I många spel kan spelare snabbt bli uttråkade om spelet är för lätt, eller frustrerade om det är för svårt. Dynamisk Svårighetgradsanpassning (DDA) kan användas för att dynamiskt anpassa svårighetsgraden i spelet så att den bättre matchar den individuella spelarens prestationsförmåga. Teorin är att om spelet kan anpassas dynamiskt för att matcha svårighetsgraden med spelarens prestationsförmåga kan detta öka spelarens flow och skapa en bättre spelupplevelse. I experimentet undersöks DDA med hjälp av neurala nätverk som i förväg tränats med en genetisk algoritm. Experimentet sker med ett kort demo-spel i plattform-äventyrsgenren, varpå testspelaren svarar på en enkätundersökning med frågor gällande deras upplevelse. Resultatet analyseras sedan mot en kontrollgrupp i ett försök att se effekten av metoden. Resultaten visar att spelare som spelar en version med dynamisk svårighetgradsanpassning får en bättre spelupplevelse än de som spelade versionen utan DDA. Resultaten är dock inte så tydliga och det sker en diskussion om vad som kan ha påverkat detta. Det föreslås ett flertal justeringar och alternativa metoder för framtida arbete. Då experimentet tyder på vissa skillnader i resultat mellan versionerna anses problemformuleringen vara fortsatt relevant, men det krävs ytterligare undersökning för att möjligtvis få ett mer säkerställt resultat.
Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.