Detecção de Estilos de Aprendizagem em Ambientes Virtuais de Aprendizagem Utilizando Redes Bayesianas

• Luiz Filipe C. Salazar Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Luciana Assis Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Alessandro Vivas Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Cristiano Pitangui Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Samuel Falci Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1317

Resumo

As Tecnologias da Informação e Comunicação (TICs) e a Internet criaram um cenário que oferece um ambiente de aprendizagem dinâmico e autônomo, possibilitando modelos de educação como a Educação a Distância. O presente trabalho apresenta uma proposta de detecção automática do Estilo de Aprendizagem do Estudante utilizando técnicas de Redes Bayesianas, para criar condições favoráveis de adaptatividade em Ambientes Virtuais de Aprendizagem, caracterizando um Sistema de Tutoria Inteligente Adaptativo. Tal abordagem apresenta resultados satisfatórios comparados a um dos métodos apresentados pela literatura.

Palavras-chave: Estilos de Aprendizagem, Redes Bayesianas, Ambientes Virtuais de Aprendizagem

Referências

Belloni, M.L. (2003). Educação a distância. In Educação contemporânea. Autores Associados.

Charniak, E. (1991). Bayesian networks without tears. AI magazine, 12(4): 50.

Dorça, F.A. et al. (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.

Felder, R.M. and Henriques, E.R. (1995). Learning and teaching styles in foreign and second language education. Foreign language annals, 28(1): 21–31.

Felder, R.M., Silverman, L.K., et al. (1988). Learning and teaching styles in engineering education. Engineering education, 78(7): 674–681.

García, P., Amandi, A., Schiaffino, S., and Campo, M. (2007). Evaluating bayesian networksâ precision for detecting studentsâ learning styles. Computers & Education, 49(3): 794–808.

Hunter, B. (2002). Learning in the virtual community depends upon changes in local communities. Building virtual communities: Learning and change in cyberspace, pages 96–126.

Kolb, D.A. (2014). Experiential learning: Experience as the source of learning and development. FT press.

Lévy, P. (2007). Inteligência coletiva (A). Edições Loyola.

Marques, R.L. and Dutra, I. (2002). Redes bayesianas: o que são, para que servem, algoritmos e exemplos de aplicações. Coppe Sistemas – Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.

Montgomery, D.C. (2017). Design and analysis of experiments. John Wiley & Sons.

Russell, S. and Norvig, P. Inteligência artificial, 3e. [sl:sn], 2013. Technical report, ISBN 978-85-352-3701-6.

Sena, E.B.d. (2016). Proposta de uma abordagem computacional para detecção automática de estilos de aprendizagem utilizando modelos ocultos de Markov e fslsm. Master’s thesis, UFVJM.

Silva, D.H. and Dorça, F.A. (2014). Uma abordagem automática para personalização do processo de ensino baseada em estilos de aprendizagem em sistemas adaptativos e inteligentes para educação a distância. Revista Brasileira de Informática na Educação, 22(2): 1–15.