Assistente conversacional para resolução de Problemas Trigonométricos em Linguagem Natural

Autores

  • Neiva Larisane Kuyven Centro Universitário Uniftec
  • Vinícius João de Barros Vanzin Centro Universitário Uniftec
  • Carlos André Antune Centro Universitário Uniftec
  • Alexandra Cemin Centro Universitário Uniftec
  • João Luis Tavares Silva Centro Universitário Uniftec
  • Liane Margarida Rockenbach Tarouco UFRGS

DOI:

https://doi.org/10.5753/rbie.2020.28.0.208

Palavras-chave:

Chatbot, Deep Learning, Sistemas Tutores Inteligentes, Trigonometria, Ensino e Aprendizagem

Resumo

Sistemas Tutores Inteligentes (STI) constituem-se, atualmente, em uma área interdisciplinar que investiga como representar modelos de conteúdo instrucional baseado em decisões pedagógicas que consideram as interações dos estudantes. Normalmente, estas decisões são estruturadas a partir da modelagem do estudante, regras que representam o conhecimento do domínio, de um especialista e as estratégias de ensino. Entretanto, a maioria dos STI preconiza a inferência de nível de necessidade do estudante através do feedback de exercícios e atividades planejados pelo STI, limitando assim a possibilidade interativa do estudante em relação a interface conversacional. Chatbots são então agregados aos STI fornecendo uma abordagem mais ""assistente"", usando técnicas de processamento de linguagem natural e de inteligência artificial, em geral, para gerenciar estas interações. Este artigo apresenta uma abordagem que proporciona maior grau de liberdade ao estudante, quando possibilita a entrada livre, em linguagem natural, de problemas do domínio não necessariamente pertencente a base de atividades do STI. Neste trabalho, uma abordagem baseada em aprendizagem profunda (Deep Learning) é usada para mapear automaticamente estes problemas trigonométricos, fornecidos como entrada livre pelo usuário, em modelos de equações, como parte de um projeto maior de um STI na área da Trigonometria (STIT). Esta abordagem traduz diretamente problemas matemáticos em modelos de equações usando um modelo de Rede Neural Recorrente (RNR), combinando um tratamento do conhecimento linguístico para modelar o contexto trigonométrico. Os experimentos conduzidos demonstraram que o modelo proposto classificou corretamente grande parte dos problemas enunciados por um grupo de alunos, fornecendo respostas para os problemas propostos em um formato de resolução passo a passo de um CAS (Computer Algebra System).

Downloads

Não há dados estatísticos.

Referências

Chigonga, B. (2016). Learners’ errors when solving trigonometric equations and suggested interventions from grade 12 mathematics teachers. Proceedings of ISTE International Conference on Mathematics, Science and Technology Education. Limpopo, South Africa. pp. 163-176. [GS Search]

Demir, O., Heck, A. (2013). A new learning trajectory for trigonometric functions. In E. Faggiano, & A. Montone (Eds.), Proceedings of the 11th International Conference on Technology in Mathematics Teaching, pp. 119-124. [GS Search]

Fadaee, M, Bisazza, A. & Monz, M. (2017). Data Augmentation for Low-Resource Neural Machine Translation. In Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers). Vancouver, Canada, pp. 567-573. [DOI:10.18653/v1/P17-2090][GS Search]

Feijó, R.S.A.A. (2018). Dificuldades e obstáculos no aprendizado de Trigonometria: um estudo com alunos do ensino médio do Distrito Federal. Dissertação de Mestrado Profissional em Matemática em Rede Nacional (PROFMAT) da Universidade de Brasília (UNB), Brasília. 108p.

Gliozzo, A.,Ackerson, C., Bhattacharya, R., Goering, A., Jumba, A., Kim, S.Y., Krishnamurthy, L., Lam, T., Littera, A., McIntosh, I., Murthy, S. & Ribas, M.. (2017). Building Cognitive Applications with IBM Watson Services. IBM Redbooks. 132 p. Retrieved From: "http://www.redbooks.ibm.com/redbooks/pdfs/sg248387.pdf"

Graesser, A. C., , VanLehn, K., Rosé, C. P., Jordan, P. W. & Harter, D. (2001). Intelligent tutoring systems with conversational dialogue. AI Magazine, 22(4), pp. 39-52. [DOI:10.1609/aimag.v22i4.1591][GS Search]

Goodfellow, I., Bengio Y. & Courville, A. Deep Learning. Adaptive Computation and Machine Learning series. MIT Press. 2016. ISBN-13: 978-0262035613. [GS Search]

Greff, K., Srivastava, R.K., Koutník, J. Steunebrink, B. R. & Schmidhuber, J. (2016). LSTM: A Search Space Odyssey. IEEE Transactions on Neural Networks and Learning Systems, 28(10). [DOI:10.1109/TNNLS.2016.2582924][GS Search]

IBM ILOG. 2013. IBM ILOG CPLEX Optimization Studio 12.6. IBM Europe, Middle East, and Africa Software Announcement ZP13-0553, dated October 1, 2013.

Ishartono, N.; Juniati, D.; Lukito, A. (2016). Developing Mathematics Teaching Devices in the Topic of Trigonometry Based on Guided Discovery Teaching Method, Journal of Research and Advances in Mathematics Education, 2016,1(2), pp. 154-171.

Kamber, D; Takaci, D. (2018). On problematic aspects in learning trigonometry, International Journal of Mathematical Education in Science and Technology, 49(2), pp. 161-175. [DOI:10.1080/0020739X.2017.1357846]

Karpathy, A. (2017). Convolutional neural networks. Retrieved from: http://cs231n.github.io/ convolutional-networks. Access: Dez/2018.

Koncel-Kedziorski, R., Hajishirzi, H., Sabharwal, A., Etzioni, O. & Ang, S. D. (2015). Parsing algebraic word problems into equations. Transactions of the Association for Computational Linguistics, 3, pp. 585-597. ISSN: 2307-387X. [GS Search]

Kushman, N., Artzi, Y., Zettlemoyer, L. & Barzilay, R. (2014). Learning to automatically solve algebra word problems. In Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) Vol. 1, pp. 271-281. ISBN: 978-1-937284-72-5.[GS Search]

LeCun, Y., Bengio, Y. & Hinton, G. (2015). Deep Learning. Nature, Vol. 521, pp. 436-444. doi: 10.1038/nature14539. [DOI:10.1038/nature14539] [GS Search]

Martins, F. J., Ferrari, D.N. & Geyer, C.F.R. (2003). jXChat - Um Sistema de Comunicação Eletrônica Inteligente para apoio a Educação a Distância. In SBIE - Brazilian Symposium on Computers in Education, pp.445-454. [DOI:10.5753/cbie.sbie.2003.445-454][GS Search]

Moraes, S. & Machado, R. (2016). Chatterbot for Education: a Study based on Formal Concept Analysis for Instructional Material Recommendation. In SBIE - Brazilian Symposium on Computers in Education, pp.1347-1351. [DOI:10.5753/cbie.sbie.2016.1347][GS Search]

Mikolov, Tomas, Kai Chen, Greg Corrado, and Jeffrey Dean. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.

Roy, S. & Roth, D. (2016). Illinois Math Solver: Math Reasoning on the Web. In Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Demonstrations, pp. 52-56. [DOI: https://doi.org/10.18653/v1/N16-3011][GS Search]

Shi, S., Wang, Y., Lin, C., Liu, X. & Rui, Y. (2015). Automatically solving number word problems by semantic parsing and reasoning. In Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, pp. 1132-1142. [DOI:10.18653/v1/D15-1135][GS Search]

SymPy Development Team. (2018). SymPy Documentation. Retrieved from: "http://docs.sympy.org/latest/index.html". Access: Jun/2018.

Tall, D., Vinner, S. (1981). Concept image and concept definition in mathematics with particular reference to limits and continuity. Educational Studies in Mathematics, 12(2), pp.151-169. [GS Search]

Vygotsky, L. S. (2007). A formação social da mente: o desenvolvimento dos processos psicológicos superiores. 7 edição. São Paulo: Martins Fontes.

Wang, Y., Liu, X. & Shi, S. (2017). Deep Neural Solver for Math Word Problems. In Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing, pp.845-854. [DOI:10.18653/v1/D17-1088][GS Search]

Weber, K. (2005). Students’ Understanding of Trigonometric Functions. Mathematics Education Research Journal, 17(3), pp.91-112. [DOI:10.1007/BF03217423][GS Search]

Wenger, E. (1987). Artificial Intelligence and Tutoring Systems: Computational and Cognitive Approaches to the Communication of Knowledge. San Francisco: Morgan Kaufmann.

Wood, D. (2003). The why? what? when? and how? of tutoring: The development of helping and tutoring skills in children. Literacy Teaching and Learning: An International Journal of Early Reading and Writing, 7(1-2), pp.1-30. [GS Search]

Arquivos adicionais

Publicado

2020-02-16

Como Citar

KUYVEN, N. L.; VANZIN, V. J. de B.; ANTUNE, C. A.; CEMIN, A.; SILVA, J. L. T.; TAROUCO, L. M. R. Assistente conversacional para resolução de Problemas Trigonométricos em Linguagem Natural. Revista Brasileira de Informática na Educação, [S. l.], v. 28, p. 208–228, 2020. DOI: 10.5753/rbie.2020.28.0.208. Disponível em: https://sol.sbc.org.br/journals/index.php/rbie/article/view/3862. Acesso em: 27 fev. 2024.

Edição

Seção

Artigos Premiados

Artigos mais lidos pelo mesmo(s) autor(es)