Dissertação

Student Model Learning EVALUATED

Os Intelligent Tutoring Systems (ITS) são sistemas computacionais utilizados em ambientes de aprendizagem numa tentativa de optimizar a experiência de aprendizagem dos alunos. Eles providenciam melhorias de desempenho comparáveis às de um professor. O modelo de aluno num ITS consiste em traçar o nível de conhecimento dos alunos que o usam em termo de competências e/ou sub-competências, com o objetivo de entender que exercício deve ser proposto de seguida ao aluno de forma a optimizar a sua experiência de aprendizagem. O Zone of Proximal Development and Empirical Success (ZPDES) e o Right Activity at the Right Time (RiARiT) são algoritmos do modelo de ensino que são relativamente independentes do modelo de aluno subjacente. Este trabalho irá derradeiramente tentar fazer o algoritmo ZPDES receber informação para agrupar alunos, estimando a velocidade de aprendizagem destes e propondo o modelo com parâmetros aproximadamente óptimos para alunos desse nível de competência. Isto foi tentado de várias formas diferentes incluindo realizar um teste de diagnóstico antes de aplicar o algoritmo em si, estimar a velocidade de aprendizagem durante a execução de atividades e utilizar os parâmetros ótimos para o perfil de aluno mais semelhante. Os resultados obtidos mostram que esta metodologia permite obter um melhor equilíbrio entre a quantidade de competências aprendidas e o número de passos necessários para aprendê-las que o uso de parâmetros médios para todos os alunos, apesar do modelo criado precisar de várias adaptações para ser usado com alunos reais.
Modelo de Aluno, Modelo de Ensino, Aprendizagem, Sistemas de ensino inteligente

Novembro 10, 2017, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Manuel Fernando Cabido Peres Lopes

Departamento de Engenharia Informática (DEI)

Professor Associado