- Projet
- Achevé
Améliorer l’accessibilité des jeux de société en ligne pour les personnes aveugles et malvoyantes grâce au machine learning
Giorgio Stefano Gnecco Professeur en recherche opérationnelle
Giorgio Gnecco est Professeur à la IMT School for Advanced Studies Lucca en Italie. Il travaille dans l’unité de recherche Analysis of compleX Economic Systems (AXES). Ses recherches actuelles portent sur la théorie et les applications du machine learning, des réseaux de neurones artificiels, du Big data et de la théorie des jeux, ainsi que sur l’optimisation appliquée à l’économie et à l’ingénierie.
-
Date de démarrage du projet :
03/01/2022 -
Statut :
Achevé -
Organisme de recherche :
IMT School for Advanced Studies Lucca -
Équipe :
Dr. Davide Bottari (IMT School for Advanced Studies Lucca), Dr. Barbara Leporini (CNR - ISTI), Pr. Antonio Camurri (Université de Gênes - DIBRIS)
Le projet de Pr. Giorgio Gnecco a été sélectionné en 2022 afin d’étudier les techniques de machine learning permettant d’améliorer l'accessibilité des jeux de société en ligne pour les personnes aveugles ou malvoyantes. A l’aide d’une revue de la littérature et d’un cas concret d’application du machine learning, ce projet vise à développer une meilleure interaction humain-machine et ouvrir l’accès aux jeux de société.
Présentation du projet
Jouer aux jeux de société s’est avéré bénéfique pour l’intégration et la sociabilisation des joueur·ses. Dans le cas des personnes aveugles et malvoyantes, il est établi qu’une augmentation de leur autonomie par la pratique des jeux de société a des effets positifs sur leurs interactions sociales, leur qualité de vie et leur épanouissement personnel. Certains dispositifs existent pour améliorer l’accessibilité des jeux numériques, en particulier des jeux de société en ligne, pour ces personnes. Toutefois, la possibilité de jouer de manière autonome reste limitée. L’objectif de ce projet est donc d’aider les personnes aveugles et malvoyantes à jouer à des jeux de société en ligne, en améliorant l’interaction avec l’écran sur la base des techniques de machine learning et de substitution sensorielle.
Méthodologie
Les principales méthodes utilisées sont la programmation informatique avancée et le machine learning. Ces techniques permettent de suivre et d’adapter en temps réel les interactions des joueur·ses avec un écran normal ou tactile, en reconnaissant automatiquement la position du curseur ou du doigt sur l’écran et en fournissant un feedback textuel audio, sur les positions des différentes pièces de jeu par exemple. Ces méthodes sont appliquées à la version en ligne du jeu de société Quantic, hébergée sur Board Game Arena, afin d’en proposer une version adaptée aux personnes aveugles ou malvoyantes.
Résultats
En plus de l’accessibilité du site web qui héberge un jeu de société en ligne, l’ajout de textes descriptifs et de feedback auditifs sur les éléments composant ce jeu peut contribuer à améliorer son accessibilité pour les personnes aveugles ou malvoyantes. La possibilité d’application de ces paramètres dépend de la complexité des composantes et des mécaniques du jeu numérisé.