Melhoria na convergência do algoritmo Q-Learning na aplicação de sistemas tutores inteligentes

Thumbnail Image

Date

2016

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.

Endorsement

Review

Supplemented By

Referenced By