Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/23284
Document type: Dissertação
Access type: Acesso Aberto
Title: Raciocínio baseado em casos para apoiar a formação de grupos baseada nos traços de personalidade do modelo Big Five
Alternate title (s): Case-based reasoning to support group formation based on Big Five personality traits model
Author: Ferreira, Taís Borges
First Advisor: Fernandes, Márcia Aparecida
First member of the Committee: Cattelan, Renan Gonçalves
Second member of the Committee: Reategui, Eliseo Berni
Summary: A aprendizagem colaborativa envolve a construção de conhecimento por meio da interação entre os membros de um grupo para atingir uma meta compartilhada. Para que essa interação ocorra, é necessário assegurar que os grupos formados para trabalhar em conjunto não sejam um impedimento para a colaboração. O agrupamento de forma descuidada pode ser o gatilho para situações indesejáveis, como o isolamento de algum aluno dentro de um grupo. Por esse motivo, é essencial considerar uma estratégia de formação de grupos para promover interações produtivas e garantir que tal estratégia possa ser usada para dar apoio à colaboração. Dentre os critérios que podem ser considerados na formação de grupos, os traços de personalidade dos alunos indicam tendências de comportamento que podem influenciar seu desempenho. Por exemplo, em um grupo com muitos alunos com alto grau de Extroversão, eles poderiam se distrair com a interação e negligenciar a meta comum. Assim, conhecendo tais características é possível definir uma estratégia de formação de grupos de estudantes para aumentar a chance de interações produtivas para a colaboração. Com o objetivo de fornecer um meio de detectar traços de personalidade de forma transparente e tornar essa informação disponível para apoiar estratégias de formação de grupos para colaboração, este trabalho trata da avaliação de textos escritos por alunos, que podem, por exemplo, ser capturados em chats e fóruns em ambientes virtuais de aprendizagem. Apesar de não ter sido possível encontrar algoritmos que detectam os perfis com alta acurácia, os resultados dos experimentos apontam para a possibilidade de melhorar a qualidade da predição. Em paralelo à detecção dos traços de personalidade nos textos, testes com grupos de alunos foram conduzidos com o objetivo de formar uma base para Raciocínio Baseado em Casos. Conforme observado nas turmas em que foram conduzidos experimentos de formação de grupos a partir de consultas na base, os grupos formados apresentaram boa interação. Mais ainda, de acordo com o relato do professor, os grupos formados no experimento foram percebidos como melhores do que aqueles formados pelos próprios alunos. Quanto à base de casos, os experimentos conduzidos apontam para a melhora na qualidade e abrangência dos casos conforme a base é atualizada. Como essa atualização é parte do processo de funcionamento do RBC, haverá melhora contínua da qualidade das sugestões de agrupamento e das informações que possam ser extraídas dela. Como a base de casos pode crescer muito, tornando as consultas mais pesadas e demoradas, também foram conduzidos experimentos no sentido de extrair regras de formação de grupos da base. Os resultados sugerem que a extração das regras é uma alternativa viável para formação de grupos, em caso de aumento do volume de casos.
Abstract: Collaborative learning comphreends the developing of knowledge through interactions among group members to achieve a shared goal. For this interaction to happen, one needs to ensure that the students grouped together will not intervene negatively in the collaboration process. Grouping carelessly can trigger undesirable scenarios, such as a student isolated in a group. For this reason, it is essential to consider a group formation strategy to promote productive interactions and to ensure that such a strategy can be used to support collaboration. Among the criteria that can be considered in group formation, the personality traits of the students indicate behavioral tendencies that may influence their performance. For example, in a group with many students with a high degree of Extroversion, they could get distracted by interaction and neglect the common goal. Thus, by knowing these characteristics one can think of developing a group formation strategy to group students and increase the occurrence of productive interactions for collaboration. In order to provide a way to detect personality traits in a transparent way and to make this information available to support group formation strategies for collaboration, this work evaluates texts written by students which can be captured in chats and forums in virtual learning environments, for example. Although the tested algorithms do not reached high accuracy in the experiments, the results pointed a chance to improve the prediction accuracy. Along with the detection of personality traits in the text, experiments with groups of students were conducted with the objective of building the case base for Case Based Reasoning. As observed in the classes in which group formation experiments were conducted, by querying the case base, the new groups formed had good interaction. Moreover, according to the teacher's report, the groups formed were perceived as better than those formed by the students themselves. Regarding the case base, the experiments conducted indicate an improvement in the quality and comprehensiveness of the cases as the base was updated. Since this update is part of the Case Based Reasoning operation process, the base will be continuously improved, as well as the quality of grouping suggestions and the information that can be extracted from it. Once the case base can grow bigger, turning the queries time-consuming, experiments aiming to extract grouping rules from the case base were also conducted. The results obtained suggest that using grouping rules is a feasible alternative to form groups, if the number of cases increases too much.
Keywords: Computação
Inteligência artificial
Processamento de linguagem natural (Computação)
Ensino a distância
Aprendizagem Colaborativa
Collaborative Learning
Raciocínio Baseado em Casos
Case-Based Reasoning
Big Five
Natural Language Processing
Ensino auxiliado por computador
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Ciência da Computação
Quote: FERREIRA, Taís Borges. Raciocínio Baseado em Casos para apoiar a formação de grupos baseada nos traços de personalidade do modelo Big Five. 2018. 107 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2018. Disponível em: http://dx.doi.org/10.14393/ufu.di.2018.1214
Document identifier: http://dx.doi.org/10.14393/ufu.di.2018.1214
URI: https://repositorio.ufu.br/handle/123456789/23284
Date of defense: 24-Aug-2018
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
RaciocinioBaseadoemCasos.pdf1.2 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.