Identificação de Intervenções Tutoriais para Ambientes Virtuais de Aprendizagem
Resumo
O objetivo desde trabalho é apresentar quais intervenções tutoriais, a partir da classificação do tipo de erro cometido pelo aprendiz, mais contribuíram para uma solução correta dos exercícios. Para isso, um experimento utilizando o jogo de frações matemáticas foi realizado em um ambiente real. No jogo foi implementado um modelo de intervenção tutorial que além da indicação da intervenção com base no erro, realiza a inferência das emoções do aprendiz permitindo acompanhar suas mudanças de estados afetivos. Nesse contexto, os resultados indicam que as intervenções do tipo Dicas/Informação transmitida e o tipo Feedback/Explicativo e Meta ou de objetivo foram os que mais auxiliaram os aprendizes a responder corretamente as operações.
Palavras-chave:
Intervenção Tutorial, Estados Afetivos, Sistemas Tutores Inteligentes
Referências
Burns, H. L. e Capps, C. G. (2013). Foundations of intelligent tutoring systems: Na introduction. Foundations of intelligent tutoring systems, page 1.
D’Mello, S., Picard, R. W., e Graesser, A. (2007). Toward an affect-sensitive autotutor. IEEE Intelligent Systems, 22(4):53–61.
Economides, A. A. (2005). Adaptive feedback evaluation. In Proceedings of the 5th WSEAS International Conference on Distance Learning and Web Engineering.
Ekman, P. (1992). An argument for basic emotions.Cognition and Emotion, 6:169–200.
Fleming, M. L. e Levi, W. H. (1993). Instructional message design: Principles from the behavioral and cognitive sciences. Educational technology.
Gottardo, E. e Pimentel, A. (2018). Reconhecimento e adaptação à dinâmica de estados afetivos relacionados à aprendizagem. InAnais do XXIX Simpósio Brasileiro de Informática na Educação (SBIE 2018).
Hannafin, M., Land, S., e Oliver, K. (1999). Open learning environments: Foundations, methods, and models. Instructional-design theories and models: A new paradigm of instructional theory, 2:115–140.
Hume, G., Michael, J., Rovick, A., e Evens, M. (1996). Hinting as a tactic in one-on-one tutoring. Journal of the Learning Sciences, 5(1):23–47.
Leite, D. M., Marczal, D., Krynski, E., Pimentel, A. R., Direne, A., e Reinaldo, F. (2015). Otimizando o processo de ensino e aprendizagem com a arquitetura para desenvolvimento de objetos de aprendizagem - adoa. Simpósio Brasileiro de Informática na Educação - SBIE, 26(1):1002.
Leite, M. D., Pimentel, A. R., e Pietruchinski, M. H. (2012). Remediação de erros baseada em múltiplas representações externas e classificação de erros aplicada a objetos de aprendizagem inteligentes. In Simpósio Brasileiro de Informática na Educação - SBIE, volume 23.
Marczal, D., Direne, A., Pimentel, A., e Krynski, E. M. (2015). FARMA: Uma ferramenta de autoria para objetos de aprendizagem de conceitos matemáticos. In Anais dos Workshops do IV Congresso Brasileiro de Informática na Educação (CBIE 2015).
Marczal, D., Direne, A. I., Pimentel, A. R., Maschio, E., e Borille, A. C. (2016). Metodologia e software educacional para a investigação e remediação de erros conceituais em matemática. Revista Brasileira de Informática na Educação, 24(02):77.
McKendree, J. (1990). Effective feedback content for tutoring complex skills. Human–Computer Interaction, 5(4):381–413.
McLoughlin, C. (2004). Achieving excellence in teaching through scaffolding learner competence. Seeking Educational Excellence, pages 9–10.
Movshovitz-Hadar, N., Zaslavsky, O., e Inbar, S. (1987). An empirical classification model for errors in high school mathematics. Journal for research in mathematics Education, pages 3–14.
Narciss, S. (2013). Designing and evaluating tutoring feedback strategies for digital learning environments on the basis of the interactive tutoring feedback model. Digital Education Review, 23:7–26.
Peng, A. e Luo, Z. (2009). A framework for examining mathematics teacher knowledge as used in error analysis. For the learning of mathematics, 29(3):22–25.
Pour, P. A., Hussain, M. S., AlZoubi, O., D’Mello, S., e Calvo, R. A. (2010). The impact of system feedback on learners’ affective and physiological states. InInternational Conference on Intelligent Tutoring Systems, pages 264–273. Springer.
Shen, L., Le ́on, E., Callaghan, V., e Shen, R. (2007). Exploratory research on an affective e-learning model.
Vanlehn, K. (2006). The behavior of tutoring systems. International journal of artificial intelligence in education, 16(3):227–265.
D’Mello, S., Picard, R. W., e Graesser, A. (2007). Toward an affect-sensitive autotutor. IEEE Intelligent Systems, 22(4):53–61.
Economides, A. A. (2005). Adaptive feedback evaluation. In Proceedings of the 5th WSEAS International Conference on Distance Learning and Web Engineering.
Ekman, P. (1992). An argument for basic emotions.Cognition and Emotion, 6:169–200.
Fleming, M. L. e Levi, W. H. (1993). Instructional message design: Principles from the behavioral and cognitive sciences. Educational technology.
Gottardo, E. e Pimentel, A. (2018). Reconhecimento e adaptação à dinâmica de estados afetivos relacionados à aprendizagem. InAnais do XXIX Simpósio Brasileiro de Informática na Educação (SBIE 2018).
Hannafin, M., Land, S., e Oliver, K. (1999). Open learning environments: Foundations, methods, and models. Instructional-design theories and models: A new paradigm of instructional theory, 2:115–140.
Hume, G., Michael, J., Rovick, A., e Evens, M. (1996). Hinting as a tactic in one-on-one tutoring. Journal of the Learning Sciences, 5(1):23–47.
Leite, D. M., Marczal, D., Krynski, E., Pimentel, A. R., Direne, A., e Reinaldo, F. (2015). Otimizando o processo de ensino e aprendizagem com a arquitetura para desenvolvimento de objetos de aprendizagem - adoa. Simpósio Brasileiro de Informática na Educação - SBIE, 26(1):1002.
Leite, M. D., Pimentel, A. R., e Pietruchinski, M. H. (2012). Remediação de erros baseada em múltiplas representações externas e classificação de erros aplicada a objetos de aprendizagem inteligentes. In Simpósio Brasileiro de Informática na Educação - SBIE, volume 23.
Marczal, D., Direne, A., Pimentel, A., e Krynski, E. M. (2015). FARMA: Uma ferramenta de autoria para objetos de aprendizagem de conceitos matemáticos. In Anais dos Workshops do IV Congresso Brasileiro de Informática na Educação (CBIE 2015).
Marczal, D., Direne, A. I., Pimentel, A. R., Maschio, E., e Borille, A. C. (2016). Metodologia e software educacional para a investigação e remediação de erros conceituais em matemática. Revista Brasileira de Informática na Educação, 24(02):77.
McKendree, J. (1990). Effective feedback content for tutoring complex skills. Human–Computer Interaction, 5(4):381–413.
McLoughlin, C. (2004). Achieving excellence in teaching through scaffolding learner competence. Seeking Educational Excellence, pages 9–10.
Movshovitz-Hadar, N., Zaslavsky, O., e Inbar, S. (1987). An empirical classification model for errors in high school mathematics. Journal for research in mathematics Education, pages 3–14.
Narciss, S. (2013). Designing and evaluating tutoring feedback strategies for digital learning environments on the basis of the interactive tutoring feedback model. Digital Education Review, 23:7–26.
Peng, A. e Luo, Z. (2009). A framework for examining mathematics teacher knowledge as used in error analysis. For the learning of mathematics, 29(3):22–25.
Pour, P. A., Hussain, M. S., AlZoubi, O., D’Mello, S., e Calvo, R. A. (2010). The impact of system feedback on learners’ affective and physiological states. InInternational Conference on Intelligent Tutoring Systems, pages 264–273. Springer.
Shen, L., Le ́on, E., Callaghan, V., e Shen, R. (2007). Exploratory research on an affective e-learning model.
Vanlehn, K. (2006). The behavior of tutoring systems. International journal of artificial intelligence in education, 16(3):227–265.
Publicado
24/11/2020
Como Citar
ASCARI, Soelaine Rodrigues; GOTTARDO, Ernani; PIMENTEL, Andrey Ricardo.
Identificação de Intervenções Tutoriais para Ambientes Virtuais de Aprendizagem. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 31. , 2020, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 842-851.
DOI: https://doi.org/10.5753/cbie.sbie.2020.842.
