Uma Abordagem Baseada em Algoritmo Genético para Formação de Grupos de Estudos em Ambientes Virtuais de Aprendizagem

• Andson M. Balieiro Universidade de Pernambuco (UPE)
• Igor Melo Universidade de Pernambuco (UPE)
• Débora Araújo Universidade Federal de Pernambuco (UFPE)
• Sebastião R. Neto Universidade Federal de Alagoas (UFAL)
• Eraylson Galdino Universidade Federal de Pernambuco (UFPE)
• Anselmo Gomes Universidade de Pernambuco (UPE)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1287

Resumo

O avanço da Tecnologia de Informação e Comunicação tem impulsionado o crescimento da modalidade de educação a distância (EAD). Um grande aliado da EAD é o ambiente virtual de aprendizagem (AVA), que busca representar a sala de aula de maneira virtual. Embora apresentem diversas ferramentas (ex. chat e fórum), a formação de grupos de estudos em AVAs ainda é negligenciada. Ela é um problema NP – difícil e apresenta características distintas do ambiente presencial. Este artigo formula o problema de formação de grupos em AVAs e propõe uma abordagem baseada em Algoritmo Genético para resolvê-lo. Resultados mostram que o esquema proposto é superior em até 25% o esquema aleatório.

Palavras-chave: Algoritmo Genético, Ambientes Virtuais de Aprendizagem, Formação de Grupos, Educação a Distância

Referências

Balieiro, A. et. al. “A multi-objective genetic optimization for spectrum sensing in cognitive radio”, Expert Systems with Applications, v. 41, issue 8, p. 3640–3650, 2014.

BRASIL. “Lei de Diretrizes e Bases da Educação Nacional”. Lei número 9394, 20 de dezembro de 1996.

ABED.org. (2015). “Relatório Analítico da Aprendizagem a distância no Brasil”. Disponível em [link] . Acesso em 12 de abr, 2017.

Chen, S. et. al. (2010). “Genetic algorithm-based optimization for cognitive radio networks”, IEEE Sarnoff Symposium, 2010.

GLOBO.COM. (2014). “Matrículas em Cursos à Distância crescem 50% em um ano”. Disponível em: Acesso em: [link] 29 de abril, 2016.

Goldberg, D.E., “Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley, 1989.

Jácome Júnior, L.; Mendes Neto, F. M.; Silva, L. C. N. (2012). “Uma Abordagem Baseada em Algoritmo Genético para Recomendação de Objetos de Aprendizagem Sensível ao Contexto do Estudante”. XXIII Simpósio Brasileiro de Informática na Educação (SBIE), 2012.

Lin, Y. T.; Huang, Y. M.; Cheng, S. C. (2010). “An automatic group composition system for composing collaborative learning groups using enhanced particle swarm optimization”. Computers & Education, 55(4), 1483–1493, 2010.

Moreno, J.; Ovalle, D. A.; Vicari, R. M. (2012). “A genetic algorithm approach for group formation in collaborative learning considering multiple student characteristics”. Computers & Education. 58(1), 560–569 (2012).

Rocha, F. E. L.et al. (2004) . “Especificação de um Algoritmo Genético para auxiliar na Avaliação da Aprendizagem Significativa com Mapas Conceituais”. XXV Simpósio Brasileiro de Informática na Educação (SBIE), 2004.

Silveira, S. R. (2006). “Formação de grupos colaborativos em um Ambiente Multiagente Interativo de Aprendizagem na Internet: um estudo de caso utilizando sistemas multiagentes e algoritmos genéticos”. Universidade Federal do Rio Grande do Sul (UFRS), Tese, 2006.

Thomaz, Cintia. (2014). “Os bons resultados do estudo em grupos – agora na internet”. Disponível em: [link] Acesso em 15 de maio, 2016.

Viana, W. S.; Oliveira, E. H. T. (2015). “Uma abordagem ciente de contexto para Criação e Realização de atividades restritas por localização em EAD. XXVI Simpósio Brasileiro de Informática na Educação (SBIE 2015), 2015. p. 907-916.

Yannibelli, V.; Amandi, A. (2012). “A deterministic crowding evolutionary algorithm to form learning teams in a collaborative learning context”. Expert Syst. Appl. 39(10), 8584–8592, 2012.