Novas abordagens para detecção automática de Estilos de Aprendizagem

• Ano de defesa: 2017
• Autor(a) principal: Falci, Samuel Henrique
• Orientador(a): Andrade, Alessandro Vivas
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: UFVJM
• Link de acesso: https://acervo.ufvjm.edu.br/items/995077c1-15e2-4e04-82cd-8f4a85bbcbb9

Este trabalho tem por objetivo apresentar soluções para o aperfeiçoamento do ensino através das plataformas de ensino à distância. Com o avanço tecnológico, a procura por esta modalidade de ensino vem crescendo significativamente, porém, alguns problemas podem ser observados, como o abandono do curso ou o insucesso no aprendizado do estudante. Na tentativa de minimizar problemas como este citado, algumas abordagens vem sido propostas. Dentre elas, algumas fazem uso de conceitos conhecidos como Estilos de Aprendizagem para definir as preferências de aprendizagem de cada aluno. Os Estilos de Aprendizagem defendem que cada indivíduo possui características pessoais para o processo de aprendizagem e quando o método de ensino não coincide com esta preferência, o aluno pode apresentar problemas para assimilar o conteúdo. Para minimizar estes problemas, a proposta deste trabalho analisou outras abordagens já existentes na literatura e os modificou para possíveis melhorias. Sendo assim, este trabalho fez uso de técnicas de Inteligência Artificial, Lógica Fuzzy e Aprendizagem por Reforço para detectar automaticamente os Estilos de Aprendizagem de alunos simulados computacionalmente. A partir desta detecção um currículo personalizado pode ser desenvolvido para cada aluno de Plataformas de Ensino à Distância de acordo com as suas preferências de aprendizagem. As técnicas utilizadas nesta abordagem demonstraram melhorias significativas ao se comparar com outra abordagem específica presente na literatura.