Submitted by Alciano Oliveira (alcianoliveira@gmail.com) on 2017-01-10T03:09:14Z No. of bitstreams: 1 Oliveira_dhe_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-01-12T19:41:44Z (GMT) No. of bitstreams: 1 oliveira_agg_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) / Made available in DSpace on 2017-01-12T19:41:44Z (GMT). No. of bitstreams: 1 oliveira_agg_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) Previous issue date: 2016-11-29 / Atualmente, as instituições de ensino, em sua grande maioria, estão disponibilizando cursos na modalidade de ensino a distância com o intuito de possibilitar aos indivíduos que não podem frequentar as aulas regularmente a realização de estudos a distância. Em muitos casos, os indivíduos desistem dessa modalidade de ensino sem concluir os estudos, isso se deve a vários fatores, sendo um deles, a dificuldade no entendimento do conteúdo disponibilizado durante as aulas devido a forma com que o mesmo é apresentado. Esta dissertação apresenta a utilização da lógica nebulosa em um classificador computacional, que tem por objetivo classificar indivíduos por aspectos cognitivos que estão relacionados com a Teoria das Inteligências Múltiplas propostas, originalmente, por Howard Gardner. O resultado dessa classificação possibilita direcionar os indivíduos para ambientes de ensino em que o conteúdo esteja adequado ao seu perfil cognitivo. Os testes foram realizados utilizando uma ferramenta acadêmica de mineração de dados que possibilitou determinar padrões cognitivos em cada indivíduo pela inserção de dados de entrada obtidos por meio da aplicação de um questionário e retornando os aspectos cognitivos mais aflorados de cada indivíduo. Após validados, os resultados mostraram aproximadamente 67% das classificações condizentes com os aspectos cognitivos identificados em aula. / Most educational institutions are offering distance-learning courses, in order to enable individuals who cannot attend classes regularly, to conduct their studies. In many cases, individuals drop out of this mode of teaching without completing their studies. One of the factors for that being the difficulty in understanding the content due to the way content is presented. This dissertation presents the use of fuzzy logic in a computational classifier that aims to classify individuals by cognitive aspects related to Howard Gardner’s Theory of Multiple Intelligences. The outcome of such a classifier makes it possible to direct individuals to learning environments in which the content is presented according to his/her main cognitive profile. The tests were performed using a data mining academic tool that allowed determining cognitive patterns for each individual by inputting data obtained from a questionnaire and returning the cognitive aspect most outlined in each individual. After validated, about 67% of the classification outcomes were considered in accordance to the cognitive aspects identified in classroom observations.