Uma abordagem para detecção automática de estilos de aprendizagem de estudantes utilizando mineração de dados
| dc.contributor.advisor | Pitangui, Cristiano Grijó | |
| dc.contributor.author | Abreu, Rafael Miranda | |
| dc.contributor.institution | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.contributor.referee | Pitangui, Cristiano Grijó | |
| dc.contributor.referee | Assis, Luciana Pereira de | |
| dc.contributor.referee | Silva, Cristiano Maciel da | |
| dc.date.accessioned | 2021-01-07T13:36:21Z | |
| dc.date.available | 2021-01-07T13:36:21Z | |
| dc.date.issued | 2019 | |
| dc.date.submitted | 2019-08-29 | |
| dc.description.abstract | Utilizados pelas Instituições Educacionais os Sistemas de Gerenciamento de Aprendizagem, como o Moodle, são ferramentas importantes no processo de ensino-aprendizagem e a cada dia que passa ganham mais adeptos. Essa popularização deve-se ao fato destes softwares serem em sua maioria intuitivos e de fácil manuseio. No entanto, grande parte desses sistemas, mesmo vindo acompanhados de vários benefícios, possuem uma certa ”deficiência”, uma vez que fornecem os conteúdos de iguais maneiras e formatos a todos os seus usuários. Sendo assim, considerando que indivíduos possuem preferências e características diferentes, a absorção dos conteúdos ofertados através destas plataformas pelos aprendizes pode não ser a ideal. De acordo com diversos estudiosos se o Estilo de Aprendizagem de determinado estudante for conhecido, é possível apresentar as ferramentas e os Objetos de Aprendizagem que melhor se adéquam ao seu perfil de aprendizagem, e provavelmente sua aprendizagem será facilitada. Neste sentido, e baseando-se no Modelo de Estilos de Aprendizagem de Felder e Silverman, esta pesquisa apresenta uma abordagem capaz de descobrir o Estilos de Aprendizagem de alunos automaticamente. Para que o objetivo fosse alcançado, foram aplicados conceitos e técnicas de Mineração de Dados. Os vários testes realizados apresentaram bons resultados, e apontam que a abordagem proposta pode ser promissora na detecção de Estilo de Aprendizagem de estudantes. | pt_BR |
| dc.description.abstracts | Used by Educational Institutions Learning Management Systems, such as Moodle, are important tools in the teaching-learning process and each day they gain more adherents. This popularization is due to the fact that this software is mostly intuitive and easy to handle. However, most of these systems, even if they are accompanied by various benefits, have a certain ”shortcoming” as they provide content in equal ways and formats to all their users. Thus, considering that individuals have different preferences and characteristics, the absorption of the contents offered by these platforms by the learners may not be ideal. According to several studies if a student’s Learning Style is known, it is possible to present the Learning Tools and Objects that best fit their learning profile, and their learning is likely to be facilitated. In this sense, and based on the Felder and Silverman Learning Styles Model, this research presents an approach capable of discovering students’ Learning Styles automatically. In order to achieve this goal, data mining concepts and techniques were applied. The various tests performed showed good results, and point out that the proposed approach may be promising in detecting students’ Learning Style. | en |
| dc.description.thesis | Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2019. | pt_BR |
| dc.identifier.citation | ABREU, Rafael Miranda. Uma abordagem para detecção automática de estilos de aprendizagem de estudantes utilizando mineração de dados. 2019. 71 p. Dissertação (Mestrado Profissional em Educação) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2019. | pt_BR |
| dc.identifier.uri | https://acervo.ufvjm.edu.br/items/a661f960-e52f-4566-b7fd-55d2c39c2642 | |
| dc.language.iso | por | |
| dc.publisher | UFVJM | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data. | pt_BR |
| dc.subject.keyword | Estilos de aprendizagem | pt_BR |
| dc.subject.keyword | Mineração de dados | pt_BR |
| dc.subject.keyword | Sistemas de gerenciamento de aprendizagem | pt_BR |
| dc.subject.keyword | Detecção de estilos de aprendizagem | pt_BR |
| dc.subject.keyword | Learning styles | en |
| dc.subject.keyword | Data mining | en |
| dc.subject.keyword | Learning management systems | en |
| dc.subject.keyword | Detection of learning styles | en |
| dc.title | Uma abordagem para detecção automática de estilos de aprendizagem de estudantes utilizando mineração de dados | pt_BR |
| dc.type | Dissertação | pt_BR |