Στην διπλωματική αυτή παρουσιάζονται τα κυριότερα προσαρμοστικά συστήματα για το διαδίκτυο, η λειτουργικότητα τους, καθώς και τα χαρακτηριστικά που διαφοροποιούνται ανάλογα με τον χρήστη. Αναγνωρίζουν τα χαρακτηριστικά του κάθε χρήστη και ανάλογα προσαρμόζουν την συμπεριφορά τους. Αυτό επιτυγχάνεται με το μοντέλο του χρήστη στο οποίο υπάρχουν πληροφορίες γι αυτόν. / In this project are presented the mainly adaptive web based educational systems their functionality as well as the characteristics, which are differentiated depending on the user state. They recognize the characteristics of each user and adapt their behavior. This is achieved with the model of user in which exists information for him.

Adaptação e sensibilidade ao contexto andam juntos em diferentes tipos de aplicações. A sensibilidade ao contexto não necessariamente implica em adaptação, mas para que um sistema sensível ao contexto possa guiar uma adaptação efetiva, precisa acompanhar a ocorrência de determinados eventos no sistema e reagir de forma adequada a estes eventos. Este caráter adaptativo tem sido buscado em sistemas Web, de forma a se comportarem de maneira personalizada em atendimento às necessidades particulares do usuário. Dentre uma diversidade de sistemas Web que se propõem a apresentar como diferencial caráter sensível ao contexto do usuário, este trabalho estuda um domínio de aplicação específico: os sistemas de educação adaptativos baseados na Web. Este domínio se mostra crítico, pois necessita ser personalizado tendo em vista um usuário não comum e com uma série de particularidades que devem ser levadas em conta: o aluno. O objetivo principal deste trabalho é apresentar uma solução para o problema da adaptação de ações sensíveis às situações vivenciadas por alunos em um sistema de educação adaptativo baseado na Web. Este problema engloba diversas questões que são atualmente foco de pesquisa em áreas relacionadas à sensibilidade ao contexto, entre elas: (i) as formas de obtenção dos dados relativos ao contexto do aluno; (ii) a análise dos diferentes grupos e modelos de contexto que descrevem a situação em si, vivenciada pelo aluno no momento atual; (iii) as formas de avaliação e relacionamento dos dados de contexto do aluno, de forma a permitir inferência de sua situação atual. Para este fim, foi desenvolvida uma solução capaz de auxiliar o funcionamento de sistemas de educação adaptativos, de forma a apresentarem caráter reativo à situação vivenciada pelo aluno. A solução desenvolvida consiste de um módulo de sensibilidade à situação, construído com o objetivo de analisar as diversas particularidades existentes no cotidiano atual do aluno, se mantendo útil a ele independentemente do seu local atual, do dispositivo computacional utilizado e da tarefa em curso, respeitando as características individuais do aluno. De acordo com a situação detectada, ações de adaptação são fornecidas à mídia adaptativa, com intuito de prover uma experiência educacional voltada às necessidades reais do aluno. Ao final, o funcionamento da solução proposta foi simulado em conjunto a um ambiente de ensino real, de forma a verificar sua aplicabilidade prática. / Adaptation and context awareness walk together in different kinds of applications. Context awareness doesn’t imply necessarily in adaptation, but an adaptive system in order to guide an effective adaptation need to be aware about the occurrence of specific events and properly react to them. This adaptive character has been looked in web systems, in order to behave in a personalized way in attending the particular needs of the user. Among a variety of web systems that propose to present a context aware character, this work presents a case study in a specific application domain: web-based adaptive educational systems. This area is critical because the system needs to be customized in order to attend a not common user, with a variety of particularities that should be taken into account: the student. The main objective of this work is to present a solution to the problem of adaptation of situation-aware actions lived by students in a web-based adaptive educational system. This problem involves several issues that are currently focus of research in areas related with context-awareness, like: (i) the ways of obtaining student’s context data, which often lead to uncertain and ambiguous analysis (ii) the analysis of different groups and context models that describe the situation itself, experienced by the student at the present time, (iii) the ways of evaluating and correlating student’s context data, to allow the inference of their current situation. To this end, we developed a solution capable to assist the functioning of adaptive educational systems; in order to present a reactive character to the situations lived by the student. The solution consists on situation-aware module which aiming at evaluating the several particularities of the student’s actual routine to remain useful to him, regardless of his current location, the computing device used, day of week and the ongoing task, respecting the individual characteristics of the student. According to the detected situation, adaptive actions are presented to the adaptive hypermedia, aiming at providing a better educational experience to the student. At the end of this work, the solution developed is tested with a real e-learning environment to verify its practical appliance.

Adaptação e sensibilidade ao contexto andam juntos em diferentes tipos de aplicações. A sensibilidade ao contexto não necessariamente implica em adaptação, mas para que um sistema sensível ao contexto possa guiar uma adaptação efetiva, precisa acompanhar a ocorrência de determinados eventos no sistema e reagir de forma adequada a estes eventos. Este caráter adaptativo tem sido buscado em sistemas Web, de forma a se comportarem de maneira personalizada em atendimento às necessidades particulares do usuário. Dentre uma diversidade de sistemas Web que se propõem a apresentar como diferencial caráter sensível ao contexto do usuário, este trabalho estuda um domínio de aplicação específico: os sistemas de educação adaptativos baseados na Web. Este domínio se mostra crítico, pois necessita ser personalizado tendo em vista um usuário não comum e com uma série de particularidades que devem ser levadas em conta: o aluno. O objetivo principal deste trabalho é apresentar uma solução para o problema da adaptação de ações sensíveis às situações vivenciadas por alunos em um sistema de educação adaptativo baseado na Web. Este problema engloba diversas questões que são atualmente foco de pesquisa em áreas relacionadas à sensibilidade ao contexto, entre elas: (i) as formas de obtenção dos dados relativos ao contexto do aluno; (ii) a análise dos diferentes grupos e modelos de contexto que descrevem a situação em si, vivenciada pelo aluno no momento atual; (iii) as formas de avaliação e relacionamento dos dados de contexto do aluno, de forma a permitir inferência de sua situação atual. Para este fim, foi desenvolvida uma solução capaz de auxiliar o funcionamento de sistemas de educação adaptativos, de forma a apresentarem caráter reativo à situação vivenciada pelo aluno. A solução desenvolvida consiste de um módulo de sensibilidade à situação, construído com o objetivo de analisar as diversas particularidades existentes no cotidiano atual do aluno, se mantendo útil a ele independentemente do seu local atual, do dispositivo computacional utilizado e da tarefa em curso, respeitando as características individuais do aluno. De acordo com a situação detectada, ações de adaptação são fornecidas à mídia adaptativa, com intuito de prover uma experiência educacional voltada às necessidades reais do aluno. Ao final, o funcionamento da solução proposta foi simulado em conjunto a um ambiente de ensino real, de forma a verificar sua aplicabilidade prática. / Adaptation and context awareness walk together in different kinds of applications. Context awareness doesn’t imply necessarily in adaptation, but an adaptive system in order to guide an effective adaptation need to be aware about the occurrence of specific events and properly react to them. This adaptive character has been looked in web systems, in order to behave in a personalized way in attending the particular needs of the user. Among a variety of web systems that propose to present a context aware character, this work presents a case study in a specific application domain: web-based adaptive educational systems. This area is critical because the system needs to be customized in order to attend a not common user, with a variety of particularities that should be taken into account: the student. The main objective of this work is to present a solution to the problem of adaptation of situation-aware actions lived by students in a web-based adaptive educational system. This problem involves several issues that are currently focus of research in areas related with context-awareness, like: (i) the ways of obtaining student’s context data, which often lead to uncertain and ambiguous analysis (ii) the analysis of different groups and context models that describe the situation itself, experienced by the student at the present time, (iii) the ways of evaluating and correlating student’s context data, to allow the inference of their current situation. To this end, we developed a solution capable to assist the functioning of adaptive educational systems; in order to present a reactive character to the situations lived by the student. The solution consists on situation-aware module which aiming at evaluating the several particularities of the student’s actual routine to remain useful to him, regardless of his current location, the computing device used, day of week and the ongoing task, respecting the individual characteristics of the student. According to the detected situation, adaptive actions are presented to the adaptive hypermedia, aiming at providing a better educational experience to the student. At the end of this work, the solution developed is tested with a real e-learning environment to verify its practical appliance.

Adaptação e sensibilidade ao contexto andam juntos em diferentes tipos de aplicações. A sensibilidade ao contexto não necessariamente implica em adaptação, mas para que um sistema sensível ao contexto possa guiar uma adaptação efetiva, precisa acompanhar a ocorrência de determinados eventos no sistema e reagir de forma adequada a estes eventos. Este caráter adaptativo tem sido buscado em sistemas Web, de forma a se comportarem de maneira personalizada em atendimento às necessidades particulares do usuário. Dentre uma diversidade de sistemas Web que se propõem a apresentar como diferencial caráter sensível ao contexto do usuário, este trabalho estuda um domínio de aplicação específico: os sistemas de educação adaptativos baseados na Web. Este domínio se mostra crítico, pois necessita ser personalizado tendo em vista um usuário não comum e com uma série de particularidades que devem ser levadas em conta: o aluno. O objetivo principal deste trabalho é apresentar uma solução para o problema da adaptação de ações sensíveis às situações vivenciadas por alunos em um sistema de educação adaptativo baseado na Web. Este problema engloba diversas questões que são atualmente foco de pesquisa em áreas relacionadas à sensibilidade ao contexto, entre elas: (i) as formas de obtenção dos dados relativos ao contexto do aluno; (ii) a análise dos diferentes grupos e modelos de contexto que descrevem a situação em si, vivenciada pelo aluno no momento atual; (iii) as formas de avaliação e relacionamento dos dados de contexto do aluno, de forma a permitir inferência de sua situação atual. Para este fim, foi desenvolvida uma solução capaz de auxiliar o funcionamento de sistemas de educação adaptativos, de forma a apresentarem caráter reativo à situação vivenciada pelo aluno. A solução desenvolvida consiste de um módulo de sensibilidade à situação, construído com o objetivo de analisar as diversas particularidades existentes no cotidiano atual do aluno, se mantendo útil a ele independentemente do seu local atual, do dispositivo computacional utilizado e da tarefa em curso, respeitando as características individuais do aluno. De acordo com a situação detectada, ações de adaptação são fornecidas à mídia adaptativa, com intuito de prover uma experiência educacional voltada às necessidades reais do aluno. Ao final, o funcionamento da solução proposta foi simulado em conjunto a um ambiente de ensino real, de forma a verificar sua aplicabilidade prática. / Adaptation and context awareness walk together in different kinds of applications. Context awareness doesn’t imply necessarily in adaptation, but an adaptive system in order to guide an effective adaptation need to be aware about the occurrence of specific events and properly react to them. This adaptive character has been looked in web systems, in order to behave in a personalized way in attending the particular needs of the user. Among a variety of web systems that propose to present a context aware character, this work presents a case study in a specific application domain: web-based adaptive educational systems. This area is critical because the system needs to be customized in order to attend a not common user, with a variety of particularities that should be taken into account: the student. The main objective of this work is to present a solution to the problem of adaptation of situation-aware actions lived by students in a web-based adaptive educational system. This problem involves several issues that are currently focus of research in areas related with context-awareness, like: (i) the ways of obtaining student’s context data, which often lead to uncertain and ambiguous analysis (ii) the analysis of different groups and context models that describe the situation itself, experienced by the student at the present time, (iii) the ways of evaluating and correlating student’s context data, to allow the inference of their current situation. To this end, we developed a solution capable to assist the functioning of adaptive educational systems; in order to present a reactive character to the situations lived by the student. The solution consists on situation-aware module which aiming at evaluating the several particularities of the student’s actual routine to remain useful to him, regardless of his current location, the computing device used, day of week and the ongoing task, respecting the individual characteristics of the student. According to the detected situation, adaptive actions are presented to the adaptive hypermedia, aiming at providing a better educational experience to the student. At the end of this work, the solution developed is tested with a real e-learning environment to verify its practical appliance.

Com efeito, diversos estudos nas áreas de psicologia cognitiva e pedagogia apontam que cada indivíduo possui diferentes maneiras de captar, processar, analisar e organizar informações durante o processo de aprendizado, o que fundamenta o conceito de Estilos de Aprendizagem (EA). Em vista disso, diversos sistemas educacionais adaptativos foram propostos com o intuito de proporcionar conteúdo personalizado em seus cursos. Porém, em boa parte dos casos, estes sistemas fazem uso de questionários para identificar os estilos de aprendizagem, e este método pode mostrar-se inviável em algumas situações. Isso ocorre pois o preenchimento dos questionários demanda um esforço adicional por parte do aluno, além fazer uma avaliação estática dos EA, desconsiderando possíveis variações em suas preferências ao longo do tempo. Supõe-se que uma estratégia de detecção automática e dinâmica dos EA baseada no comportamento dos estudantes pode ser mais proveitosa neste sentido, pois é isenta destas limitações. Deste modo, a proposta neste trabalho é investigar diferentes técnicas relacionadas ao aprendizado de máquina (especialmente algoritmos de classificação) aplicadas à predição automática dos estilos de aprendizagem de estudantes, a partir de suas interações em um ambiente virtual de ensino. Dentre os inúmeros modelos de EA propostos na literatura, optou-se por usar o modelo de Felder-Silverman como base para os experimentos. Como estudo de caso, foram rastreadas as interações de 105 estudantes de um curso de pós-graduação em fonoaudiologia ministrado integralmente pelo sistema Moodle. Além disso, estes alunos foram solicitados a responder ao questionário ILS, o qual indica a preferência de cada indivíduo de acordo com o modelo de Felder-Silverman. Para a construção dos conjuntos de dados, foram coletadas informações como a quantidade de visitas, tempo gasto e interação dos usuários em cada tipo de recurso (recursos de vídeo, formulários de avaliação, fórum, etc.). Estes conjuntos de dados no formato atributo-valor serviram de entrada para quatro algoritmos de classificação: Naïve Bayes, aprendizado baseado em instâncias (kNN), Redes Neurais Artificiais (MultiLayer Perceptron) e Árvores de Decisão (J48), combinados com métodos de seleção de atributos e executados em validação cruzada. Para fins de experimentação, foram avaliadas as taxas de acertos e erros dos algoritmos em relação aos resultados apontados pelo questionário ILS, em cada umas das dimensões do modelo de Felder-Silverman. Os resultados apontaram para o uso de mais de um classificador - Naïve Bayes e aprendizagem baseada em instância - dependendo da dimensão do estilo de aprendizagem. A metodologia aplicada foi comparada com sete trabalhos correlatos da literatura; Os resultados demonstraram uma performance superior aos trabalhos anteriores em quase todas as dimensões. Portanto, o presente trabalho contribui para o contexto da informática aplicada à educação, especificamente no que diz respeito à implementação de sistemas educacionais adaptativos, com base em uma análise comparativa entre diferentes técnicas aplicadas ao mesmo problema. Sendo assim, as conclusões obtidas devem colaborar para o aprimoramento do processo de modelagem de estudantes. Além disso, são levantadas discussões a respeito dos resultados, que podem auxiliar na direção de futuros trabalhos da área. / In fact, several studies in the areas of cognitive psychology and pedagogy point out that each individual has different ways of capturing, processing, analyzing and organizing information during the learning process, which supports the concept of Learning Styles (LS). Therefore, several adaptive educational systems were proposed with the aim of providing personalized content in their courses. However, in most cases, these systems use questionnaires to identify learning styles, and this method may prove unfeasible in some situations. This is because filling in the questionnaires requires an additional effort on the part of the student, besides, this approach makes a static evaluation of the LS, disregarding possible variations in their preferences over time. It is assumed that an automatic and dynamic detection of LS based on student behavior may be more useful in this sense, since it is exempt from these limitations. In this way, the proposal in this work is to investigate different techniques related to machine learning (especially classification algorithms) applied to the automatic prediction of student learning styles, based on their interactions in a virtual teaching environment. Among the many LS models proposed in the literature, we chose to use the Felder-Silverman model (FSLSM). As a case study, the interactions of 105 students from a post-graduate course in speech therapy were studied. In addition, these students were asked to respond to the ILS questionnaire, which indicates the preference of each individual according to FSLSM. In order to construct the data sets, information was collected such as the number of visits, time spent and user interaction in each type of resource (video resources, evaluation forms, forum, etc.). These data sets in the attribute-value format served as input to four classification algorithms: Naïve Bayes, instance-based learning (kNN), MultiLayer Perceptron and Decision Trees (J48), combined with attribute selection methods and executed in cross-validation. For the experimentation, the accuracy and error rates of the algorithms were evaluated in relation to the results indicated by the ILS questionnaire, in each one of FSLSM dimensions. Our results pointed out to the use of more than one classifier, Naïve Bayes and Instance-based Learning, depending on the learning style dimension. We compared our methodology to seven works of the literature; the results demonstrated a performance superior to the previous works in almost every dimension. The present work contributes to the context of informatics applied to education, specifically with regard to the implementation of adaptive educational systems, based on a comparative analysis of different methods applied to the same problem. Therefore, the conclusions obtained should contribute to the improvement of the student modeling process. In addition, discussions are held regarding the results, which may assist in the direction of future work in this area.

Com efeito, diversos estudos nas áreas de psicologia cognitiva e pedagogia apontam que cada indivíduo possui diferentes maneiras de captar, processar, analisar e organizar informações durante o processo de aprendizado, o que fundamenta o conceito de Estilos de Aprendizagem (EA). Em vista disso, diversos sistemas educacionais adaptativos foram propostos com o intuito de proporcionar conteúdo personalizado em seus cursos. Porém, em boa parte dos casos, estes sistemas fazem uso de questionários para identificar os estilos de aprendizagem, e este método pode mostrar-se inviável em algumas situações. Isso ocorre pois o preenchimento dos questionários demanda um esforço adicional por parte do aluno, além fazer uma avaliação estática dos EA, desconsiderando possíveis variações em suas preferências ao longo do tempo. Supõe-se que uma estratégia de detecção automática e dinâmica dos EA baseada no comportamento dos estudantes pode ser mais proveitosa neste sentido, pois é isenta destas limitações. Deste modo, a proposta neste trabalho é investigar diferentes técnicas relacionadas ao aprendizado de máquina (especialmente algoritmos de classificação) aplicadas à predição automática dos estilos de aprendizagem de estudantes, a partir de suas interações em um ambiente virtual de ensino. Dentre os inúmeros modelos de EA propostos na literatura, optou-se por usar o modelo de Felder-Silverman como base para os experimentos. Como estudo de caso, foram rastreadas as interações de 105 estudantes de um curso de pós-graduação em fonoaudiologia ministrado integralmente pelo sistema Moodle. Além disso, estes alunos foram solicitados a responder ao questionário ILS, o qual indica a preferência de cada indivíduo de acordo com o modelo de Felder-Silverman. Para a construção dos conjuntos de dados, foram coletadas informações como a quantidade de visitas, tempo gasto e interação dos usuários em cada tipo de recurso (recursos de vídeo, formulários de avaliação, fórum, etc.). Estes conjuntos de dados no formato atributo-valor serviram de entrada para quatro algoritmos de classificação: Naïve Bayes, aprendizado baseado em instâncias (kNN), Redes Neurais Artificiais (MultiLayer Perceptron) e Árvores de Decisão (J48), combinados com métodos de seleção de atributos e executados em validação cruzada. Para fins de experimentação, foram avaliadas as taxas de acertos e erros dos algoritmos em relação aos resultados apontados pelo questionário ILS, em cada umas das dimensões do modelo de Felder-Silverman. Os resultados apontaram para o uso de mais de um classificador - Naïve Bayes e aprendizagem baseada em instância - dependendo da dimensão do estilo de aprendizagem. A metodologia aplicada foi comparada com sete trabalhos correlatos da literatura; Os resultados demonstraram uma performance superior aos trabalhos anteriores em quase todas as dimensões. Portanto, o presente trabalho contribui para o contexto da informática aplicada à educação, especificamente no que diz respeito à implementação de sistemas educacionais adaptativos, com base em uma análise comparativa entre diferentes técnicas aplicadas ao mesmo problema. Sendo assim, as conclusões obtidas devem colaborar para o aprimoramento do processo de modelagem de estudantes. Além disso, são levantadas discussões a respeito dos resultados, que podem auxiliar na direção de futuros trabalhos da área. / In fact, several studies in the areas of cognitive psychology and pedagogy point out that each individual has different ways of capturing, processing, analyzing and organizing information during the learning process, which supports the concept of Learning Styles (LS). Therefore, several adaptive educational systems were proposed with the aim of providing personalized content in their courses. However, in most cases, these systems use questionnaires to identify learning styles, and this method may prove unfeasible in some situations. This is because filling in the questionnaires requires an additional effort on the part of the student, besides, this approach makes a static evaluation of the LS, disregarding possible variations in their preferences over time. It is assumed that an automatic and dynamic detection of LS based on student behavior may be more useful in this sense, since it is exempt from these limitations. In this way, the proposal in this work is to investigate different techniques related to machine learning (especially classification algorithms) applied to the automatic prediction of student learning styles, based on their interactions in a virtual teaching environment. Among the many LS models proposed in the literature, we chose to use the Felder-Silverman model (FSLSM). As a case study, the interactions of 105 students from a post-graduate course in speech therapy were studied. In addition, these students were asked to respond to the ILS questionnaire, which indicates the preference of each individual according to FSLSM. In order to construct the data sets, information was collected such as the number of visits, time spent and user interaction in each type of resource (video resources, evaluation forms, forum, etc.). These data sets in the attribute-value format served as input to four classification algorithms: Naïve Bayes, instance-based learning (kNN), MultiLayer Perceptron and Decision Trees (J48), combined with attribute selection methods and executed in cross-validation. For the experimentation, the accuracy and error rates of the algorithms were evaluated in relation to the results indicated by the ILS questionnaire, in each one of FSLSM dimensions. Our results pointed out to the use of more than one classifier, Naïve Bayes and Instance-based Learning, depending on the learning style dimension. We compared our methodology to seven works of the literature; the results demonstrated a performance superior to the previous works in almost every dimension. The present work contributes to the context of informatics applied to education, specifically with regard to the implementation of adaptive educational systems, based on a comparative analysis of different methods applied to the same problem. Therefore, the conclusions obtained should contribute to the improvement of the student modeling process. In addition, discussions are held regarding the results, which may assist in the direction of future work in this area.