Hacia un sistema recomendador de elementos de gamificación basado en el diseño centrado en el usuario
DOI:
https://doi.org/10.36825/RITI.14.35.006Palabras clave:
Sistema Recomendador, Gamificación, Perfil Híbrido, Filtrado Basado en Reglas, Bandido Multibrazo ContextualResumen
El uso de la gamificación ha incrementado significativamente en los últimos años, pero suele utilizarse de manera general, no todos los usuarios son iguales y los elementos de la gamificación no se pueden utilizar arbitrariamente, primero se deben conocer las preferencias del usuario para poder escoger los elementos de gamificación que mejor se adapten a él y así lograr mejores resultados. Por lo cual, se propone una prueba de concepto de un sistema recomendador de elementos de gamificación basado en el Diseño Centrado en el Usuario, utilizando Filtrado Basado en reglas y Aprendizaje por Refuerzo mediante el problema Bandido Multibrazo Contextual que, a diferencia del Bandido multibrazo tradicional, trabaja específicamente con el perfil de jugador de cada usuario y la retroalimentación como contexto. Se presenta un estudio de viabilidad preliminar del sistema utilizando una hoja de cálculo y, para su evaluación, se utilizaron métricas de exactitud de predicción, ranking, error predictivo, diversidad y personalización. Los resultados de la simulación demuestran que, tras un periodo inicial de exploración, el sistema logra converger a partir de la tercera iteración, disminuyendo significativamente el error predictivo y generando recomendaciones altamente personalizadas (P = 0.91), acordes a la evolución del perfil híbrido y las preferencias.
Citas
El Shoubashy, H., El Kader, H. A., Khalifa, N. (2020). What is Gamification? Literature Review of Previous Studies on Gamification. Australian Journal of Basic and Applied Sciences, 14 (8), 29–51. https://www.ajbasweb.com/old/ajbas/2020/August/29-51(4).pdf
Øvensen, E., Scholz, T. M., Andersen, R., Prinz, A. (2025). From game elements to meaningful motivation: a design-centred approach to gamification. 18th Annual International Conference of Education, Research and Innovation, Seville, Spain. https://doi.org/10.21125/iceri.2025.2150
Cobarrubias Soto, N., Rodríguez López, H. (2022). Diseño centrado en el usuario: interacción hombre-computadora. Revista Digital de Tecnologías Informáticas y Sistemas, 6 (1), 78-84. https://doi.org/10.61530/redtis.2022.6.6.124.7
Martín-Rodríguez, I., Lomba Pérez, A., Ramos Montesdeoca, M. (2024). Identificación de perfiles de videojugadores para narrativas gamificadas: una revisión de alcance. Cuestiones Pedagógicas, 2 (33), 73–92. https://doi.org/10.12795/cp.2024.i33.v2.04
Torres-Toukoumidis, Á., Romero-Rodríguez, L. M., Salgado Guerrero, J. P. (2019). Juegos y sociedad: desde la interacción a la inmersión para el cambio social (1era. Ed.). McGraw Hill.
Marczewski, A. (2012). HEXAD User Types Framework. https://hexad.gamified.uk/
Tondello, G. F., Wehbe, R. R., Diamond, L., Busch, M., Marczewski, A., Nacke, L. E. (2016). The gamification user types Hexad scale. Annual Symposium on Computer-Human Interaction in Play, Austin, Texas, USA. https://doi.org/10.1145/2967934.2968082
The Octalysis Group. (n.d.). Framework - The Octalysis Framework for High‑Performing Products. https://octalysisgroup.com/octalysis-framework/
Teixes Argilés, F. (2017). Actionable Gamification: beyond points, badges and leaderboards. Octalysis Media: Fremont. CA. Revista Internacional De Organizaciones, (18), 137-144. https://doi.org/10.17345/rio18.137-144
Tondello, G. F., Nacke, L. E. (2020). Validation of User Preferences and Effects of Personalized Gamification on Task Performance. Frontiers in Computer Science, 2, 1-23. https://doi.org/10.3389/fcomp.2020.00029
Li, T., Jin, L., Wu, Z., Chen, Y. (2019). Combined recommendation algorithm based on improved similarity and forgetting curve. Information, 10 (4), 1-18. https://doi.org/10.3390/info10040130
Almaraz Pérez, A., Goddard Close, J. (2015). Sistemas de Recomendación. Komputer Sapiens, 7 (1), 12–15. https://smia.mx/komputersapiens/publicaciones.php
Bron Fonseca, B., Mar Cornelio, O. (2022). Sistemas de recomendación para la toma de decisiones. Estado del Arte. UNESUM - Ciencias. Revista Científica Multidisciplinaria, 6 (1), 149–164. https://doi.org/10.47230/unesum-ciencias.v6.n1.2022.289
Abel, F., Bittencourt, I. I., Henze, N., Krause, D., Vassileva, J. (2008). A Rule-Based Recommender System for Online Discussion Forums. En W. Nejdl, J. Kay, P. Pu, E. Herder (Eds), Adaptive Hypermedia and Adaptive Web-Based Systems (pp.12-21). Springer. https://doi.org/10.1007/978-3-540-70987-9_4
Guinea Juliá, Á. (2016). Introducción al aprendizaje por refuerzo: problema bandido multibrazo [Trabajo de Fin de Grado]. Universidad Autónoma de Madrid, España. https://repositorio.uam.es/server/api/core/bitstreams/fc72fce0-9ecd-4961-8237-9d771e69f016/content
Hernández Roldán, I., Magarzo Gonzalo, A. (2023). Bandidos Contextuales: Fundamentos y Aplicaciones [Trabajo de Fin de Grado]. Universidad Complutense de Madrid, España. https://hdl.handle.net/20.500.14352/87700
Joshi, A., Kale, S., Chandel, S., Pal, D. K. (2015). Likert Scale: Explored and Explained. Current Journal of Applied Science & Technology, 7 (4), 396–403. https://doi.org/10.9734/bjast/2015/14975
Tondello, G. F., Orji, R., Nacke, L. E. (2017). Recommender systems for personalized gamification. 25th Conference on User Modeling, Adaptation and Personalization (UMAP), Bratislava, Slovakia. https://doi.org/10.1145/3099023.3099114
Vasconcelos, G., Oliveira, W., Guimarães Santos, A. C., Hamari, J. (2022). ReGammend: A method for personalized recommendation of gamification designs. 6th International GamiFIN Conference, Finland. https://ceur-ws.org/Vol-3147/paper9.pdf
Başaran, S., Taqi, A. M. (2025). A Fuzzy DEMATEL-Based User-Centric Design Evaluation of Gamified Recommender Systems. Applied Sciences, 15 (21), 1-29. https://doi.org/10.3390/app152111456
Raftopoulou, N. M., Pallis, P. (2023). Gamified Learning Systems’ Personalized Feedback Report Dashboards via Custom Machine Learning Algorithms and Recommendation Systems. Sociology Study, 13 (3), 161-173. https://doi.org/10.17265/2159-5526/2023.03.006
Manning, C. D., Raghavan, P., Schütze, H. (2009). An Introduction to Information Retrieval. Cambridge University Press. https://nlp.stanford.edu/IR-book/pdf/irbookonlinereading.pdf
Chen, M., Liu, P. (2017). Performance evaluation of recommender systems. International Journal of Performability Engineering, 13 (8), 1246–1256. https://doi.org/10.23940/ijpe.17.08.p7.12461256
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
