersick ness, it is important to unravel its causes and develop methods to prevent or mitigate its symptoms. Porcino et al. [2] created a simulation software [3] with two Realidade Virtual (RV) games where the Virtual Reality Sickness Questionnaire (VRSQ) e CyberSickness Pro file Questionnaire (CSPQ) were used. They also implemented a machine learning algo rithm [4] to identify and predict cybersickness symptoms during gameplay. This work presents an approach to minimize the use of subjective data in predicting and identifying cybersickness symptoms proposed by Porcino et al. [2] and felt during virtual reality equipment usage by analyzing the skin’s electrodermal activity, a physiological data, to validate the prediction and identification of these symptoms generated via machine learning.pt_BR
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.