Detecção Automática e Dinâmica de Estilos de Aprendizagem em Sistemas Adaptativos e Inteligentes utilizando Dynamic Scripting

• Júlio César da Costa Silva Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Cristiano Pitangui Universidade Federal de São João Del-Rei (UFSJ)
• Alessandro Vivas Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
• Luciana Assis Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1327

Resumo

Sistemas Adaptativos e Inteligentes para a Educação (SAIE) buscam fornecer assistência personalizada ao aluno por meio da detecção de seu Estilo de Aprendizagem (EA). Uma das técnicas mais exploradas para esta detecção é o Aprendizado por Reforço (AR). Contudo, tal técnica, em alguns casos, é considerada de lenta convergência. Este trabalho propõe o aperfeiçoamento de um SAIE utilizando uma adaptação da técnica de Dynamic Scripting, considerada mais rápida que o AR. Experimentos demostraram que a proposta, comparada às soluções da literatura, reduziu o número de problemas de aprendizagem em ≈ 54%, e ≈ 35%, respectivamente, para EAs Estáticos e Dinâmicos, enquanto reduz o número de interações do sistema em ≈ 5,7%.

Palavras-chave: Estilos de Aprendizagem, Sistemas Adaptativos e Inteligentes, Dynamic Scripting

Referências

Armstrong, W., Christen, P., McCreath, E., and Rendell, A. P. (2006). Dynamic algorithm selection using reinforcement learning. In Integrating AI and Data Mining, 2006. AIDM’06. International Workshop on, pages 18–25. IEEE.

Cerqueira, T. C. S. (2000). Estilos de aprendizagem em universitários. PhD thesis.

Diab, S. et al. (2017). Classification of questions and learning outcome statements (los) into bloom's taxonomy (bt) by similarity measurements towards extracting of learning outcome from learning material. arXiv preprint arXiv:1706.03191.

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.

Dorça, F. A., Lima, et al. (2013). Comparing strategies for modeling students' learning style through reinforcement learning in adaptive and intelligent educational systems: An experimental analysis. Expert Systems with Applications, 40(6):2092–2101.

Falci, S. H., Vivas, A., Assis, L., and Pitangui, C. (2016). Uma Nova Abordagem para Aplicação de Reforço em Sistemas Automáticos e Adaptativos de Detecção de Estilos de Aprendizagem. ReABTIC, 1(6).

Felder, R. et al. (1988). Learning and teaching styles in engineering education. Engineering education, 78(June):674–681.

Gonçalves, A. V. (2016). Modelagem Automática e Dinâmica de Estilos de Aprendizagem em Sistemas Adaptativos e Inteligentes para Educação a Distância: Estudo Comparativo entre Duas Abordagens. (1):121.

Haider (2010). An Investigation of relationship between learning styles and performance of learners. International Journal of Engineering Science and Technology, 2(7).

Hood, B. et al. (2017). No evidence to back idea of learning styles. The Guardian, (March).

Kenski, V. M. (2003). Tecnologias e ensino presencial e a distância. Papirus Editora.

Kirschner, P. A. (2017). Stop propagating the learning styles myth. Computers and Education, 106:166–171.

Kirschner, P. A. et al. (2013). Do learners really know best? urban legends in education. Educational psychologist, 48(3):169–183.

Kolb, A. Y. (2005). The kolb learning style inventory-version 3.1 2005 technical specifications. Boston, MA: Hay Resource Direct, 200:72.

Osaka, S. et al. (2006). A method for online adaptation of computer-game ai rule base. In Proceedings of the 2006 ACM SIGCHI international conference on Advances in computer entertainment technology, page 16. ACM.

Pashler, H., McDaniel, M., Rohrer, D., and Bjork, R. (2008). Learning Styles: Concepts and Evidence. Psychological Science in the Public Interest, 9(3):105–119.

Price, L. (2004). Individual differences in Learning: Cognitive control, cognitive style, and learning style. Educational Psychology, 24(5):681–698.

Rabin, S. (2002). AI Game Programming Wisdom. Charles River Media; 1 edition (April 3, 2002), Boston, first edition.

Rawson, K., Stahovich, T. F., and Mayer, R. E. (2017). Homework and achievement: Using smart pen technology to find the connection. Journal of Educational Psychology.

Rodrigues, L. H. S., Assis, L., Vivas, A., Pitangui, C., and Falci, S. (2016). Análise comparativa de novas abordagens para modelagem automática e dinâmica de estilos de aprendizagem em sistemas adaptativos e inteligentes para educação. (Cbie):1076.

Sena, E. B. et al. (2016). Uma abordagem computacional para detecção automática de estilos de aprendizagem utilizando modelos ocultos de Markov. SIED: EnPED.

Silva, L. L. V. (2012). Estilos e estratégias de aprendizagem de estudantes universitários.

Spronck, P. (2005). Adaptive Game AI. PhD thesis, Universitaire Pers Maastricht.

Spronck, P., Ponsen, M., Sprinkhuizen-Kuyper, I., and Postma, E. (2006). Adaptive game AI with dynamic scripting. Machine Learning, 63(3):217–248.

Sutton, R. S. et al. (1998). Reinforcement learning: An introduction, volume 1. MIT press Cambridge.

Truong, H. M. (2015). Integrating learning styles and adaptive e-learning system: Current developments, problems and opportunities. Computers in Human Behavior.

Uberaba, U. d. (2016). Manual do Professor Tutor. Uberaba, MG.

Veenman, M. V. J., Prins, F. J., and Verheij, J. (2003). Learning styles: Self-reports versus thinking-aloud measures. British Journal of Educational Psychology, 73:357–372.