Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14309
metadata.dc.type: Tese
metadata.dc.rights: Acesso Aberto
Title: Modelo neural por padrões proximais de aprendizagem para automação personalizada de conteúdos didáticos
metadata.dc.creator: Melo, Francisco Ramos de
metadata.dc.contributor.advisor1: Flores, Edna Lúcia
metadata.dc.contributor.referee1: Lopes, Carlos Roberto
metadata.dc.contributor.referee2: Carrijo, Gilberto Arantes
metadata.dc.contributor.referee3: Mendes, Elise Barbosa
metadata.dc.contributor.referee4: Viccari, Rosa Maria
metadata.dc.contributor.referee5: Teixeira, Ricardo Antonio Gonçalves
metadata.dc.description.resumo: Este trabalho apresenta uma modelagem para a organização personalizada de conteúdos didáticos para ambientes de estudos individuais. Para muitos estudantes a disponibilização do conteúdo em formato generalizado pode não ser eficiente. É proposta uma estrutura multinível de conceitos para proporcionar o desenvolvimento de diferentes combinações para a apresentação do mesmo conteúdo. O trabalho mostra que é possível personalizar o conteúdo de forma a favorecer outros estudantes com o uso de padrões proximais de aprendizagem. Estes padrões são obtidos da análise da ação de estudantes, com resultados positivos na organização individual do conteúdo. A representação formal estabelece a definição do perfil do estudante, o conteúdo multinível, o plano de distribuição dos conceitos e a correção da trajetória didática. A estruturação da trajetória didática do estudante é formalmente estabelecida pelo método das diferenças finitas. O sistema utiliza técnicas de inteligência artificial para organizar e personalizar reativamente o conteúdo. A personalização é proporcionada por uma rede neural artificial que possibilita a classificação do perfil do estudante e associa esse perfil a um padrão proximal de aprendizagem. Para mediar e ajustar o conteúdo de forma reativa foi inserido no sistema um conjunto de regras de especialistas em docência. O experimento realizado mostrou a aplicabilidade e a adequação da modelagem proposta. Os resultados indicaram a adequação da abordagem, automatizando a organização personalizada do conteúdo de forma adaptativa e reativa. O sistema inteligente ao estabelecer a estruturação personalizada do conteúdo a ser apresentado foi considerado eficiente, proporcionando ao estudante um melhor aproveitamento do conteúdo, com maior média final e menor tempo de estudo e conteúdo apresentado.
Abstract: This study presents a model for the organization of educational content customized for environments of individual studies. For many students the availability of content in general form can not be efficient. It proposed a multilevel structure of concepts to provide the development of different combinations to show the same content. The work shows that it is possible to customize the content in order to encourage other students with the use of proximal learning standards. These patterns are obtained from the analysis of the action of students with positive results in the individual organization of the content. The formal representation establishes the definition of the student profile, multi-level content, the distribution plan of correction of concepts and teaching career. The structure of the trajectory of student teaching is formally established by the method of finite differences. The system uses artificial intelligence techniques to organize and personalize content reactively. Customization is provided by an artificial neural network that enables the classification of the student profile and assign that profile to a standard proximal learning. To mediate and adjust the contents of a reactive system was inserted into a set of rules from experts in teaching. The experiment showed the applicability and appropriateness of the proposed model. The results indicated the suitability of the approach by automating the organization\'s custom content so adaptive and reactive. The intelligent system to establish the structure of the custom content to be presented was considered efficient, giving the student a better use of the content, with higher and lower final average study time and content presented.
Keywords: Sistema tutor inteligente conexionista
Padrões proximais de aprendizagem
Conteúdo didático multinível
Método das diferenças finitas
Educação a distância
Connectionist intelligent tutoring systems
Proximal learning patterns
Multilevel didactic content
Finite differences method
Distance education
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Engenharias
metadata.dc.publisher.program: Programa de Pós-graduação em Engenharia Elétrica
Citation: MELO, Francisco Ramos de. Modelo neural por padrões proximais de aprendizagem para automação personalizada de conteúdos didáticos. 2012. 173 f. Tese (Doutorado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2012.
URI: https://repositorio.ufu.br/handle/123456789/14309
Issue Date: 25-Mar-2012
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
d.pdf3 MBAdobe PDFView/Open


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