?rea de concentra??o: Educa??o e Tecnologias aplicadas em Institui??es Educacionais. / Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2018-04-02T18:15:41Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) luiz_filipe_carreiro_salazar.pdf: 2092412 bytes, checksum: 081025a8f7b46e716f0a5878e9f2cc60 (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2018-04-09T18:05:57Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) luiz_filipe_carreiro_salazar.pdf: 2092412 bytes, checksum: 081025a8f7b46e716f0a5878e9f2cc60 (MD5) / Made available in DSpace on 2018-04-09T18:05:57Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) luiz_filipe_carreiro_salazar.pdf: 2092412 bytes, checksum: 081025a8f7b46e716f0a5878e9f2cc60 (MD5) Previous issue date: 2017 / O avan?o da tecnologia possibilitou o surgimento de ferramentas para o acesso a conhecimento e experi?ncias individuais e coletivas. As Tecnologias da Informa??o e Comunica??o e a internet criaram o conceito chamado Ciberespa?o, um local virtual onde o somat?rio de todas as experi?ncias, saberes e culturas de todos os povos que forma a Intelig?ncia Coletiva. Tal fen?meno contribuiu para o desenvolvimento da Educa??o ? Dist?ncia e os Sistemas Inteligentes para Educa??o. Um dos maiores problemas em EaD ? aus?ncia de adaptatividade do ensino ao Estilo de Aprendizagem dos estudantes, que consiste nas prefer?ncias que cada aluno tem em receber um determinado conte?do. Dessa forma, o trabalho aborda uma t?cnica de Redes Bayesianas para detectar automaticamente os Estilos de Aprendizagem dos estudantes para proporcionar uma oferta de material de ensino adaptado ?s prefer?ncias de aprendizagem nos Ambientes Virtuais de Aprendizagem. O trabalho se baseia em conceitos e t?cnicas de Intelig?ncia Artificial e Aprendizado de M?quina para compor um modelo computacional e probabil?stico de uma Rede Bayesiana para inferir e detectar qual a melhor combina??o de Estilos de Aprendizagem. Para estruturar os m?todos de detec??o dos Estilos de Aprendizagem, a pesquisa utiliza o Modelo de Estilo de Aprendizagem Felder-Silverman. Para representar o comportamento do estudante no Ambiente Virtual Aprendizagem, o trabalho utiliza utiliza um sistema para simular o desempenho do estudante em um Sistema de Tutoria Inteligente. Os m?todos utilizados resultam na constru??o de um algoritmo de detec??o autom?tica de Estilos de Aprendizagem em Ambientes Virtuais de Aprendizagem. Os resultados do algoritmo de Rede Bayesiana foram comparados aos resultados de outro algoritmo de detec??o de Estilos de Aprendizagem na literatura. Nos testes, o algoritmo de Rede Bayesiana se mostrou mais eficiente comparado ao da literatura, diminuindo consideravelmente o n?mero de itera??es do sistema que no final converge ao Estilo de Aprendizagem do estudante, diminuindo o tempo de execu??o e aumentando a precis?o dos resultados. O trabalho abre discuss?o quanto a robustez, efici?ncia e precis?o da aplica??o de Redes Bayesianas para detec??o de Estilos de Aprendizagem. / Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Educa??o, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / The advancement of technology has enabled the emergence of tools for access to knowledge and individual and collective experiences. Information and Communication Technologies and the Internet have created the concept called Cyberspace, a virtual place where the sum of all the experiences, knowledge and cultures of all peoples that forms the Collective Intelligence. This phenomenon contributed to the development of Distance Education and Intelligent Systems for Education. One of the major problems in EaD is the lack of adaptability of teaching to students? learning style, which consists of the preferences each student has in receiving a certain content. Thus, the paper approaches a technique of Bayesian Networks to automatically detect the Learning Styles of the students to provide an offer of teaching material adapted to the preferences of learning in the Virtual Environments of Learning. The work is based on concepts and techniques of Artificial Intelligence and Machine Learning to compose a computational and probabilistic model of a Bayesian Network to infer and detect the best combination of Learning Styles. To structure Learning Styles detection methods, the search uses the Felder-Silverman Learning Style Template. To represent student behavior in the Virtual Learning Environment, the work uses uses a system to simulate student performance in an Intelligent Tutoring System. The methods used result in the construction of an algorithm for automatic detection of Learning Styles in Virtual Learning Environments. The results of the Bayesian Network algorithm were compared to the results of another learning style detection algorithm in the literature. In the tests, the Bayesian Network algorithm proved to be more efficient compared to the literature, considerably reducing the number of system iterations that in the end converges to the student?s Learning Style, reducing execution time and increasing the accuracy of the results. The paper discusses the robustness, efficiency and accuracy of the application of Bayesian Networks for the detection of Learning Styles.