Array
(
    [0] => stdClass Object
        (
            [journal] => stdClass Object
                (
                    [id_jnl] => 20
                )

        )

    [1] => stdClass Object
        (
            [section] => stdClass Object
                (
                    [section] => 17
                )

        )

    [2] => stdClass Object
        (
            [title] => Array
                (
                    [0] => Artificial intelligence applied in problem-oriented learning, to recover information in a game environment, on the knowledge track of public technology procurement, from the perspective of risk management@en
                    [1] => Inteligencia artificial aplicada en el aprendizaje orientado a problemas, para recuperar información en un entorno de juego, en la vía del conocimiento de la compra pública de tecnología, desde la perspectiva de la gestión de riesgos@es
                    [2] => Inteligência artificial aplicada em aprendizado orientado a problema, para recuperação da informação em ambiente gamificado, na trilha de conhecimento de licitações públicas de tecnologias, sob ótica da gestão de riscos@pt
                )

        )

    [3] => stdClass Object
        (
            [abstract] => Array
                (
                    [0] => Objective: Allow information retrieval, on the topic of technology bidding, with simulations generated by Artificial Intelligence, using gamification (game), from a risk management perspective, to increase student engagement and learning, in Brazilian government environments. Methodology: Quantitative and qualitative research with the following steps: 1) Creation of 1 Case study (with prompt and chatgpt); 2) Application of the game of own design (reading the case studies). 3) Compilation of risks found. 4) Application of the LIKERT Form to assess the risks found. 5) Discussions. Results: Compared to a traditional classroom, students showed an increase in the perception of learning when a game is used to retrieve information, in the context of public technology purchases. Conclusions: It was demonstrated that the application of a game adapted to the reality of a public body can increase perception, learning and knowledge in a pre-defined path, which can improve the organization´s decision-making process in specific legislation, so improving internal communication to avoid known errors.@en
                    [1] => Objetivo: Permitir la recuperación de información, sobre el tema de licitación de tecnología, con simulaciones generadas por Inteligencia Artificial, utilizando la gamificación (juego), desde una perspectiva de gestión de riesgos, para aumentar la participación y el aprendizaje de los estudiantes, en ambientes gubernamentales brasileños. Metodología: Investigación cuantitativa y cualitativa con los siguientes pasos: 1) Creación de 1 estudio de caso (con aviso y chatgpt); 2) Aplicación del juego de diseño propio (lectura de los casos prácticos). 3) Recopilación de riesgos encontrados. 4) Aplicación del Formulario LIKERT para evaluar los riesgos encontrados. 5) Discusiones. Resultados: En comparación con un aula tradicional, los estudiantes mostraron un aumento en la percepción de aprendizaje cuando se utiliza un juego para recuperar información, en el contexto de compras públicas de tecnología. Conclusiones: Se demostró que la aplicación de un juego adaptado a la realidad de un organismo público puede incrementar la percepción, el aprendizaje y el conocimiento en un camino predefinido, lo que puede mejorar el proceso de toma de decisiones de la organización en una legislación específica, mejorando así la comunicación interna. para evitar errores conocidos.@es
                    [2] => Objetivo: Permitir a recuperação da informação, no tema de licitações de tecnologia, com simulações geradas por Inteligência Artificial, usando uma gamificação (jogo), sob ótica da gestão de riscos, para aumentar o engajamento e aprendizado dos alunos, em ambientes governamentais brasileiros. Metodologia: Pesquisa quantitativa e qualitativa com as seguintes etapas: 1) Criação de um estudo de Caso (com prompt e chatgpt); 2) Aplicação do jogo de design próprio (leitura dos estudos de caso). 3) Compilação dos riscos encontrados. 4) Aplicação de Formulário LIKERT para avaliação de riscos encontrados. 5) Discussões. Resultados: Comparativamente a uma sala de aula tradicional, os alunos apresentaram incremento na percepção de aprendizado quando um jogo é utilizado para recuperação da informação, em trilha de compras públicas de tecnologia. Conclusões: Ficou demonstrado que a aplicação de um jogo adaptado a realidade de um órgão público, poderá aumentar a percepção, aprendizado e conhecimento em trilha pré-definida, o que pode melhorar o processo de tomada de decisão da organização em legislações específicas, de modo a melhorar a comunicação interna para evitar erros conhecidos.@pt
                )

        )

    [4] => stdClass Object
        (
            [author] => Array
                (
                    [0] => Antonio Fernandes Soares Netto
                    [1] => Cláudio Gottschalg Duque
                )

        )

    [5] => stdClass Object
        (
            [subject] => Array
                (
                    [0] => Recuperação de informação@pt
                    [1] => Gamificação@pt
                    [2] => Inteligência artificial@pt
                    [3] => Gestão do conhecimento@pt
                    [4] => Ri@pt
                    [5] => Metodologia da problematização@pt
                    [6] => Governo@pt
                    [7] => Riscos@pt
                    [8] => Licitações de tecnologias@pt
                    [9] => Problem based learning@pt
                )

        )

    [6] => stdClass Object
        (
            [source] => stdClass Object
                (
                    [vol] => 30
                    [nr] => 1
                    [year] => 2025
                    [theme] => 
                )

        )

    [7] => stdClass Object
        (
            [datePub] => Array
                (
                    [0] => 2025-05-30
                )

        )

    [8] => stdClass Object
        (
            [DOI] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => DOI
                            [value] => Array
                                (
                                    [0] => 10.5433/1981-8920.2025v30n1p403
                                )

                        )

                )

        )

    [9] => stdClass Object
        (
            [http] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://ojs.uel.br/revistas/uel/index.php/informacao/article/view/51122
                                )

                        )

                    [1] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://ojs.uel.br/revistas/uel/index.php/informacao/article/view/51122/52196
                                )

                        )

                )

        )

    [10] => stdClass Object
        (
            [language] => Array
                (
                    [0] => pt
                )

        )

    [11] => stdClass Object
        (
            [license] => Array
                (
                    [0] => Copr
                    [1] => http://creativecommons.org/licenses/by/4.0
                )

        )

)