Athena: Uma Ferramenta Visual para Auxiliar o Ensino da Inteligência Computacional

• Ronyérisson Braga Universidade Federal do Piauí (UFPI)
• Pedro Almir Oliveira Instituto Federal do Maranhão (IFMA)
• Matheus Souza Universidade Federal do Piauí (UFPI)
• Ricardo Britto Blekinge Institute of Technology (BTH)
• Ricardo Rabêlo Universidade Federal do Piauí (UFPI)
• Pedro Santos Neto Universidade Federal do Piauí (UFPI)

DOI: https://doi.org/10.5753/cbie.sbie.2016.1046

Resumo

Técnicas de Inteligência Computacional (IC) têm sido utilizadas amplamente nas mais diversas áreas de conhecimento, de modo a racionalizar custos e potencialmente aumentar lucros. Porém, usar esse tipo de técnica não é trivial, especialmente em setores cujos profissionais não tem grande conhecimento de programação. Visando facilitar o ensino, aprendizado, pesquisa e o uso de técnicas de IC, desenvolveu-se a Athena. Neste artigo, são reportados os resultados de um experimento que foi conduzido para identificar até que ponto o uso dessa ferramenta melhora o desempenho de alunos durante o aprendizado de técnicas de IC. Os resultados indicam que a Athena pode ser útil para educadores envolvidos com o ensino de IC.

Palavras-chave: Inteligência Computacional, Ferramenta Visual, Ensino, Aprendizado, Pesquisa

Referências

Amato, F., Lopez, A., Peña-Méndez, E. M., Vaňhara, P., Hampl, A., and Havel, J. (2013). Artificial neural networks in medical diagnosis. Journal of applied biomedicine, 11(2):47–58.

Azevedo, B. F. and Tavares, O. L. (1998). Um sistema tutor inteligente para suporte à aprendizagem de ‘conceitos de orientação a objetos. Revista Engenharia, UFES, Espírito Santo, Novembro.

Braga, R., Oliveira, P. A., Souza, M., Neto, P. S., Rabelo, R., and Britto, R. (2015). Ferramentas para desenvolvimento de sistemas baseados em inteligência computacional: Um mapeamento sistemático. In Anais do Simpósio Brasileiro de Automação Inteligente, volume 12.

Britto, R., Neto, P. S., Rabelo, R., Ayala, W., and Soares, T. (2012). A hybrid approach to solve the agile team allocation problem. In IEEE Congress on Evolutionary Computation (CEC), 2012, Brisbane, pages 1–8.

de Aragão, A. P., da Silva, D. A., Rabelo, R. d. A. L., de Oliveira, T. M., Ulisses, P. H. D. C., and Fernandes, R. A. S. (2015). Uma aplicação de redes neurais artificiais e otimização por enxame de partículas para estimativa do tamanho de nanopartículas de prata. In Anais do Simpósio Brasileiro de Automação Inteligente, volume 12.

Diekmann, A. and Gutjahr, S. (1998). Prediction of the euro-dollar future using neural networks: a case study for financial time series prediction. In Proceedings of the International Symposium on Intelligent Data Engineering and Learning, volume 98, pages 1998–13.

Engelbrecht, A. P. (2007). Computational Intelligence: An Introduction. Wiley Publishing, 2nd edition.

Laroza, J. and Seabra, R. (2015). Rea-uml: Recurso educacional aberto para ensino da uml. In Anais do Simpósio Brasileiro de Informática na Educação, volume 26, page 11.

Monteiro, B., Oliveira, E., Gomes, A. S., and Neto, F. M. M. (2015). Youubi: Ambiente de aprendizagem ubíqua. In Anais dos Workshops do Congresso Brasileiro de Informática na Educação, volume 4, page 1.

Oliveira, P., Souza, M., Braga, R., Brito, R., Lira Rabelo, R., and Neto, P. (2014). Athena: A visual tool to support the development of computational intelligence systems. In IEEE 26th International Conference on Tools with Artificial Intelligence (ICTAI), 2014, pages 950–959.

Santos-Neto, P., Britto, R., Soares, T., Ayala, W., Cruz, J., and Rabelo, R. (2012). Regression testing prioritization based on fuzzy inference systems. In SEKE, pages 273–278. Knowledge Systems Institute Graduate School.

Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B., and Wesslén, A. (2012). Experimentation in software engineering. Springer.

Zhu, T., Tso, S., and Lo, K. (2004). Wavelet-based fuzzy reasoning approach to power-quality disturbance recognition. IEEE Transactions on Power Delivery.