Melhoria na convergência do algoritmo Q-Learning na aplicação de sistemas tutores inteligentes
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
UFVJM
Abstract
O uso sistemas computacionais como complemento ou substituição da sala de aula é cada vez
mais comum na educação e os Sistemas Tutores Inteligentes (STIs) são uma dessas alternativas.
Portanto é fundamental desenvolver STIs capazes tanto de ensinar quanto aprender informações
relevantes sobre o aluno através de técnicas de inteligência artificial. Esse aprendizado acontece
por meio da interação direta entre o STI e o aluno que é geralmente demorada. Esta dissertação
apresenta a inserção da metaheurísticas Lista Tabu e GRASP com o objetivo de acelerar esse
aprendizado. Para avaliar o desempenho dessa modificação, foi desenvolvido um simulador de
STI. Nesse sistema, foram realizadas simulações computacionais para comparar o desempenho
da tradicional política de exploração aleatória e as metaheurísticas propostas Lista Tabu e
GRASP. Os resultados obtidos através dessas simulações e os testes estatísticos aplicados
indicam fortemente que a introdução de meta-heurísticas adequadas melhoram o desempenho
do algoritmo de aprendizado em STIs.
Description
Keywords
Citation
PAIVA, Éverton de Oliveira. Melhoria na convergência do algoritmo Q-Learning na aplicação de sistemas tutores inteligentes. 2016. 75 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2016.