Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32903
ORCID:  http://orcid.org/0000-0003-2431-7582
Document type: Dissertação
Access type: Acesso Aberto
Title: Aplicação de técnicas de inteligência artificial na formação de equipes de aprendizagem colaborativa baseada em perfil de estilos de aprendizagem e papéis de equipe
Alternate title (s): Application of artificial intelligence techniques in the formation of collaborative learning teams based on learning styles and team roles profile
Author: Machado, Lincoln da Costa
First Advisor: Fernandes, Márcia Aparecida
First member of the Committee: Dorça, Fabiano Azevedo
Second member of the Committee: Gomes, Alex Sandro
Summary: A natureza inerentemente social do ser humano nos leva a buscar formas de interagir com nossos semelhantes. O surgimento de canais virtuais de comunicação (como as redes sociais e os sistemas de mensagens instantâneas) e a popularização da internet e dos dispositivos móveis, incorporou essa conectividade a praticamente todos nós, em especial a crianças e adolescentes, que já nasceram nesse ambiente. Hoje, estar conectado é uma necessidade, inclusive na educação. Essa necessidade de estar conectado e de obter bons resultados torna importante identificar fatores que afetam o desempenho conjunto dos estudantes e descobrir formas eficientes de organizar equipes de estudo. Esta dissertação investiga se equipes de estudo colaborativo formadas com base em perfis individuais que combinam estilos de aprendizagem e papéis de equipe dos estudantes apresentam desempenho melhor do que equipes de estudo formadas casualmente. São identificados os perfis individuais dos estudantes a partir de suas respostas aos questionários eletrônicos de estilos de aprendizagem de Felder e de papéis de equipe de Belbin. Um algoritmo genético usa esses perfis para gerar equipes balanceadas de acordo com regras de otimização. Para avaliar o desempenho, as equipes executam atividades colaborativas e respondem um questionário final de satisfação relacionado à sua percepção sobre os colegas de equipe e sobre a atividade. Comparadas a equipes formadas aleatoriamente, as equipes geradas pelo AG com base no perfil composto por estilos de aprendizagem e papéis de equipe apresentam melhor desempenho acadêmico e maior satisfação individual.
Abstract: The inherently social nature of human beings leads us to seek ways to interact with our fellow human beings. The emergence of virtual communication channels (such as social networks and instant messaging systems) and the popularization of the internet and mobile devices have incorporated this connectivity to practically all of us, especially children and teenagers, who were born in this environment. Today, being connected is a necessity, including in education. This need to be connected and get good results makes it important to identify factors that affect the joint performance of students and find efficient ways to organize study teams. This dissertation investigates whether collaborative study teams formed based on individual profiles that match students' learning styles and team roles perform better than casually formed study teams. Individual student profiles are identified from their responses to Felder's learning styles questionnaires and Belbin's team roles. A genetic algorithm uses these profiles to generate balanced teams according to optimization rules. To assess performance, teams perform collaborative activities and answer a final satisfaction questionnaire related to their perception of teammates and the activity. Compared to randomly formed teams, the teams generated by the AG based on the profile composed of learning styles and team roles have better academic performance and greater individual satisfaction.
Keywords: Computação
Formação de grupos
Inteligência Artificial
Algoritmos genéticos
Papéis de equipe
Estilos de aprendizagem
Educação
Educação a distância
Group formation
Artificial Intelligence
Genetic Algorithms
Team Roles
Learning styles
Education
Distance education
Team building
Belbin
Felder
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: MACHADO, Lincoln da Costa. Aplicação de técnicas de Inteligência Artificial na formação de equipes de aprendizagem colaborativa baseada em perfil de estilos de aprendizagem e papéis de equipe. 2021. 105 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. Disponível em: http://doi.org/10.14393/ufu.di.2021.271.
Document identifier: http://doi.org/10.14393/ufu.di.2021.271
URI: https://repositorio.ufu.br/handle/123456789/32903
Date of defense: 30-Jun-2021
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AplicaçãoTecnicasInteligencia.pdf2.11 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons