Identificação do Estilo de Aprendizagem utilizando o Modelo LV como auxílio para personalização de Sistemas Tutores Inteligentes
Resumo
A identificação de Estilos de Aprendizagem (EA) busca fornecer auxílio em sistemas adaptativos baseados nas preferências de cada aluno, assim como pode contribuir em sistemas de recomendação e sistemas tutores inteligentes. Esta pesquisa propõe classificar perfis de aprendizagem a partir dos registros das atividades dos alunos, gerados pelo Modelo Learning Vectors (LV), dentro de um Ambiente Virtual de Aprendizagem (AVA). O modelo de Felder e Silverman foi utilizado como base, inicialmente na dimensão processamento. Diferentes técnicas de aprendizado de máquina foram implementadas e comparadas para realizar esta classificação. Como resultado, obteve-se uma taxa de acurácia máxima de 72,50% com o algoritmo KNN usando os atributos do LV e 69,99% com o SVM usando atributos escolhidos com base na literatura.
Palavras-chave:
Estilos de Aprendizagem, Modelos LV, Sistemas Tutores Inteligentes, Sistemas Adaptativos, Aprendizagem de Máquina
Referências
Albuquerque, M. C. N., Sales, G. L., Filho, P. P. R., and de Sá Medeiros, C. M. (2017). Avaliação da presencialidade em um fórum LV utilizando lógica fuzzy. XXVIII Simpósio Brasileiro de Informática na Educação (SBIE 2017).
Dorça, F. A. (2012). Uma abordagem estocástica baseada em aprendizagem por reforço para modelagem automática e dinâmica de estilos de aprendizagem de estudantes em sistemas adaptativos e inteligentes para educação a distância. PhD thesis, Universidade Federal de Uberlândia, Uberlândia.
Felder, R. M. and Silverman, L. K. (1988). Learning and teaching styles in engineering education. ENGINEERING EDUCATION.
Felder, R. M. and Soloman, B. A. (1997). Index of learning styles questionnaire.
Cacais, M. G. and Sales, G. L. (2017). A collaborative system for corporate performance evaluation using gamification and the learning vectors model. In 2017 12th International Conference for Internet Technology and Secured Transactions (ICITST), pages 484–489.
Graf, S., Kinshuk, and Liu, T.-C. (2009). Supporting teachers in identifying students’ learning styles in learning management systems: An automatic student modelling approach. Journal of Educational Technology and Society, 12(4):3–14.
Hung, Y. H., Chang, R. I., and Lin, C. F. (2016). Hybrid learning style identification and developing adaptive problem-solving learning activities. Computers in Human Behavior, 55:552–561.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Sales, G. L. (2010). Learning Vectors (LV): um modelo de avaliação da aprendizagem em EaD online aplicando métricas não-lineares. Tese de doutorado, Universidade Federal do Ceará, Fortaleza, CE, Brasil.
Wong, L.-H. and Looi, C.-K. (2012). Swarm intelligence: new techniques for adaptive systems to provide learning support. Interactive Learning Environments, 20(1):19–40.
Dorça, F. A. (2012). Uma abordagem estocástica baseada em aprendizagem por reforço para modelagem automática e dinâmica de estilos de aprendizagem de estudantes em sistemas adaptativos e inteligentes para educação a distância. PhD thesis, Universidade Federal de Uberlândia, Uberlândia.
Felder, R. M. and Silverman, L. K. (1988). Learning and teaching styles in engineering education. ENGINEERING EDUCATION.
Felder, R. M. and Soloman, B. A. (1997). Index of learning styles questionnaire.
Cacais, M. G. and Sales, G. L. (2017). A collaborative system for corporate performance evaluation using gamification and the learning vectors model. In 2017 12th International Conference for Internet Technology and Secured Transactions (ICITST), pages 484–489.
Graf, S., Kinshuk, and Liu, T.-C. (2009). Supporting teachers in identifying students’ learning styles in learning management systems: An automatic student modelling approach. Journal of Educational Technology and Society, 12(4):3–14.
Hung, Y. H., Chang, R. I., and Lin, C. F. (2016). Hybrid learning style identification and developing adaptive problem-solving learning activities. Computers in Human Behavior, 55:552–561.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Sales, G. L. (2010). Learning Vectors (LV): um modelo de avaliação da aprendizagem em EaD online aplicando métricas não-lineares. Tese de doutorado, Universidade Federal do Ceará, Fortaleza, CE, Brasil.
Wong, L.-H. and Looi, C.-K. (2012). Swarm intelligence: new techniques for adaptive systems to provide learning support. Interactive Learning Environments, 20(1):19–40.
Publicado
29/10/2018
Como Citar
OLIVEIRA, Edilaine S.; SALES, Gilvandenys L.; HOLANDA, Amauri H.; MOREIRA, Ramires N..
Identificação do Estilo de Aprendizagem utilizando o Modelo LV como auxílio para personalização de Sistemas Tutores Inteligentes. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 29. , 2018, Fortaleza/CE.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2018
.
p. 1906-1910.
DOI: https://doi.org/10.5753/cbie.sbie.2018.1906.
