Camilla Lourenco; Elaine Barbosa de Figueiredo

DOI: 10.22167/2675-6528-202600638

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

A experiência do usuário (UX) ocupou posição central no desenvolvimento de sistemas digitais, influenciando diretamente a aceitação, o engajamento e a continuidade de uso. O estudo investigou como idade, gênero e horas jogadas afetaram dimensões da experiência do usuário em ambientes virtuais, com ênfase na interação. Para isso, utilizou-se uma base secundária do repositório Mendeley Data, composta por 48 respostas válidas. O tratamento dos dados envolveu a normalização das escalas e a aplicação de análises descritivas, ANOVA, testes pós-hoc, correlação e regressão múltipla. Os resultados mostraram que a idade apresentou associação negativa com a interação, indicando que usuários mais jovens interagiram mais intensamente. As horas jogadas revelaram associação positiva com emoção, fluxo e atenção, sugerindo que o tempo de prática contribuiu para maior engajamento e imersão. A regressão múltipla destacou a emoção como principal variável explicativa da interação, enquanto o gênero não apresentou diferenças estatísticas relevantes. Esses achados reforçaram a importância de integrar fatores técnicos e humanos no desenvolvimento de sistemas digitais e evidenciaram o papel decisivo das dimensões afetivas na qualidade percebida da interação. Concluiu-se que a análise de variáveis demográficas e comportamentais forneceu subsídios práticos para a construção de sistemas mais adaptados às necessidades dos usuários.

Palavras-chave: Ambientes Virtuais; Ciência de Dados; Emoção; Interação; Variáveis Demográficas.

1. Introdução

A transformação digital e a crescente difusão de tecnologias interativas têm intensificado a importância de uma compreensão aprofundada da experiência do usuário no desenvolvimento de sistemas digitais. Nesse cenário, a engenharia de software tem evoluído para incorporar abordagens que integram não apenas requisitos técnicos, mas também fatores humanos, visando à criação de aplicações que atendam efetivamente às necessidades dos usuários (Pressman & Maxim, 2020). Essa perspectiva coloca a usabilidade e a interação no centro do processo de desenvolvimento, ampliando a relevância das dimensões que moldam a percepção do usuário.

A experiência do usuário, ou UX, é um conceito multifacetado que engloba diversos fatores, como emoção, atenção, imersão e interação. Essas dimensões estão intrinsecamente ligadas ao desempenho e à aceitação de sistemas digitais. A análise dessas variáveis permite compreender como os indivíduos se relacionam com as tecnologias e como essa relação influencia a continuidade de uso, sendo crucial para orientar decisões de projeto e aprimorar produtos digitais (Benyon, 2019).

  O campo de estudos da experiência do usuário tem se beneficiado do fortalecimento de metodologias específicas, desenvolvidas para analisar contextos de uso de forma mais estruturada. A consolidação de frameworks de UX, por exemplo, tem fornecido meios eficazes para capturar as expectativas e os comportamentos dos usuários (Unger & Chandler, 2023). Essa evolução tem permitido que empresas e desenvolvedores alinhem seus sistemas às práticas que geram maior engajamento, resultando em soluções mais ajustadas às demandas do mercado. 

  A relevância desse tema é acentuada pela complexidade crescente dos sistemas digitais e pela demanda por soluções que conciliem desempenho técnico com satisfação do usuário. Falhas na experiência do usuário podem ser analisadas por meio de abordagens que identificam modos de falha e seus efeitos potenciais em sistemas interativos, demonstrando que a compreensão da percepção do usuário vai além do aspecto estético, conectando-se diretamente a questões práticas de confiabilidade e eficiência (Li & Zhu, 2025). 

  Um dos principais desafios práticos reside na diversidade de perfis de usuários, que variam significativamente em termos de idade, gênero e tempo de exposição às tecnologias. A avaliação da usabilidade e da experiência, portanto, deve considerar essa heterogeneidade, uma vez que diferentes grupos atribuem significados distintos às interações (Ntoa et al., 2025). Essa diversidade exige da engenharia de software a incorporação de métodos capazes de adaptar sistemas às necessidades de públicos específicos. 

  Adicionalmente, o desenvolvimento de sistemas enfrenta o desafio de integrar a dimensão emocional ao processo de interação. O paradigma “UX 3.0”, centrado no humano, propõe que emoção e cognição sejam elementos centrais da experiência, evidenciando que aspectos afetivos e atencionais atuam como mediadores da qualidade da interação e da percepção de valor do sistema (Xu, 2024). Novas tecnologias de suporte ao design, como modelos de linguagem de larga escala, também têm ampliado a capacidade de personalização e análise, fortalecendo a prática da engenharia de software ao prever preferências e ajustar interações com base em dados (Ahmed & Imran, 2025). 

  Neste estudo, a investigação da experiência do usuário concentrou-se na análise de dimensões específicas, como interação, emoção, atenção, imersão e fluxo, que servem como indicadores mensuráveis da percepção dos usuários sobre sistemas digitais (Benyon, 2019; Unger & Chandler, 2023). O foco recaiu sobre ambientes virtuais de jogos, examinando como variáveis de perfil e de uso moldam a vivência dos jogadores. A análise de variáveis demográficas, como idade e gênero, complementou essa compreensão, relacionando características pessoais às respostas obtidas. 

  Para estruturar o processo analítico, foi empregada a metodologia “Cross Industry Standard Process for Data Mining” (CRISP-DM), que organiza as etapas desde o entendimento do negócio até a avaliação dos modelos gerados (Schröer et al., 2021). Essa abordagem alinhou o estudo às práticas consolidadas da ciência de dados, conferindo consistência às análises estatísticas e facilitando a replicação dos procedimentos em futuras pesquisas. 

  Diante desse cenário, o problema de pesquisa formulado questionou: de que maneira variáveis demográficas e de uso influenciam as dimensões da experiência do usuário em ambientes virtuais de jogos? A ausência de evidências sistemáticas sobre essas relações gera dificuldades para orientar decisões de design e engenharia de software, dada a heterogeneidade dos perfis de jogadores. Assim, o presente estudo buscou oferecer evidências empíricas que auxiliem no aprimoramento de processos de desenvolvimento de software, contribuindo para práticas mais alinhadas às demandas dos usuários e às necessidades do mercado, com o objetivo de investigar a influência de variáveis demográficas e de uso, como idade, gênero e horas jogadas, sobre as dimensões da experiência do usuário em ambientes virtuais, com ênfase na interação. 

2. Material e Métodos

  O presente estudo foi desenvolvido como pesquisa quantitativa de caráter descritivo e explicativo, buscando examinar relações entre variáveis mensuráveis e testar associações estatísticas a partir de uma base estruturada (Gil, 2017; Sampieri, Collado & Lucio, 2013). Para organizar o ciclo analítico e garantir rastreabilidade, adotou-se a metodologia Cross Industry Standard Process for Data Mining (CRISP-DM), estruturada nas fases de entendimento do negócio, entendimento dos dados, preparação dos dados, modelagem, avaliação e implementação (Schröer et al., 2021). 

  A etapa de entendimento do negócio definiu o contexto, problema e objetivos do estudo, alinhando a investigação aos desafios da engenharia de software em ambientes virtuais de jogos. O problema consistiu em identificar como variáveis demográficas e de uso (idade, gênero, horas jogadas) influenciaram as dimensões da experiência do usuário, com foco na interação (Benyon, 2019; Unger & Chandler, 2023). O escopo delimitou variáveis sociodemográficas e dimensões de experiência, excluindo coleta primária e experimentos em laboratório. 

  A etapa de entendimento dos dados caracterizou a base utilizada, proveniente do repositório Mendeley Data, sob o título “User Perception and Adoption of Virtual Reality Applications: Impact of User Experience”, publicado por Jan Skalka em julho de 2023. A amostra consistiu em 48 respostas válidas, obtidas após a remoção de dois registros incompletos de um total inicial de 50 respondentes, assegurando homogeneidade para as análises subsequentes. 

  As variáveis foram divididas em dois blocos: sociodemográficas (gênero, idade e horas jogadas) e dimensões da experiência do usuário (Interação, Usabilidade, Emoção, Atenção, Presença e Fluxo). Cada dimensão foi composta pela média aritmética dos itens correspondentes do questionário, calculada apenas quando todos os itens do bloco estavam preenchidos. 

  A preparação dos dados envolveu a exclusão de registros incompletos e a padronização da escala Likert de 0-6 para 1-7. Faixas categóricas foram criadas para variáveis contínuas, como idade (até 22, 23-26, acima de 27 anos) e horas jogadas (até 5h, 6-20h, acima de 21h), baseadas em Field (2013), facilitando análises comparativas. Duplicidades e consistência interna foram verificadas, e o fluxo de preparação documentado em Python para reprodutibilidade. 

  A etapa de modelagem aplicou técnicas estatísticas para investigar as relações entre as variáveis e identificar fatores explicativos para a dimensão Interação. Realizou-se análise descritiva e distributiva para caracterizar a amostra (Malhotra, 2012). Empregou-se a Análise de Variância (ANOVA) para verificar diferenças significativas entre grupos categóricos (gênero, faixas etárias e horas jogadas) em relação às dimensões de experiência (Hair et al., 2019). 

  Testes pós-hoc de Tukey HSD foram aplicados quando a significância foi identificada (Field, 2013). Conduziu-se a análise de correlação de Pearson para avaliar a relação linear entre variáveis contínuas, interpretando os coeficientes conforme Dancey e Reidy (2017). Por fim, aplicou-se a regressão linear múltipla, com a dimensão Interação como variável dependente e variáveis sociodemográficas e outras dimensões de experiência como preditores. Pressupostos estatísticos foram verificados (Gujarati & Porter, 2011; Field, 2013). 

  A etapa de avaliação validou os resultados da modelagem e verificou o atendimento ao problema de pesquisa, considerando o nível de significância de 95% (p < 0,05). A qualidade do modelo de regressão foi examinada por meio do R² e R² ajustado, além do teste F global (Hair et al., 2019). Pressupostos das técnicas, como homogeneidade de variâncias para ANOVA (teste de Levene) e análise de resíduos para regressão, foram verificados para garantir interpretações consistentes. 

  A etapa de implementação traduziu os resultados das análises em aplicações práticas e implicações para a engenharia de software. Os achados foram organizados em relatórios estruturados, e foram propostas práticas metodológicas aplicáveis a futuros projetos de desenvolvimento, utilizando o CRISP-DM como referência para padronizar o processo em fases replicáveis. 

3. Resultados e Discussão

  A análise dos dados coletados, provenientes de 48 respostas válidas do repositório Mendeley Data, permitiu aprofundar a compreensão sobre a experiência do usuário em ambientes virtuais de jogos. Inicialmente, a caracterização da amostra revelou que a maioria dos participantes era do gênero masculino, representando 72,92% do total, enquanto o gênero feminino correspondeu a 27,08%. Essa distribuição, observada na amostra, forneceu um panorama inicial para as comparações subsequentes, indicando uma predominância masculina no contexto investigado. 

  Em relação às variáveis contínuas, a idade média dos respondentes foi de 26,08 anos, com uma variação de 19 a 47 anos, e um desvio padrão de 7,08 anos. Esse dado sugeriu uma concentração de usuários em faixas etárias mais jovens, embora com uma amplitude considerável. O tempo médio de horas jogadas foi de 15,54 horas, variando de zero a 50 horas, com um desvio padrão de 14,51 horas. A alta dispersão nas horas jogadas indicou perfis de envolvimento bastante distintos, desde usuários casuais até aqueles com maior dedicação aos ambientes virtuais. 

  As dimensões da experiência do usuário – Interação (INT), Usabilidade (USA), Emoção (EMO), Atenção (ATT), Presença (PRE) e Fluxo (FLO) – apresentaram médias entre cinco e seis pontos em uma escala de um a sete. A dimensão Interação registrou a média de 5,43, com o maior desvio padrão de 1,54, indicando maior variabilidade na percepção da qualidade da interação com o sistema. Usabilidade teve média de 4,95, enquanto Emoção e Atenção apresentaram médias de 5,10 e 5,49, respectivamente. Presença e Fluxo registraram médias de 5,08 e 5,49, respectivamente, com menor dispersão para Emoção, sugerindo maior consistência nas respostas relacionadas ao envolvimento afetivo. 

Resultado ANOVA

  As análises de variância (ANOVA) foram realizadas para identificar diferenças estatisticamente significativas nas dimensões da experiência do usuário entre grupos de gênero, faixa etária e horas jogadas. No que tange ao gênero, verificou-se que apenas a dimensão Interação apresentou uma diferença significativa (p = 0,0084). Esse achado indicou que a forma como homens e mulheres interagiram com o sistema variou de maneira relevante, enquanto as percepções de usabilidade, emoção, atenção, presença e fluxo permaneceram consistentes entre os gêneros. A diferença na Interação pode estar associada a expectativas distintas de navegação e engajamento, conforme sugerido pela literatura. 

  A análise por faixa etária, categorizada em até 22 anos, entre 23 e 26 anos, e acima de 27 anos, também revelou uma diferença significativa na dimensão Interação (p = 0,0295). As demais dimensões da experiência do usuário não mostraram variações estatisticamente relevantes entre os grupos etários. Esse resultado apontou que a idade foi um fator diferenciador na avaliação da Interação, possivelmente devido a diferentes níveis de familiaridade com tecnologias e padrões de uso entre gerações, com usuários mais jovens tendendo a interagir mais intensamente. 

  Quanto às horas jogadas, classificadas em até 5 horas, entre 6 e 20 horas, e acima de 21 horas, as análises de variância indicaram diferenças significativas em múltiplas dimensões: Interação (p = 0,0121), Usabilidade (p = 0,0408), Emoção (p = 0,0327) e Atenção (p = 0,0102). Esse resultado demonstrou que a experiência acumulada, medida pelo tempo de jogo, influenciou uma gama mais ampla de percepções do usuário, destacando o papel do envolvimento prático como um fator determinante para a avaliação de diversos aspectos da experiência. A ausência de diferenças em Presença e Fluxo, por sua vez, sugeriu que essas percepções foram estáveis, independentemente do tempo de prática. 

Análise Post-Hoc

  A análise post-hoc foi empregada para detalhar as diferenças significativas identificadas nas ANOVAs, permitindo a comparação entre pares de grupos. No caso do gênero, a dimensão Interação apresentou uma diferença significativa, com homens relatando médias de interação mais baixas em comparação com as mulheres. Essa distinção pode refletir padrões de navegação ou expectativas de uso diferentes entre os gêneros, sugerindo a necessidade de designs que considerem essas variações para otimizar a experiência de todos os usuários. 

  Para a faixa etária, a análise post-hoc da Interação revelou que a diferença significativa ocorreu entre o grupo de 23 a 26 anos e o grupo de 27 anos ou mais. Usuários entre 23 e 26 anos atribuíram valores mais baixos à Interação do que aqueles com 27 anos ou mais. Embora não houvesse diferenças estatísticas em todos os pares, observou-se uma tendência de que usuários mais velhos apresentaram avaliações mais positivas da interação. Esse padrão pode indicar que a familiaridade prévia com tecnologias não é o único determinante, mas sim a forma como indivíduos mais maduros integram a tecnologia em seu cotidiano. 

  As horas jogadas apresentaram diferenças significativas em Interação, Usabilidade, Emoção e Atenção, especialmente entre os grupos de novatos (até 5 horas) e os mais experientes (acima de 21 horas). Na Interação, os usuários com menos tempo de jogo perceberam a dimensão de forma distinta dos mais experientes, reforçando a importância da curva de aprendizagem. Na Usabilidade, novatos atribuíram valores mais baixos, indicando dificuldades iniciais que se reduziram com a prática. Em Emoção, usuários mais experientes relataram maior envolvimento, sugerindo que o tempo de uso aumentou o valor afetivo atribuído à interação. 

  Na dimensão Atenção, o tempo de prática esteve associado a uma maior percepção de foco, com o grupo mais experiente demonstrando maior concentração nas tarefas. Essa constatação reforçou que a continuidade no uso influenciou positivamente a capacidade de manter o foco. Em síntese, a prática acumulada demonstrou ter um peso maior do que os fatores demográficos na moldagem da percepção dos usuários, indicando que a experiência prática contribuiu para uma avaliação mais ampla e consistente das dimensões da experiência do usuário. 

Correlação

  A matriz de correlação revelou relações importantes entre as variáveis demográficas, de uso e as dimensões da experiência. Observou-se uma correlação negativa média entre idade e horas jogadas (-0,433), indicando que usuários mais jovens tenderam a dedicar mais tempo aos jogos, enquanto os mais velhos reportaram menor frequência de uso. Esse achado é consistente com padrões esperados de engajamento com tecnologias digitais em diferentes faixas etárias. 

  A dimensão Interação (INT), variável-alvo do estudo, apresentou correlações fortes e positivas com Emoção (0,865) e Atenção (0,729). Esses resultados sugeriram que uma maior percepção de Interação estava diretamente associada a um maior engajamento emocional e a um foco mais intenso dos usuários. Além disso, Interação demonstrou correlações médias com Presença (0,677) e Fluxo (0,722), indicando que a qualidade da interação esteve conectada tanto à clareza na percepção do sistema quanto à fluidez da experiência, ampliando a qualidade geral da experiência do usuário. 

  A Emoção também exibiu correlações fortes com Fluxo (0,739) e Atenção (0,729), evidenciando que o envolvimento emocional foi intensificado quando os usuários experimentaram maior foco e fluidez nas interações. Essa interligação entre aspectos afetivos, cognitivos e de engajamento prático é crucial para a compreensão da experiência. A dimensão Fluxo, por sua vez, apresentou a correlação mais elevada de toda a matriz com Atenção (0,921), sugerindo que a percepção de fluidez esteve intrinsecamente ligada à manutenção do foco e à capacidade atencional dos usuários. 

  A dimensão Presença mostrou correlações médias com Emoção (0,688) e Fluxo (0,702), indicando que a percepção do sistema esteve ligada tanto ao envolvimento emocional quanto à fluidez. A clareza na interação, portanto, não apenas favoreceu a compreensão, mas também potencializou o envolvimento. A Usabilidade, em contraste com as demais dimensões, apresentou correlações baixas com as variáveis principais, sendo seu maior valor com Atenção (0,392), o que sugeriu que, embora importante, a usabilidade não foi o fator central nas associações mais fortes da experiência global. 

  Outro ponto relevante foi a correlação positiva, embora fraca, entre horas jogadas e as dimensões Interação (0,392), Emoção (0,406) e Atenção (0,425). Esses achados sugeriram que, quanto maior o tempo de prática, maior foi a percepção dessas dimensões, reforçando a influência do tempo de jogo na construção da experiência. A variável idade, além da correlação negativa com horas jogadas, apresentou correlações negativas com Interação (-0,355) e Atenção (-0,291), indicando que usuários mais jovens avaliaram melhor a interação e o foco, enquanto os mais velhos apresentaram valores mais baixos nessas dimensões. 

Regressão Múltipla

  A regressão linear múltipla foi aplicada para avaliar a capacidade das variáveis em explicar a dimensão Interação (INT), considerada a variável dependente. O modelo demonstrou ser estatisticamente significativo, com um R² ajustado de 0,761, indicando que aproximadamente 76% da variabilidade da Interação foi explicada pelo conjunto de variáveis independentes incluídas. O teste F global foi significativo (p < 0,001), confirmando a robustez do modelo e sua adequação para analisar os determinantes da Interação. 

  Na análise dos coeficientes, a variável Emoção destacou-se como a principal explicadora da Interação, apresentando significância estatística robusta (p < 0,001) e um coeficiente positivo de 0,901. Esse resultado evidenciou que quanto maior a intensidade da Emoção relatada pelos usuários, maior foi a percepção de Interação, sublinhando o papel decisivo do envolvimento emocional na qualidade percebida da interação. Este achado reforça a perspectiva de Xu (2024) sobre a centralidade da emoção no paradigma UX 3.0. 

  A variável Idade apresentou um coeficiente negativo (-0,031) e um p-valor de 0,085, próximo ao limiar de significância de 5%. Embora não tenha atingido significância estatística plena, esse resultado sugeriu uma tendência de que usuários mais velhos perceberam menos Interação em comparação com os mais jovens. Esse indicativo, embora não conclusivo, sinaliza que a idade pode influenciar a forma como os indivíduos experimentam a interação e merece atenção em futuros estudos. 

  As demais variáveis, como Horas Jogadas, Usabilidade, Atenção, Presença e Fluxo, não apresentaram significância estatística no modelo de regressão múltipla. Embora algumas dessas variáveis tenham mostrado direções esperadas, como Presença com coeficiente positivo, seu impacto não foi suficiente para influenciar a explicação da Interação dentro do modelo. Isso indicou que, apesar de contribuírem conceitualmente para a experiência do usuário, não tiveram um peso estatístico dominante no contexto da amostra analisada para explicar a Interação. 

  A interpretação conjunta dos resultados da regressão sugeriu que a Interação dependeu principalmente de fatores subjetivos e afetivos, com a Emoção se destacando como a dimensão que melhor capturou a experiência vivida pelos usuários. A idade, por sua vez, demonstrou uma tendência de influência, ainda que não plenamente confirmada estatisticamente. Esses achados reforçaram a necessidade de considerar elementos emocionais como centrais no design de sistemas interativos e indicaram que ajustes em estratégias de engajamento podem ser necessários para diferentes faixas etárias, a fim de reduzir possíveis barreiras de percepção em usuários mais velhos (Ntoa et al., 2025). 

  Os achados deste estudo fornecem subsídios práticos para o desenvolvimento de sistemas digitais, especialmente em ambientes virtuais de jogos. A relação inversa entre idade e interação sugere a necessidade de ajustar interfaces para públicos mais velhos, simplificando a interação e considerando suas particularidades cognitivas e comportamentais (Xu, 2024). A associação positiva entre horas jogadas, fluxo e emoção indica que a implementação de uma progressão adaptativa, que valorize usuários mais experientes, pode promover maior imersão e engajamento, conforme destacado por Benyon (2019). 

  A ausência de diferença significativa por gênero na interação sugere que, embora a experiência do usuário deva ser analisada em contextos específicos (Unger & Chandler, 2023), as estratégias de design podem priorizar aspectos universais, mantendo flexibilidade contextual para atender a diferentes públicos. A proeminência da Emoção e do Fluxo como dimensões centrais na experiência do usuário reforça a importância de integrar estímulos emocionais e fluidez no design, alinhando-se ao paradigma UX 3.0, que enfatiza a experiência centrada no humano (Xu, 2024). Esses resultados, portanto, evidenciam a importância de integrar fatores técnicos e humanos no desenvolvimento de sistemas digitais, fornecendo evidências empíricas para guiar essa integração (Pressman & Maxim, 2020). 

4. Conclusão

  O presente estudo investigou a influência de variáveis demográficas e de uso, como idade, gênero e horas jogadas, sobre as dimensões da experiência do usuário em ambientes virtuais, com especial atenção à interação. Verificou-se que a idade apresentou associação negativa com a interação, indicando que usuários mais jovens tenderam a interagir de forma mais intensa. As horas jogadas revelaram associação positiva com emoção, fluxo e atenção, sugerindo que o tempo de prática contribuiu para um maior engajamento e imersão. A regressão múltipla destacou a emoção como a principal variável explicativa da interação, sublinhando o papel decisivo das dimensões afetivas na qualidade percebida. O gênero, por sua vez, não demonstrou diferenças estatísticas relevantes na explicação da interação. Esses achados fornecem subsídios práticos para a engenharia de software, reforçando a importância de integrar fatores técnicos e humanos no desenvolvimento de sistemas digitais e evidenciando a necessidade de designs que considerem a diversidade de perfis e a centralidade da emoção para otimizar a experiência do usuário. 

  Como limitação, destaca-se que o estudo utilizou uma base de dados secundária, o que restringiu a capacidade de ampliar a análise para outros contextos ou variáveis não contempladas no conjunto de dados original. Sugere-se que futuras pesquisas explorem amostras mais amplas e diversificadas, incorporando variáveis adicionais para aprofundar a compreensão da experiência do usuário em diferentes ambientes digitais. A análise de variáveis demográficas e comportamentais, portanto, oferece um panorama valioso para a construção de sistemas mais alinhados às expectativas dos usuários, contribuindo para a aceitação e o uso contínuo de soluções digitais. 

Referências Bibliográficas

Ahmed, A., & Imran, A. S. (2025). The role of large language models in UI/UX design: A systematic literature review. arXiv. https://arxiv.org/html/2507.04469v1

Benyon, D. (2019). Designing User Experience: A Guide to HCI, UX and Interaction Design (4a ed.). Pearson. https://www.amazon.com/Designing-User-Experience-interaction-design/dp/1292155515

Dancey, C. P., & Reidy, J. (2017). Estatística sem matemática para psicologia (7ª ed.). Penso.

Field, A. (2013). Discovering statistics using IBM SPSS statistics (4ª ed.). Sage.

Gil, A. C. (2017). Métodos e técnicas de pesquisa social (7ª ed.). Atlas.

Gujarati, D. N., & Porter, D. C. (2011). Econometria básica (5ª ed.). AMGH.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8ª ed.). Cengage.

Li, Y., & Zhu, L. (2025). Failure Modes Analysis Related to User Experience in Interactive System Design Through a Fuzzy Failure Mode and Effect Analysis-Based Hybrid Approach. Applied Sciences, 15(6), 2954. https://doi.org/10.3390/app15062954

Malhotra, N. K. (2012). Pesquisa de marketing: uma orientação aplicada (6ª ed.). Bookman.

Ntoa, S., et al. (2025). Usability and User Experience Evaluation in Intelligent Systems: Methods and Frameworks. International Journal of Human-Computer Interaction. https://www.tandfonline.com/doi/full/10.1080/10447318.2024.2394724

Pressman, R. S., & Maxim, B. R. (2020). Software Engineering: A Practitioner’s Approach (9a ed.). McGraw-Hill. https://www.mheducation.com/highered/product/software-engineering-a-practitioners-approach-pressman-maxim/M9781260565825.html

Sampieri, R. H., Collado, C. F., & Lucio, M. del P. B. (2013). Metodologia de pesquisa (5ª ed.). Penso.

Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia computer science, 181, 526-534.

Unger, R., & Chandler, C. (2023). A Project Guide to UX: For User Experience Designers in the Field or in the Making (3a ed.). New Riders. https://www.pearson.com/en-us/subject-catalog/p/a-project-guide-to-ux-for-user-experience-designers-in-the-field-or-in-the-making/P200000010474/9780138188061

Xu, W. (2024). A “User Experience 3.0 (UX 3.0)” Paradigm Framework: User Experience Design for Human-Centered Al Systems. arXiv. https://arxiv.org/abs/2403.01609

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy