Classificação dos estilos de aprendizagem baseado em sistemas inteligentes: um estudo de caso na educação mediada por tecnologia

dc.contributor.advisorValentim, Ricardo Alexsandro de Medeiros
dc.contributor.advisorIDpt_BR
dc.contributor.authorCosta, Roberto Douglas da
dc.contributor.authorIDpt_BR
dc.contributor.referees1Dias, Aline de Pinho
dc.contributor.referees1IDpt_BR
dc.contributor.referees2Burlamaqui, Aquiles Medeiros Filgueira
dc.contributor.referees2IDpt_BR
dc.contributor.referees3Oliveira, Eloiza da Silva Gomes
dc.contributor.referees3IDpt_BR
dc.contributor.referees4Souza, Gustavo Fontoura de
dc.contributor.referees4IDpt_BR
dc.contributor.referees5Santos, João Paulo Queiroz Dos
dc.contributor.referees5IDpt_BR
dc.date.accessioned2020-05-19T18:02:01Z
dc.date.available2020-05-19T18:02:01Z
dc.date.issued2020-02-14
dc.description.abstractDistance education (DL) courses, increasingly common thanks to the advancement of the internet and the Virtual Learning Environments (VLE) that serve as interaction tools between student and educator, have become a major research niche in worldwide because of its ability to allow certain content to be taught to different people in different places and at different times. Most courses mediated by technologies in online environments present content in static pedagogical sequence, that is, always the same resources applied in the same order for all users, thinking about this, new methodologies were developed to improve the teaching and learning in distance learning. , such as artificial intelligence methods that seek to find relationships between pedagogical progress and educational technological resources available in VLEs. And these new methodologies become more real if applied in the distance learning modality, with the use of a VLE, as it will allow the same course to be customized for each user. An interesting parameter that could guide this personalization is the Student Learning Style, which identifies characteristics of how students learn. In this context, this thesis sought to associate the learning styles theory, which identifies the learning preferences of each student, with the observed behavior of distance education students through their interactions with VLE, using artificial intelligence techniques. This study aimed to analyze the relationship between the learning styles of a set of students and their behaviors registered by the VLE, aiming to answer the following questions: It is possible, automatically, to identify the students’ LS from their interactions with the student. Virtual Learning Environment (VLE)? What techniques can be developed to identify the students’ AE in courses taken in distance learning mediated by technologies, in order to improve a better academic path for student learning? To answer these questions, we use some artificial intelligence algorithms to identify the relationship of students’ AEs with their AVA behaviors. The results show that there is no relationship between Learning Styles and behavior variables. This difficulty can be explained by flaws in the instrument that identifies Learning Styles or in the variables that are used to characterize behavior, showing a lack of correlation between these theories.pt_BR
dc.description.resumoOs cursos de Educação à Distância (EaD), cada vez mais comuns graças ao avanço da internet e dos Ambientes Virtuais de Aprendizagem (AVA) que servem como ferramentas de interação entre o aluno e o educador, tornaram-se um grande nicho de pesquisas em todo o mundo devido a sua característica de permitir que um determinado conteúdo seja ensinado a diversas pessoas em locais diferentes e momentos distintos. A maior parte dos cursos mediados por tecnologias em ambientes online apresentam conteúdos em sequência pedagógica estática, ou seja, sempre os mesmos recursos aplicados na mesma ordem para todos os usuários, pensando nisso, novas metodologias foram desenvolvidas para melhorar o ensino e a aprendizagem em EaD, como exemplo os métodos de inteligência artificial que buscam encontrar relações entre o progresso pedagógico e os recursos tecnológicos educacionais disponíveis nos AVAs. E essas novas metodologias se torna mais real se for aplicada na modalidade de ensino EaD, com o uso de um AVA, pois permitirá que o mesmo curso possa ser personalizado para cada usuário. Um parâmetro interessante que poderia nortear essa personalização é o Estilo de Aprendizagem do Aluno, que identifica características de como os alunos aprendem. Nesse contexto, essa tese procurou associar a teoria dos Estilos de Aprendizagem, que identifica as preferências de aprendizado de cada aluno, ao comportamento observado dos estudantes da Educação a Distância através das suas interações com o AVA, utilizando técnicas de inteligência artificial. Neste trabalho buscou-se analisar a relação entre os estilos de aprendizagem de um conjunto de alunos e seus comportamentos registrados pelo AVA, objetivando responder aos seguintes questionamentos: É possível, de forma automática, identificar o EA dos alunos a partir de suas interações com o Ambiente Virtual de Aprendizagem (AVA)? Que técnicas podem ser desenvolvidas para identificar o EA dos alunos dos cursos realizados na modalidade EaD mediados por tecnologias, de modo a melhorar um caminho acadêmico melhor para a aprendizagem dos alunos? Para responder a essas perguntas, usamos alguns algoritmos de inteligência artificial para identificar a relação dos EA dos alunos com seus comportamentos no AVA. Os resultados mostram que não há relação entre os Estilos de Aprendizagem e as variáveis de comportamento. Essa dificuldade pode ser explicada por falhas no instrumento que identifica os Estilos de Aprendizagem ou nas variáveis que são utilizadas para caracterizar o comportamento evidenciando uma ausência de correlação entre essas teorias.pt_BR
dc.identifier.citationCOSTA, Roberto Douglas da. Classificação dos estilos de aprendizagem baseado em sistemas inteligentes: um estudo de caso na educação mediada por tecnologia. 2020. 81f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/29006
dc.languagept_BRpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEducação a distânciapt_BR
dc.subjectAmbiente virtual de aprendizagempt_BR
dc.subjectEstilos de aprendizagempt_BR
dc.subjectPadrões de comportamentopt_BR
dc.subjectAnálise de correlaçãopt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleClassificação dos estilos de aprendizagem baseado em sistemas inteligentes: um estudo de caso na educação mediada por tecnologiapt_BR
dc.typedoctoralThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Classificacaoestilosaprendizagem_Costa_2020.pdf
Tamanho:
1.53 MB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Baixar