MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina

Bibliographic Details
Main Author: Fonseca, Felipe Ferreira da
Publication Date: 2022
Format: Master thesis
Language: por
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: http://hdl.handle.net/10400.1/18830
Summary: O MILAGE Aprender+ é uma aplicação para dispositivos móveis com propósito educacional dentro e/ou fora do ambiente escolar. Os seus utilizadores têm acesso a uma ampla biblioteca de conteúdo para a realização de atividades diversas disciplinas escolares. Destaca-se por ser uma aplicação que prioriza a autonomia do aluno. Apresenta-se como uma ferramenta essencial para responder à atual procura relacionada com o ensino remoto e também presencial A aplicação MILAGE Aprender+ adota também uma característica jogo, contabilizando pontuações ao longo das realizações dos alunos. Desde o seu lançamento em 2018, possui um amplo conjunto de dados, um amplo histórico de atividades realizadas pelos seus utilizadores. No modelo atual de funcionamento o MILAGE Aprender+ é percebido um problema relacionado a forma que apresenta o conteúdo aos utilizadores. O problema é percebido pela forma que o conteúdo da aplicação é apresentado ao aluno, de forma totalmente uniforme e padronizada a todos os seus utilizadores, não tendo em consideração o contexto histórico do desempenho dos seus utilizadores ao longo do uso da aplicação. Não é aplicado nenhum tipo de recomendação de conteúdo ou apresentação de forma personalizada. Pelo que, o presente estudo, tem como objetivo avaliar a possibilidade de evolução da aplicação MILAGE Aprender+ com a adoção da tecnologia de Aprendizagem Máquina (AM) a fim de proporcionar uma melhor experiência ao seu utilizador, o aluno. Pretende-se recomendar conteúdos a partir de modelos que promovam melhorar o aproveitamento de pontos do aluno. A partir deste objetivo, o presente estudo aprofundou-se na AM, que é um método de análise e ciência de dados que automatiza a construção de modelos analíticos. Esta tese adotou a metodologia de desenvolvimento de projetos de prospeção e análise em ciência de dados CRISP-DM. A investigação desenvolveu uma ampla análise sobre o problema do MILAGE Aprender+, e a possibilidade da adoção da tecnologia de AM. O principal objetivo de permitir que os alunos, utilizadores da ferramenta, recebam a recomendação de conteúdos das disciplinas de forma adaptável, aproximada às suas necessidades e baseada no histórico de desempenho, para que assim possam assim ter um percurso de aprendizagem mais objetivo e também agradável. Como conclusão deste estudo evidenciou-se a possibilidade de adoção de modelos de AM no MILAGE Aprender+ para a identificação e recomendação de conteúdos aos alunos
id RCAP_2fd00504b0e5221614a51dfd0da4c10b
oai_identifier_str oai:sapientia.ualg.pt:10400.1/18830
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquinaAprendizagem máquinaMilage aprender+Am automatizadaEnsino à distânciaO MILAGE Aprender+ é uma aplicação para dispositivos móveis com propósito educacional dentro e/ou fora do ambiente escolar. Os seus utilizadores têm acesso a uma ampla biblioteca de conteúdo para a realização de atividades diversas disciplinas escolares. Destaca-se por ser uma aplicação que prioriza a autonomia do aluno. Apresenta-se como uma ferramenta essencial para responder à atual procura relacionada com o ensino remoto e também presencial A aplicação MILAGE Aprender+ adota também uma característica jogo, contabilizando pontuações ao longo das realizações dos alunos. Desde o seu lançamento em 2018, possui um amplo conjunto de dados, um amplo histórico de atividades realizadas pelos seus utilizadores. No modelo atual de funcionamento o MILAGE Aprender+ é percebido um problema relacionado a forma que apresenta o conteúdo aos utilizadores. O problema é percebido pela forma que o conteúdo da aplicação é apresentado ao aluno, de forma totalmente uniforme e padronizada a todos os seus utilizadores, não tendo em consideração o contexto histórico do desempenho dos seus utilizadores ao longo do uso da aplicação. Não é aplicado nenhum tipo de recomendação de conteúdo ou apresentação de forma personalizada. Pelo que, o presente estudo, tem como objetivo avaliar a possibilidade de evolução da aplicação MILAGE Aprender+ com a adoção da tecnologia de Aprendizagem Máquina (AM) a fim de proporcionar uma melhor experiência ao seu utilizador, o aluno. Pretende-se recomendar conteúdos a partir de modelos que promovam melhorar o aproveitamento de pontos do aluno. A partir deste objetivo, o presente estudo aprofundou-se na AM, que é um método de análise e ciência de dados que automatiza a construção de modelos analíticos. Esta tese adotou a metodologia de desenvolvimento de projetos de prospeção e análise em ciência de dados CRISP-DM. A investigação desenvolveu uma ampla análise sobre o problema do MILAGE Aprender+, e a possibilidade da adoção da tecnologia de AM. O principal objetivo de permitir que os alunos, utilizadores da ferramenta, recebam a recomendação de conteúdos das disciplinas de forma adaptável, aproximada às suas necessidades e baseada no histórico de desempenho, para que assim possam assim ter um percurso de aprendizagem mais objetivo e também agradável. Como conclusão deste estudo evidenciou-se a possibilidade de adoção de modelos de AM no MILAGE Aprender+ para a identificação e recomendação de conteúdos aos alunosMartins, Paula VenturaFigueiredo, MauroSapientiaFonseca, Felipe Ferreira da2023-01-17T11:15:40Z2022-06-022022-06-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.1/18830urn:tid:203072391porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-02-18T17:22:44Zoai:sapientia.ualg.pt:10400.1/18830Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T20:20:16.987464Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
title MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
spellingShingle MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
Fonseca, Felipe Ferreira da
Aprendizagem máquina
Milage aprender+
Am automatizada
Ensino à distância
title_short MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
title_full MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
title_fullStr MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
title_full_unstemmed MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
title_sort MILAGE Aprender +: aprendizagem personalizada suportada por aprendizagem máquina
author Fonseca, Felipe Ferreira da
author_facet Fonseca, Felipe Ferreira da
author_role author
dc.contributor.none.fl_str_mv Martins, Paula Ventura
Figueiredo, Mauro
Sapientia
dc.contributor.author.fl_str_mv Fonseca, Felipe Ferreira da
dc.subject.por.fl_str_mv Aprendizagem máquina
Milage aprender+
Am automatizada
Ensino à distância
topic Aprendizagem máquina
Milage aprender+
Am automatizada
Ensino à distância
description O MILAGE Aprender+ é uma aplicação para dispositivos móveis com propósito educacional dentro e/ou fora do ambiente escolar. Os seus utilizadores têm acesso a uma ampla biblioteca de conteúdo para a realização de atividades diversas disciplinas escolares. Destaca-se por ser uma aplicação que prioriza a autonomia do aluno. Apresenta-se como uma ferramenta essencial para responder à atual procura relacionada com o ensino remoto e também presencial A aplicação MILAGE Aprender+ adota também uma característica jogo, contabilizando pontuações ao longo das realizações dos alunos. Desde o seu lançamento em 2018, possui um amplo conjunto de dados, um amplo histórico de atividades realizadas pelos seus utilizadores. No modelo atual de funcionamento o MILAGE Aprender+ é percebido um problema relacionado a forma que apresenta o conteúdo aos utilizadores. O problema é percebido pela forma que o conteúdo da aplicação é apresentado ao aluno, de forma totalmente uniforme e padronizada a todos os seus utilizadores, não tendo em consideração o contexto histórico do desempenho dos seus utilizadores ao longo do uso da aplicação. Não é aplicado nenhum tipo de recomendação de conteúdo ou apresentação de forma personalizada. Pelo que, o presente estudo, tem como objetivo avaliar a possibilidade de evolução da aplicação MILAGE Aprender+ com a adoção da tecnologia de Aprendizagem Máquina (AM) a fim de proporcionar uma melhor experiência ao seu utilizador, o aluno. Pretende-se recomendar conteúdos a partir de modelos que promovam melhorar o aproveitamento de pontos do aluno. A partir deste objetivo, o presente estudo aprofundou-se na AM, que é um método de análise e ciência de dados que automatiza a construção de modelos analíticos. Esta tese adotou a metodologia de desenvolvimento de projetos de prospeção e análise em ciência de dados CRISP-DM. A investigação desenvolveu uma ampla análise sobre o problema do MILAGE Aprender+, e a possibilidade da adoção da tecnologia de AM. O principal objetivo de permitir que os alunos, utilizadores da ferramenta, recebam a recomendação de conteúdos das disciplinas de forma adaptável, aproximada às suas necessidades e baseada no histórico de desempenho, para que assim possam assim ter um percurso de aprendizagem mais objetivo e também agradável. Como conclusão deste estudo evidenciou-se a possibilidade de adoção de modelos de AM no MILAGE Aprender+ para a identificação e recomendação de conteúdos aos alunos
publishDate 2022
dc.date.none.fl_str_mv 2022-06-02
2022-06-02T00:00:00Z
2023-01-17T11:15:40Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.1/18830
urn:tid:203072391
url http://hdl.handle.net/10400.1/18830
identifier_str_mv urn:tid:203072391
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833598608780296192