Uma Rede Bayesiana aplicada à Modelagem do Conhecimento Algébrico do Aprendiz

• Henrique M. Seffrin Universidade do Vale do Rio dos Sinos (UNISINOS)
• Geiseane Rubi Universidade do Vale do Rio dos Sinos (UNISINOS)
• Patrícia Jaques Universidade do Vale do Rio dos Sinos (UNISINOS)

DOI: https://doi.org/10.5753/cbie.sbie.2013.597

Resumo

Devido à capacidade de inferir probabilidades a partir de dados incertos e imprecisos, Redes Bayesianas (RB) tem sido utilizadas para modelar o conhecimento do aluno em Sistemas Tutores Inteligentes (STI). Este artigo apresenta a implementação de uma RB para um modelo de aluno no domínio de álgebra. A rede foi modelada baseando-se em um mapa conceitual de operações de 1o grau. Diferentemente de outros trabalhos na área, esta rede infere o conhecimento do aluno a partir de cada ação (passo) do aluno na resolução das equações, no lugar de realizar a inferência a partir do sucesso na resposta final. Uma avaliação foi conduzida com a rede e o seu resultado foi comparado com a opinião de uma especialista. Os resultados mostraram similaridade significativa entre as avaliações da rede e os dados da especialista.

Palavras-chave: Redes Bayesianas, Modelagem de Conhecimento, Sistemas Tutores Inteligentes, Álgebra

Referências

Chieu, V., Luengo, V., Vadcard, L., and Tonetti, J. (2010). Student Modeling in Orthopedic Surgery Training. Int. J. of Artificial Intelligence in Education, 20:269–301.

Conati, C., Gertner, A., and Vanlehn, K. (2002). Using Bayesian networks to manage uncertainty in student modeling. User Modeling and User-Adapted Interaction, 12(4):371–417.

Faria, W. d. (1995). Mapas conceituais: aplicações ao ensino, currículo e avaliação. São Paulo: EPU.

Gertner, M. A., Gertner, A. S., Conati, C., and Vanlehn, K. (1998). Procedural help in andes: Generating hints using a bayesian network student. In Proceedings of the 15th National Conference on Artificial Intelligence, pages 106–111. AAAI Press.

Koedinger, K. R., Anderson, J. R., Hadley, W. H., and Mark, M. A. (1997). Intelligent Tutoring Goes To School in the Big City. Int. J. of Artificial Intelligence in Education, 8(1):30–43.

Millán, E., Descalço, L., Castillo, G., Oliveira, P., and Diogo, S. (2013). Using Bayesian networks to improve knowledge assessment. Computers & Education, 60(1):436–447.

Millán, E., Loboda, T., and Pérez-de-la Cruz, J. L. (2010). Bayesian networks for student model engineering. Computers & Education, 55(4):1663–1683.

Moreira, M. A. and Masini, E. F. S. (2011). Aprendizagem Significativa: A teoria de David Ausubel. Centauro.

Nicaud, J. F., Bittar, M., Chaachoua, H., Inamdar, P., and Maffei, L. (2006). Experiments with Aplusix in Four Countries. Int. J. for Technology in Mathematics Education, 13(2):79–88.

Russell, S. J. and Norvig, P. (2002). Artificial Intelligence: A Modern Approach (2nd Edition). Prentice Hall.

Vanlehn, K. (2006). The Behavior of Tutoring Systems. International Journal of Artificial Intelligence in Education, 16(3):227–265.

Woolf, B. and McDonald, D. (1984). Building a computer tutor: Design issues. Computer, 17(9):61–73.

Woolf, B. P. (2008). Building intelligent interactive tutors, volume 3. Morgan Kaufmann.