Proposta de uma abordagem computacional para detecção automática de estilos de aprendizagem utilizando modelos ocultos de Markov e FSLSM

Abstract

Um dos grandes desafios dos dias atuais no desenvolvimento de tecnologias computacionais aplicadas ao processo educacional é produzir soluções que sejam capazes de atender corretamente ao processo de ensino e aprendizagem, além de definir a forma mais adequada de incorporar esses mecanismos no ambiente escolar. Esta inserção deve ocorrer de forma que alunos e professores aproveitem ao máximo esses instrumentos, e passem a utilizá-los com o intuito de agregar mais valor aos processos de ensino e aprendizagem. Para que isso ocorra, é fundamental que os ambientes virtuais forneçam conteúdo adequado, objetos de aprendizagem atraentes, além de serem dinâmicos e altamente adaptáveis às necessidades e interesses dos estudantes durante as sessões de aprendizagem, visando a melhoria contínua do processo educacional para professores, tutores e estudantes. O presente trabalho tem como objetivo principal apresentar um modelo computacional probabilístico, que pode ser incorporado às estruturas dos ambientes virtuais de aprendizagem, a fim de auxiliar no processo de detecção automática das tendências e preferências dos estilos de aprendizagem do estudante, utilizando uma combinação do modelo proposto por Felder e Silverman para estilos de aprendizagem, o FSLSM, com as técnicas de inferência probabilística dos modelos ocultos de Markov (HMM). Para a validação do modelo, foram realizados experimentos em um simulador computacional capaz de reproduzir parcialmente o processo de interação do estudante com o ambiente virtual de aprendizagem, realizando um processo de inferência com base no comportamento do estudante, ao qual foi utilizado o algoritmo de Viterbi para este propósito. Ao final, os resultados dos experimentos são apresentados e demonstraram um elevado grau de precisão no processo de inferência do estilo de aprendizagem probabilístico.