PPGED - Mestrado Profissional em Educação (Dissertações)

Permanent URI for this collectionhttps://repositorio.ufvjm.edu.br/collections/7dace26e-c209-4368-bebd-d4b441715786

Browse

Has files: YesSubject: search.filters.subject.Aprendizagem por Reforço

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Utilização de Modelos Ocultos de Markov e Aprendizagem por Reforço para detecção de estilos de aprendizagem de estudantes em Sistemas de Gestão de Aprendizagem
    (UFVJM, 2018) Almeida, Arthur Machado França de; Assis, Luciana Pereira de; Andrade, Alessandro Vivas; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Assis, Luciana Pereira de; Andrade, Alessandro Vivas; Pitangui, Cristiano Grijó; Berti, Cláudia Beatriz
    Um dos maiores desafios na área da Educação à Distância é fornecer soluções tecnológicas que atendam aos estudantes de forma diferenciada. Os Ambientes Virtuais de Aprendizagem, embora auxiliem os professores e estudantes na realização dos cursos, não consideram as diferenças individuais de cada discente. Pesquisas apontam que considerar as diferenças dos estudantes, por intermédio dos Estilos de Aprendizagem, impacta positivamente no rendimento dos alunos ao longo do curso. Diante desse cenário, a identificação automática de Estilos de Aprendizagem dos estudantes nos Sistemas de Gestão de Aprendizagem é um importante tópico nas pesquisas da área de Tecnologia aplicada à Educação. O presente trabalho apresenta uma abordagem para identificação automática dos Estilos de Aprendizagem dos estudantes em Sistemas de Gestão de Aprendizagem. A abordagem proposta utiliza Modelos Ocultos de Markov para modelar os Estilos de Aprendizagem, o Algoritmo de Viterbi para inferi-los, e uma abordagem de Aprendizagem por Reforço para correção da detecção automática dos Estilos de Aprendizagem. Os resultados apontam uma taxa média de 91% de inferências corretas, demonstrando ser uma abordagem eficaz e promissora para a utilização em Sistemas de Gestão de Aprendizagem.
  • Thumbnail Image
    Item
    Utilização de Média Móvel Exponencialmente Ponderada para detectar e corrigir os Estilos de Aprendizagem do estudante
    (UFVJM, 2017) Ribeiro, Patrick Aurélio Luiz; Assis, Luciana Pereira de; Andrade, Alessandro Vivas; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Assis, Luciana Pereira de; Andrade, Alessandro Vivas; Bodolay, Adriana Nascimento; Carvalho, Leonardo Lana de
    Na modalidade de ensino a distância, os Ambientes Virtuais de Aprendizagem (AVAs) são elementos fundamentais no processo de ensino e aprendizagem, através da disponibilização de conteúdos e áreas de discussão e comunicação entre os atores do processo. Entretanto, tais ambientes, na sua maioria, caracterizam-se pelo fato de serem estáticos, abordando métodos pedagógicos genéricos através dos quais estudantes com características e Estilos de Aprendizagem (EAs) diferentes buscam o conhecimento. Dessa maneira, é importante que sejam levados em consideração os EAs de cada estudante como forma de tornar a aprendizagem mais eficaz. Questionários psicométricos na maioria das vezes são utilizados para que as características de aprendizagem do estudante sejam identificadas, porém nem sempre tais questionários apresentam resultados precisos quanto ao EAs de determinado estudante. Assim, faz-se necessária a utilização de outras técnicas de detecção, haja vista que uma identificação precisa é capaz de melhorar o processo de aprendizagem por meio de escolhas de estratégias pedagógicas melhores. Diante disso, surge a necessidade de utilização de sistemas inteligentes que se adaptem às características de aprendizagem do estudante, utilizando como pressupostos as experiências vivenciadas por ele e as análises estatísticas dessas experiências. Isso pode ser feito através de avaliações dos EAs apresentados pelo estudante, em que a partir dos resultados um novo modelo de aprendizagem do estudante é definido para que o conteúdo seja disponibilizado de acordo com esse modelo. Nesse intuito a presente abordagem objetivou identificar e corrigir os EAs do estudante por meio da utilização do conceito de Média Móvel Exponencialmente Ponderada no processo de decisão sobre a aplicação do reforço de maneira a ajustar o Modelo do Estudante (ME), de modo que os resultados obtidos, após a realização do teste estatístico não-paramétrico de Mann-Whitney, mostraram-se significativamente melhores do que os resultados apresentados por Dorça (2012), cujo trabalho foi referência para o desenvolvimento desta proposta.