Novas Abordagens Para Detecção Automática de Estilos de Aprendizagem

Titulo: Novas Abordagens Para Detecção Automática de Estilos de Aprendizagem.

Resumo: Este trabalho tem por objetivo apresentar soluções para o aperfeiçoamento do ensino através das plataformas de ensino à distância. Com o avanço tecnológico, a procura por esta modalidade de ensino vem crescendo significativamente, porém, alguns problemas podem ser observados, como o abandono do curso ou o insucesso no aprendizado do estudante. Na tentativa de minimizar problemas como este citado, algumas abordagens vem sido propostas. Dentre elas, algumas fazem uso de conceitos conhecidos como Estilos de Aprendizagem para definir as preferencias de aprendizagem de cada aluno. Os Estilos de Aprendizagem defendem que cada individuo possui uma metodologia pessoal para o processo de aprendizagem e que quando o método de ensino não coincide com esta preferência o aluno pode apresentar problemas para assimilar o conteúdo. Para minimizar estes problemas a proposta deste trabalho analisou outras abordagens ja existentes na literatura e as modificou para possíveis melhorias. Sendo assim, este trabalho fez uso de técnicas de Inteligência Artificial, Lógica Fuzzy e Aprendizagem por reforço para detectar automaticamente os Estilos de Aprendizagem de alunos simulados computacionalmente. A partir desta detecção um currículo personalizado pode ser desenvolvido para cada aluno de Plataformas de Ensino à Distância de acordo com as suas preferências de aprendizagem. As técnicas utilizadas nesta abordagem demonstraram melhorias significativas ao se comparar com outra abordagem específica presente na literatura.

Mestrando: Samuel Henrique Falci
Orientador: Prof. Dr. Alessandro Vivas Andrade (alessandro.vivas@ufvjm.edu.br)
Banca:
Presidente: Prof. Dr. Alessandro Vivas Andrade.
Membro Interno: Prof. Dr. Márcio Lelis Romarco de Oliveira.
Membro Externo: Prof. Dr. Cristiano Grijó Pitangui.
Data: 05/09/2017.
Hora: 14:00.
Local: Auditório do prédio de Sistemas de Informação.