Detecção de Estilos de Aprendizagem em Ambientes Virtuais de Aprendizagem Utilizando Redes Bayesianas

Titulo: Detecção de Estilos de Aprendizagem em Ambientes Virtuais de Aprendizagem Utilizando Redes Bayesianas

Resumo: O avanço da tecnologia possibilitou o surgimento de ferramentas para o acesso a conhecimento e experiências individuais e coletivas. As Tecnologias da Informação e Comunicação e a internet criaram o conceito chamado Ciberespaço, um local virtual onde o somatório de todas as experiências, saberes e culturas de todos os povos que forma a Inteligência Coletiva. Tal fenômeno contribuiu para o desenvolvimento da Educação à Distância e os Sistemas Inteligentes para Educação. Um dos maiores problemas em EaD é ausência de adaptatividade do ensino ao Estilo de Aprendizagem dos estudantes, que consiste nas preferências que cada aluno tem em receber um determinado conteúdo. Dessa forma, o trabalho aborda uma técnica de Redes Bayesianas para detectar automaticamente os Estilos de Aprendizagem dos estudantes para proporcionar uma oferta de material de ensino adaptado às preferências de aprendizagem nos Ambientes Virtuais de Aprendizagem. O trabalho se baseia em conceitos e técnicas de Inteligência Artificial e Aprendizado de Máquina para compor um modelo computacional e probabilístico de uma Rede Bayesiana, que consiste em utilizar dados históricos de estudantes de EaD para inferir e detectar qual a melhor combinação de Estilos de Aprendizagem. Para estruturar os métodos de detecção dos Estilos de Aprendizagem, a pesquisa utiliza o Modelo de Estilo de Aprendizagem Felder-Silverman. Para representar o comportamento do estudante no Ambiente Virtual Aprendizagem, o trabalho utiliza simulação computacional. Os métodos utilizados resultam na construção de um algoritmo de detecção automática de Estilos de Aprendizagem em Ambientes Virtuais de Aprendizagem. Os resultados do algoritmo de Rede Bayesiana foram comparados aos resultados de outro algoritmo de detecção de Estilos de Aprendizagem que utiliza uma abordagem de Cadeia de Markov. Nos testes o algoritmo de Rede Bayesiana se mostrou mais eficiente comparado ao de Cadeia de Markov, diminuindo consideravelmente o número de iterações do sistema que no final converge ao Estilo de Aprendizagem do estudante, diminuindo o tempo de execução e aumentando a precisão dos resultados. O trabalho abre discussão quanto a robustez, eficiência e precisão da aplicação de Redes Bayesianas para detecção.

Nome do Mestrando: Luiz Filipe Carreiro Salazar
Nome do Orientador: Luciana Assis – lupassis@gmail.com
Banca:
Presidente: Luciana Assis – lupassis@gmail.com
Membro Interno: Cristiano Pitangui – pitangui.cristiano@gmail.com
Membro externo: Leonardo Lana – lanadecarvalholeonardo@gmail.com
Data: 06/09/2017
Hora: 09:00hs
Local: Auditório do Prédio de Sistemas de Informação