Dissertação
GANs for Education: Automatic Generation of Learning Resources EVALUATED
Nos ultimos anos, a aprendizagem online viu um aumento de relevância, tal como o interesse na automação do processo de aprendizagem. A variedade e quantidade de exercícios para praticar são particularmente importantes, já que estes limitam quanto é que um aluno pode praticar. Neste documento, propomos o uso de redes generativas adversariais (GANs) para produzir gráficos de dispersão, para que alunos possam treinar em tarefas de descrição de dados em disciplinas orientadas a dados. Os nossos resultados mostram que GANs progressivamente aumentadas (ProGANs) geram, com pouca afinação de parâmetros, gráficos de dispersão que demonstram um nível adequado de aleatoriedade, diversidade, e qualidade. Estas propriedades prometem no que toca a diversidade de exercícios criados a partir dos gráficos de dispersão gerados.
novembro 15, 2022, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
