Made available in DSpace on 2014-06-12T15:59:53Z (GMT). No. of bitstreams: 2 arquivo5702_1.pdf: 1649534 bytes, checksum: c00cd4e05a2a78663eb1b22b9a2f770b (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Com a evolução tecnológica que vivemos, as maneiras de formar e qualificar as pessoas vêm se modificando, e diferem dos moldes tradicionais de ensino. O processo de ensino e aprendizagem ultrapassa as barreiras das escolas, universidades e centros de qualificação profissional. Neste novo paradigma, a educação a distância passa a ser uma modalidade de ensino cada vez mais presente nos lares e ambientes de trabalho. Dentro dessa nova realidade está o Ensino Colaborativo Auxiliado por Computador (do inglês CSCL - Computer Supported Collaborative Learning), um paradigma que pressupõe que alunos trabalhem em grupos, compartilhando conhecimento e ajudando uns aos outros na resolução de dúvidas e problemas que são comuns no processo de ensino e aprendizagem. No entanto, a tarefa de formar e acompanhar os grupos em ferramentas CSCL não é trivial. Existe uma quantidade muito grande de variáveis (tamanho, diversidade de conhecimento, tarefa, etc) que, não só influenciam na composição, mas também no comportamento desses grupos. Deste modo, o objetivo principal deste trabalho foi investigar técnicas para o desenvolvimento de uma ferramenta que possibilitasse o acompanhamento, a sugestão e a formação automática de pequenos grupos de aprendizagem baseados em informações de contexto dos usuários. Para isso, foi desenvolvida a Smart Chat Group, esta ferramenta é uma extensão da Smart Chat (Siebra et al., 2004), e usa uma sociedade de agentes inteligentes para fazer acompanhamento, sugestão e formação automática de pequenos grupos sociais de aprendizagem. Após a implementação da Smart Chat Group, foi realizado um experimento cujos resultados obtidos foram animadores, o que nos motiva a intensificar os estudos na área de formação de grupos em ambientes CSCL

Gamification is a term that refers to the use of game design elements in contexts other than video games. In these contexts, the primary goal of gamification is not playful, but rather to motivate users to perform tasks or change behaviors. It is also the goal of gamification, captivate users and influence them to persist in the use of the gamified system. In recent years, we have witnessed a growing interest in gamification and its application in learning environments, especially online. In learning contexts, motivating students to follow up on teaching tasks is an important role for teachers and intelligent educational systems. However, ill-designed gamification interventions can become a distraction capable of interfering on the teaching-learning process. Despite this, most studies in the area remain focused on the potential benefits of gamification and less on investigating systematized solutions to achieve these benefits. Our contribution to the solution of the problem is based on the use of persuasion profiles that take into account the students player roles. We conduct systematic mappings of the literature to gather information about gamification in education, and how group formation in collaborative learning environments. As a result, we created two conceptual frameworks. One framework to help understand and classify group formation in the context of computer-supported collaborative learning, and other to support the definition of player roles in collaborative learning environments. Also, in a preliminary study (N = 481), we adapted and validated for Brazilian Portuguese speakers a scale to measure users susceptibility to persuasion. In another study (N = 149) we developed a theoretical model to map persuasive strategies and different roles of players to support the elaboration of persuasion profiles. Finally, to verify the feasibility of our model, in another study (N = 18) we elaborated prototypes of user interfaces and analyzed the perceived persuasiveness of the interfaces for different players roles and their susceptibility to persuasion. Results show that less motivated students were more likely to accept the suggestions of the prototypes, whereas users with above-average motivation (among observed students) reacted negatively to influence attempts by showing low agreement rates for the requirements of the prototypes. We also observed in the three studies (N = 648) that the number of individuals susceptible to the principle of authority were the lowest, compared to the other influence principles. Few research initiatives have been investigating the development of tailored gamified. One of the reasons for such deficiency is the difficulty of creating computational models based on learners psychological traits (e.g., psychological needs, susceptibility to persuasion, and learner and player roles). However, more worrisome than the ineffectiveness of gamification models based on one-size-fits-all is the risk of designing counterproductive models that could backfire, since the appropriate strategy to motivate an individual may end up discouraging others. Thus, evidence suggest that gamification design could benefit of influence principles, although tailored solutions should be designed to minimize the risks of selecting counter-tailored and ill-defined persuasive strategies. / Gamificação é um termo que se refere ao uso de elementos do projeto de jogos em contextos que não são jogos. Nestes contextos, o objetivo primário da gamificação não é lúdico, mas sim o de motivar os usuários a realizarem tarefas ou alterarem comportamentos. Também é objetivo da gamificação, cativar usuários e influenciá-los a persistirem na utilização do sistema gamificado. Nos últimos anos, testemunhamos um crescente interesse em gamificação e sua aplicação em ambientes de aprendizagem, especialmente online. No contexto da aprendizagem, motivar os estudantes a dar seguimento as tarefas pedagógicas é um papel importante dos professores e dos ambientes educacionais inteligentes. Por essa razão, as tecnologias persuasivas como a gamificação têm sido usadas também em ambientes de aprendizagem colaborativa para aumentar o engajamento dos estudantes e para reduzir o sentimento de obrigação na execução de tarefas pedagógicas. Contudo, quando mal utilizada, a gamificação pode se tornar uma distração capaz de interferir no processo de ensino-aprendizagem. Entretanto, a maioria dos estudos na área continuam focados nos potenciais benefícios da gamificação e menos em investigar soluções sistematizadas para se atingir os benefícios. Nossa contribuição para a solução do problema é baseada no uso de perfis de persuasão que levam em consideração o papel de jogador do estudante. Nós conduzimos mapeamentos sistemáticos da literatura para obter informação sobre gamificação em educação e como são formados grupos de estudantes em ambientes de aprendizagem colaborativa. Como resultado nós criamos dois arcabouços conceituais. Um arcabouço para ajudar a compreender e classificar a formação de grupos no contexto da aprendizagem colaborativa com suporte computacional, e outro para apoiar a definição de papéis de jogadores em ambientes colaborativos. Em um estudo preliminar (N=481), adaptamos e validamos para o português brasileiro uma escala para medir a susceptibilidade à persuasão dos usuários. Em outro estudo (N=149) desenvolvemos um modelo teórico para mapear estratégias persuasivas e diferentes papéis de jogadores para apoiar a elaboração de perfis de persuasão. Para verificar a viabilidade de nosso modelo, em outro estudo (N=18) elaboramos protótipos de interfaces do usuário. Analisamos a capacidade de influenciar das interfaces comparando papéis de jogadores e susceptibilidade a princípios de influência. Os resultados mostram que os estudantes menos motivados eram mais susceptíveis a aceitar as sugestões do protótipo, enquanto usuários com índices de motivação acima da média (dentre estudantes observados), tendiam a reagir negativamente às tentativas de influenciá-los, apresentando índices menores de concordância para com as solicitações do protótipo gamificado. Observamos ainda nos três estudos conduzidos (N=648), comparado aos outros princípios de influência, o número de indivíduos suscetíveis ao princípio de autoridade eram os menores. Poucas iniciativas de pesquisa vêm investigando como desenvolver sistemas de gamificados que se adaptam aos papéis de jogadores. Parte desta deficiência pode ser explicada devido à complexidade no projeto e desenvolvimento destes sistemas. Entretanto como evidenciado, além da ineficácia dos modelos de gamificação baseados em uma solução para todos, o maior risco observado está no uso de modelos contraproducentes, uma vez que a estratégia apropriada para motivar um indivíduo, pode acabar desmotivando outros (backfire effect).

Submitted by Fernando Souza (fernandoafsou@gmail.com) on 2017-08-15T12:22:25Z No. of bitstreams: 1 arquivototal.pdf: 1993431 bytes, checksum: 37283e03fb49135caece1a8f1ca2ddbc (MD5) / Made available in DSpace on 2017-08-15T12:22:26Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1993431 bytes, checksum: 37283e03fb49135caece1a8f1ca2ddbc (MD5) Previous issue date: 2016-08-25 / In literature, much has been discussed about strategies that strengthen the collaborative learning process in Distance Education. Researches have investigated approaches in formation of groups in distance courses, which has allowed the scientific-academic community to try different ways to assign students to groups. However, literature has devoted little to investigate the contributions of distance education tutors to formation of groups. Furthermore, to define an approach in formation of groups to assure that most of the preferences are fulfilled is not an easy pedagogically task, because the characteristics and necessities of each class may vary. In front of this context, this paper aims to define an approach based on groups profiles, specified onwards the distance tutors preferences, to support the process of formation of learning groups. A systematic mapping study was carried out in the literature to identify the best practices in approaches to formation of groups. The profile and preferences of tutors of the course degree in Computer Science from Federal University of Paraíba were investigated. Group profiles were specified for further experiment in homogeneous grouping per Polo, heterogeneous grouping and complementary for programming skills from mathematical modeling and implementation of algorithm grouping. Finally, a case study was held with groups of students to evaluate the proposed approach and to analyze their performance in collaborative activity from distance. The results emphasize that the preferences of distance tutors allowed the definition of a coherent approach of formation of groups in this domain context of this present study. The grouping allowed to create homogeneous, heterogeneous and complementary groups onward educational platform Moodle data. It was applied the size restriction strategy on a partition resulting from the K-means algorithm, allowing to form homogeneous groups of uniform sizes. It was verified an increase in performance by 65.6% of the students in group activity, when compared to the performance in individual activity. / Na literatura, muito se tem discutido estratégias que fortaleçam o processo de aprendizagem colaborativa na Educação a Distância. Pesquisas têm investigado abordagens de formação de grupos em cursos à distância, o que tem permitido à comunidade científico-acadêmica experimentar diferentes maneiras de atribuir estudantes em grupos. Entretanto, a literatura pouco tem se dedicado a investigar as contribuições de tutores da Educação a Distância para formação de grupos. Além disso, definir uma abordagem de formação de grupos de forma a garantir que a maioria das preferências seja atendida não é uma tarefa pedagogicamente fácil, pois as características e as necessidades de cada turma podem variar. Diante desse contexto, este trabalho objetiva definir uma abordagem baseada em perfis de grupos, especificados a partir de preferências de tutores a distância, para apoiar o processo de formação de grupos de aprendizagem. Realizou-se estudo de mapeamento sistemático na literatura para identificar as melhores práticas em abordagens para formação de grupos. Investigou-se o perfil e as preferências dos tutores do curso de Licenciatura em Computação da Universidade Federal da Paraíba. Especificou-se perfis de grupos para posterior experimento em agrupamento homogêneo por Polo, agrupamento heterogêneo e complementar por habilidades em programação a partir da modelagem matemática e implementação de algoritmo de agrupamento. Realizou-se, por fim, estudo de caso com grupos de estudantes para avaliar a abordagem proposta e analisar o desempenho deles em atividade colaborativa à distância. Os resultados evidenciam que as preferências de tutores a distância permitiram a definição de uma abordagem de formação de grupos coerente ao contexto do domínio do presente estudo. O agrupamento permitiu criar grupos homogêneos, heterogêneos e complementares a partir de dados educacionais da plataforma Moodle. Foi aplicada a estratégia de restrição de tamanho sobre uma partição resultante do algoritmo K-médias, possibilitando formar grupos homogêneos de tamanhos uniformes. Verificou-se um aumento no desempenho em 65,6% dos estudantes em atividade em grupo, quando comparado ao desempenho em atividade individual.

Gamification is a term that refers to the use of game design elements in contexts other than video games. In these contexts, the primary goal of gamification is not playful, but rather to motivate users to perform tasks or change behaviors. It is also the goal of gamification, captivate users and influence them to persist in the use of the gamified system. In recent years, we have witnessed a growing interest in gamification and its application in learning environments, especially online. In learning contexts, motivating students to follow up on teaching tasks is an important role for teachers and intelligent educational systems. However, ill-designed gamification interventions can become a distraction capable of interfering on the teaching-learning process. Despite this, most studies in the area remain focused on the potential benefits of gamification and less on investigating systematized solutions to achieve these benefits. Our contribution to the solution of the problem is based on the use of persuasion profiles that take into account the students player roles. We conduct systematic mappings of the literature to gather information about gamification in education, and how group formation in collaborative learning environments. As a result, we created two conceptual frameworks. One framework to help understand and classify group formation in the context of computer-supported collaborative learning, and other to support the definition of player roles in collaborative learning environments. Also, in a preliminary study (N = 481), we adapted and validated for Brazilian Portuguese speakers a scale to measure users susceptibility to persuasion. In another study (N = 149) we developed a theoretical model to map persuasive strategies and different roles of players to support the elaboration of persuasion profiles. Finally, to verify the feasibility of our model, in another study (N = 18) we elaborated prototypes of user interfaces and analyzed the perceived persuasiveness of the interfaces for different players roles and their susceptibility to persuasion. Results show that less motivated students were more likely to accept the suggestions of the prototypes, whereas users with above-average motivation (among observed students) reacted negatively to influence attempts by showing low agreement rates for the requirements of the prototypes. We also observed in the three studies (N = 648) that the number of individuals susceptible to the principle of authority were the lowest, compared to the other influence principles. Few research initiatives have been investigating the development of tailored gamified. One of the reasons for such deficiency is the difficulty of creating computational models based on learners psychological traits (e.g., psychological needs, susceptibility to persuasion, and learner and player roles). However, more worrisome than the ineffectiveness of gamification models based on one-size-fits-all is the risk of designing counterproductive models that could backfire, since the appropriate strategy to motivate an individual may end up discouraging others. Thus, evidence suggest that gamification design could benefit of influence principles, although tailored solutions should be designed to minimize the risks of selecting counter-tailored and ill-defined persuasive strategies. / Gamificação é um termo que se refere ao uso de elementos do projeto de jogos em contextos que não são jogos. Nestes contextos, o objetivo primário da gamificação não é lúdico, mas sim o de motivar os usuários a realizarem tarefas ou alterarem comportamentos. Também é objetivo da gamificação, cativar usuários e influenciá-los a persistirem na utilização do sistema gamificado. Nos últimos anos, testemunhamos um crescente interesse em gamificação e sua aplicação em ambientes de aprendizagem, especialmente online. No contexto da aprendizagem, motivar os estudantes a dar seguimento as tarefas pedagógicas é um papel importante dos professores e dos ambientes educacionais inteligentes. Por essa razão, as tecnologias persuasivas como a gamificação têm sido usadas também em ambientes de aprendizagem colaborativa para aumentar o engajamento dos estudantes e para reduzir o sentimento de obrigação na execução de tarefas pedagógicas. Contudo, quando mal utilizada, a gamificação pode se tornar uma distração capaz de interferir no processo de ensino-aprendizagem. Entretanto, a maioria dos estudos na área continuam focados nos potenciais benefícios da gamificação e menos em investigar soluções sistematizadas para se atingir os benefícios. Nossa contribuição para a solução do problema é baseada no uso de perfis de persuasão que levam em consideração o papel de jogador do estudante. Nós conduzimos mapeamentos sistemáticos da literatura para obter informação sobre gamificação em educação e como são formados grupos de estudantes em ambientes de aprendizagem colaborativa. Como resultado nós criamos dois arcabouços conceituais. Um arcabouço para ajudar a compreender e classificar a formação de grupos no contexto da aprendizagem colaborativa com suporte computacional, e outro para apoiar a definição de papéis de jogadores em ambientes colaborativos. Em um estudo preliminar (N=481), adaptamos e validamos para o português brasileiro uma escala para medir a susceptibilidade à persuasão dos usuários. Em outro estudo (N=149) desenvolvemos um modelo teórico para mapear estratégias persuasivas e diferentes papéis de jogadores para apoiar a elaboração de perfis de persuasão. Para verificar a viabilidade de nosso modelo, em outro estudo (N=18) elaboramos protótipos de interfaces do usuário. Analisamos a capacidade de influenciar das interfaces comparando papéis de jogadores e susceptibilidade a princípios de influência. Os resultados mostram que os estudantes menos motivados eram mais susceptíveis a aceitar as sugestões do protótipo, enquanto usuários com índices de motivação acima da média (dentre estudantes observados), tendiam a reagir negativamente às tentativas de influenciá-los, apresentando índices menores de concordância para com as solicitações do protótipo gamificado. Observamos ainda nos três estudos conduzidos (N=648), comparado aos outros princípios de influência, o número de indivíduos suscetíveis ao princípio de autoridade eram os menores. Poucas iniciativas de pesquisa vêm investigando como desenvolver sistemas de gamificados que se adaptam aos papéis de jogadores. Parte desta deficiência pode ser explicada devido à complexidade no projeto e desenvolvimento destes sistemas. Entretanto como evidenciado, além da ineficácia dos modelos de gamificação baseados em uma solução para todos, o maior risco observado está no uso de modelos contraproducentes, uma vez que a estratégia apropriada para motivar um indivíduo, pode acabar desmotivando outros (backfire effect).

Made available in DSpace on 2016-08-17T14:52:57Z (GMT). No. of bitstreams: 1 Mark Renato Campos Lima.PDF: 4332338 bytes, checksum: 43ce7b384fbf67daf6f4eb343359cf14 (MD5) Previous issue date: 2006-05-25 / This work presents a boarding based on genetic algorithms for the resolution of the groups formation problem for the computer supported cooperative learning. In this boarding the problem is defined as a optimization task in which if it intends to optimize the quality of the groups formed for the application of the cooperative model of teach-learning used in computerized environments. This quality is subjects the pedagogical factors that can be established by the pedagogical model of the learning environment and is taken in question for the considered method of formation. It is evaluated use of the boarding proposal applying it in the environment of NetClass teach-learning, developed for the Federal University of the Maranhão. / Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para a resolução do problema da formação de grupos para a aprendizagem cooperativa apoiada por computador. Nesta abordagem o problema é definido como uma tarefa de otimização na qual se pretende otimizar a qualidade dos grupos formados para a aplicação do modelo cooperativo de ensinoaprendizagem utilizado em ambientes computadorizados. Esta qualidade está sujeita a fatores pedagógicos que podem ser estabelecidos pelo modelo pedagógico do ambiente de aprendizagem e são levadas em questão pelo método de formação proposto. Avalia-se a utilização da abordagem proposta aplicando-a no ambiente de ensino-aprendizagem NetClass, desenvolvido pela Universidade Federal do Maranhão.

A Aprendizagem Colaborativa com Suporte Computacional (CSCL) é uma área de pesquisa que investiga como a tecnologia pode ser usada para apoiar a interação e a colaboração nas atividades realizadas em grupo, promovendo a construção do conhecimento individual e coletivo dos seus participantes. Um dos desafios desse campo de pesquisa refere-se à formação de grupos de aprendizagem efetivos. Esses grupos são caracterizados pela sinergia existente entre os seus membros para que os objetivos do trabalho sejam alcançados de forma plena, assegurando a melhoria dos resultados de aprendizagem de cada um dos envolvidos. Apesar das importantes contribuições, pesquisadores da CSCL apontam problemas relacionados à resistência e desmotivação dos estudantes para o trabalho em grupo, que pode ser influenciada por características pessoais dos alunos, como os traços de personalidade. Nesse sentido, este trabalho de doutorado tem como objetivo verificar a influência dos traços de personalidade na formação de grupos baseados em teorias de aprendizagem colaborativa, e criar mecanismos para automatizar e apoiar a formação dos grupos em ambientes CSCL. Para alcançar esse objetivo, três desafios de pesquisa foram estabelecidos. O primeiro se propõe a investigar a influência dos traços de personalidade na efetividade dos grupos (aprendizado, satisfação, motivação) baseados em teorias de aprendizagem colaborativa. Para isso, foi realizado um estudo experimental, com 156 alunos do ensino fundamental II, que confirmou a influência dos traços de personalidade, rigidez mental e emocionalidade, na aprendizagem e motivação de 78 grupos apoiados pela teoria de aprendizagem colaborativa Peer Tutoring. O segundo desafio de pesquisa consiste no desenvolvimento de um modelo formal para relacionar os traços de personalidade às teorias de aprendizagem colaborativa. Dessa forma, foi desenvolvido um método, composto por quatros passos, para modelagem de novos papéis de aprendizagem, denominados de Papéis Colaborativos Afetivos (PCAs). Com base nesses PCAs é possível criar novos cenários de aprendizagem colaborativa e, além disso, estabelecer estratégias de aprendizagem para lidar com as características dos traços de personalidade que podem influenciar negativamente o comportamento dos estudantes. Dois estudos de caso foram conduzidos para avaliar o modelo formal. O primeiro, realizado com 10 alunos na faixa de idade de 13-16 anos, avaliou o impacto da característica de insociabilidade e impulsividade na formação de grupos baseados na teoria de aprendizagem Anchored Instruction. O segundo foi desenvolvido com 15 alunos, na faixa de idade de 09-10 anos, e investigou a influência da característica de alta e baixa impulsividade na formação de grupos baseados na teoria de aprendizagem Distributed Cognition. Os resultados mostraram que este modelo contribui para o design de cenários colaborativos mais efetivos, visto que ele personaliza a formação de grupos ao propor a criação de novos papéis de aprendizagem que consideram os traços de personalidade associados às teorias de aprendizagem. Finalmente, o último desafio de pesquisa refere-se ao desenvolvimento de um algoritmo que utilize os novos PCAs para a criação de grupos. Como resultado, foi implementado o algoritmo G-FusionPT que, baseado em uma amostra simulada de 300 alunos, mostrou ser mais efetivo quando comparado a dois outros algoritmos de formação de grupos. / Computer Supported Collaborative Learning (CSCL) is a research area which investigates how technology can support the interaction and collaboration in group activities, while promoting individual and collective learning. One of the challenges in CSCL is the creation of effective learning groups. A key aspect of these groups is the synergy among their members which enables their objectives to be thoroughly fulfilled, ensuring improvements in the learning results of each participant. Despite of important contributions, CSCL researchers have been pointing out problems related to students resistance and demotivation to work in groups, which can be influenced by their personal characteristics, such as personality traits. In this context, this doctoral investigation aims at verifying the influence of personality traits in group formation based on collaborative learning theories, and creating mechanisms to automate and support group formation in CSCL environments. Three research challenges have been established to achieve this goal. The first proposes to investigate personality traits influence in group effectiveness (learning, satisfaction, motivation) based on collaborative learning theories. Thus, we carried out an experimental study, with 156 elementary students, which confirmed the influence of psychoticism and neuroticism personality traits in the learning and motivation of 78 groups supported by Peer Tutoring collaborative learning theory. The second research challenge is the development of a formal model matching personality traits and collaborative learning theories. Thus, we developed a four steps method to model new learning roles, denominated Affective Collaborative Learning (ACL) roles. Those allowed the creation of new collaborative learning scenarios and the establishment of learning strategies to deal with personality traits characteristics that may negatively influence students behavior. Two case studies were performed to evaluate the formal model. The first study, performed with 10 students aged between 13-16, investigated the impact of unsociable and impulsive characteristics in group formation based on Anchored Instruction collaborative learning theory. The second study, performed with 15 students aged between 09-10, investigated the influence of high and low impulsivity characteristics in group formation based on Distributed Cognition collaborative learning theory. The results showed that this model contributes to the design of effective CSCL scenarios, whereas it personalizes the formation of groups using personality traits and ACL roles. Finally, the last research challenge refers to development of an algorithm employing the new ACL roles to creation of groups. As results, we implemented G-FusionPT algorithm and, based on an artificial sample of 300 simulated students, it proved to be more effective than two previous group formation algorithms.

Submitted by Viviane Lima da Cunha (viviane@biblioteca.ufpb.br) on 2016-02-05T15:54:58Z No. of bitstreams: 1 arquivototal.pdf: 4833402 bytes, checksum: 88ffcf3db8082fc50d986d744b72fd34 (MD5) / Made available in DSpace on 2016-02-05T15:54:58Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 4833402 bytes, checksum: 88ffcf3db8082fc50d986d744b72fd34 (MD5) Previous issue date: 2013-02-25 / The use of Wireless Sensor Networks (WSN) has been widespread in many areas of research and application. The purpose of this work is a study on how to use sensors to monitor people on the move, having a WSN as a way in which the search will occur, but in order to predict the formation of groups in certain regions. For this work the network was designed and tested in the simulator Ptolemy II, using the ZigBee Communication protocol, where the sensors were positioned according to a Cartesian coordinate system. The WSN will detect people and identify common patterns of movement, such as speed, direction and type of movement, using parameters set in the simulator. People involved in the groups will be identified by RFID (Radio Frequency Identification) attached to his body. The movement of the crowd had its mathematical formalization based on parameters such as position of the group, number of people per group and duration of movement that define the characteristics necessary to simulate this scenario. From the formalization of the movement of the crowd, many data are collected at predetermined time intervals and interpreted by an algorithm, through the exchange of messages between sensors, estimates the crowd forming in the region defined as the target. In this work, were inserted charts and graphs that reflect the actual number of people moving towards the real target. These data are generated from the intense exchange of messages between sensors, obeying some parameters that favor established and the algorithm that estimates the crowd at the target formation at any given time. The accuracy of the prediction was measured by the amount of alarms issued that estimate and the formation of agglomerations of people in a given region. Thus, the identification of individuals by sensors is interpreted according to the possibility of formation of groups and their values disseminated by the network. The proposal is that this action will facilitate the process of decision making and thus help to characterize the formation of crowds. / O uso das Redes de Sensores sem Fio (RSSF) tem sido difundido em diversas áreas de pesquisa e aplicação. A proposta deste trabalho é um estudo sobre como utilizar sensores para monitorar pessoas em movimento, tendo uma RSSF como meio no qual a pesquisa deverá ocorrer, porém com o intuito de prever a formação de grupos em determinadas regiões. Para a realização deste trabalho a rede foi projetada e testada no simulador Ptolemy II, usando o protocolo ZigBee de comunicação, e os sensores foram posicionados de acordo com um sistema de coordenadas cartesianas. A RSSF deverá detectar as pessoas e identificar características comuns de movimento, como velocidade, direção e tipo de movimento, por meio de parâmetros configurados no simulador. As pessoas envolvidas nos grupos serão identificadas por etiquetas RFID (Radio Frequency Identification) presas ao seu corpo. O movimento de multidão teve sua formalização matemática baseada em parâmetros como posição do grupo, quantidade de pessoas por grupo e duração do movimento, que definem as características necessárias para a simulação desse cenário. A partir da formalização do movimento da multidão, vários dados foram coletados em intervalos de tempo previamente determinados e interpretados por um algoritmo que, por meio da troca de mensagens entre sensores, estima a formação de multidão na região definida como alvo. Neste trabalho, foram inseridos tabelas e gráficos que refletem o número real de pessoas que se deslocam em direção ao alvo real. Esses dados foram gerados a partir da intensa troca de mensagens entre os sensores, obedecendo alguns parâmetros estabelecidos e que favorecem o algoritmo que estima a formação de multidão no alvo, em determinado tempo. A acurácia da previsão foi medida pela quantidade de alarmes emitidos e que estimam a formação de aglomerações de pessoas em determinada região. Assim, a detecção de pessoas pelos sensores é interpretada de acordo com a possibilidade de formação de grupos, tendo seus valores disseminados pela rede. A proposta é que essa ação facilite o processo de tomada de decisão e, consequentemente, ajude na caracterização da formação de multidões

Submitted by Jaqueline Silva (jtas29@gmail.com) on 2014-09-26T21:10:33Z No. of bitstreams: 2 Caetano, Samuel Sabino-2013-dissertação.pdf: 1031464 bytes, checksum: 39f6a5947aed90b8f7c8e56b76d93e5a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-09-26T21:12:31Z (GMT) No. of bitstreams: 2 Caetano, Samuel Sabino-2013-dissertação.pdf: 1031464 bytes, checksum: 39f6a5947aed90b8f7c8e56b76d93e5a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-09-26T21:12:31Z (GMT). No. of bitstreams: 2 Caetano, Samuel Sabino-2013-dissertação.pdf: 1031464 bytes, checksum: 39f6a5947aed90b8f7c8e56b76d93e5a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2013-09-09 / Increasingly, learning in groups has become present in school environments. This fact is also part of the organizations, when considers learning in the workplace. Conscious of the importance of group learning at the workplace (CSCL@Work) emerges as an application area. In Computer Supported Collaborative Learning(CSCL), researchers have been struggling to maximize the performance of groups by techniques for forming groups. Is that why this study developed three (3) algorithmic approaches to formation of intraheterogeneous and inter-homogeneous groups, as well as a model proposed in this work in which integrates dichotomous functional characteristics and preferred roles. We made an algorithm that generates random groups, a Canonical Genetic Algorithm and Hybrid Genetic Algorithm. We obtained the input data of the algorithm by a survey conducted at the Court of the State of Goiás to identify dichotomous functional characteristics, and after we categorize these characteristics, based on the data found and the model proposed group formation. Starting at real data provided of employees whom participated in a course by Distance Education (EaD), we apply the model and we obtained the input data related to functional features. As regards the favorite roles, we assigned randomly values to the employees aforementioned, from a statistical statement made by Belbin into companies in the United Kingdom. Then, we executed the algorithms in three test cases, one considering the preferred papers and functional characteristics, while the other two separately considering each of these perspectives. Based on the results obtained, we found that the hybrid genetic algorithm outperforms the canonical genetic algorithm and random generator. / A aprendizagem em grupos tem se tornado realidade cada vez mais presente nos ambientes de ensino. Esta realidade também faz parte das organizações quando considera-se a aprendizagem no contexto do trabalho. Cientes da importância da aprendizagem em grupo no ambiente de trabalho, uma nova abordagem, denominada CSCL@Work, surge como uma aplicação da área Aprendizagem Colaborativa Apoiada pelo Computador, no inglês, Computer Supported Collaborative Learning (CSCL), no ambiente de trabalho. Em CSCL, pesquisadores tem se esforçado cada vez mais para maximizar o desempenho dos grupos através de técnicas para formação de grupos. Por isso neste trabalho desenvolvemos 3 (três) abordagens algorítmicas para formação de grupos intra-heterogêneos e inter-homogêneos, a partir de um modelo proposto nesta pesquisa, que integra características funcionais dicotômicas e papéis preferidos. Confeccionamos um algoritmo que gera grupos aleatoriamente, um algoritmo genético canônico e um algoritmo genético híbrido. Para obter os dados de entrada do algoritmo, realizamos uma pesquisa no Tribunal de Justiça do Estado de Goiás para identificar características funcionais dicotômicas, categorizamos estas características, com base nos dados encontrados e no modelo de formação de grupos proposto. A partir de dados reais fornecidos de funcionários que participaram de um curso por Educação a Distância (EaD), aplicamos o modelo e obtivemos os dados de entrada relativos às características funcionais. Quanto aos papéis preferidos, atribuímos os valores aleatoriamente aos funcionários mencionados, partindo de um levantamento estatístico feito por Belbin em empresas no Reino Unido. Em seguida, executamos os algoritmos em três casos de testes, um considerando as características funcionais e papéis preferidos, e os outros dois considerando separadamente cada uma destas perspectivas. A partir dos resultados obtidos, constatamos que o algoritmo genético híbrido obtém resultados superiores ao algoritmo genético canônico e método aleatório.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2017-03-15T15:41:16Z No. of bitstreams: 1 Paulo Henrique Santini_.pdf: 1635865 bytes, checksum: a18482dc0477e7b87a5e8b04620ff499 (MD5) / Made available in DSpace on 2017-03-15T15:41:16Z (GMT). No. of bitstreams: 1 Paulo Henrique Santini_.pdf: 1635865 bytes, checksum: a18482dc0477e7b87a5e8b04620ff499 (MD5) Previous issue date: 2016-08-30 / Santander Universidades / Na área da computação nas últimas décadas o principal fenômeno a ser destacado é a difusão dos dispositivos móveis e os avanços da computação ubíqua, que propõe um cenário onde os diferentes tipos de serviços computacionais encontram-se disponíveis aos usuários a qualquer momento e em qualquer lugar. Esses serviços, também devem interagir no cotidiano das pessoas de forma onipresente, invisível e proativa. Com base nisso, diversas aplicações têm surgido aplicadas em diferentes áreas, como educação, saúde, transporte, acessibilidade. Nestas áreas pode ser constatado que a formação e gerenciamento de grupos é um desafio comum e possui grande importância como pode ser notado pelos esforços recentes e pesquisas relevantes sobre o assunto. Nessas pesquisas tem-se apontado que é importante considerar aspectos de contexto das entidades, mas também o histórico de contexto de determinada entidade. Neste cenário, esta dissertação propõe o eGroup, um modelo para o gerenciamento de grupos dinâmicos de entidades, que visa auxiliar aplicações ubíquas que almejem agrupar e gerenciar entidades levando em consideração características de perfis das entidades, o contexto em que elas estão inseridas, bem como histórico destes. A estratégia adotada neste trabalho se diferencia dos trabalhos relacionados por não trabalhar com um domínio específico, considerar todos os aspectos de contexto e o histórico de contexto, gerando de forma dinâmica um perfil e trilha do grupo. Com os resultados obtidos através de uma validação por cenários, foi possível verificar a viabilidade do modelo, além de propor uma solução para o problema de pesquisa. / In recent decades in the area of computing the main phenomenon to be highlighted is the diffusion of mobile devices and advances in ubiquitous computing, which proposes a scenario where the different types of computer services are available to users anytime and anywhere. These services should also interact ubiquitously, invisible and proactive in daily life. Based on this, several applications have emerged applied in different areas such as education, health, transportation, accessibility. These can be seen that the formation and management groups is a common challenge and has great importance as can be seen by recent efforts and relevant research on the subject. In these studies we have pointed out that it is important to consider the context of aspects of the entities but also the determined entity context history. In this scenario, this dissertation proposes the eGroup, a model for managing dynamic groups of bodies which aims to assist ubiquitous applications that aim group and manage entities taking into account characteristics of the entities profiles, the context in which they operate, as well as historical thereof. The strategy adopted in this study differs from related work by not working with a particular domain, consider all aspects of the context and the context of history, generating dynamically a profile and group track. The results obtained through a validation scenarios, it was possible to verify the viability of the model, and to propose a solution to the problem of research.

Made available in DSpace on 2016-12-12T20:22:53Z (GMT). No. of bitstreams: 1 Jucilene Rosa Citadin.pdf: 3612746 bytes, checksum: 166b327aaf526b2c31111cff753d5b74 (MD5) Previous issue date: 2015-08-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A formação de grupos para a aprendizagem colaborativa é uma tarefa importante, pois deve permitir a efetiva interação dos membros de um grupo. No entanto, a explosão combinatória relativa ao número de estudantes torna a formação de grupos um problema de otimização combinatória, que é NP-hard, isto é, um problema que não tem solução ótima em tempo polinomial. A resolução desses problemas de complexidade não polinomial requer um grande esforço computacional e aplicação de heurísticas ou meta-heurísticas para chegar a soluções viáveis em tempos adequados. Uma meta-heurística que tem provado ser eficiente na resolução de problemas de otimização NP-hard são os algoritmos genéticos (AG). Por isso, esta pesquisa avalia a adoção de algoritmos genéticos para a formação de grupos na aprendizagem colaborativa, considerando um contexto massivo de dados (milhares de estudantes). Pesquisas bibliográficas e um mapeamento sistemático da literatura sobre formação de grupos para aprendizagem colaborativa foram realizados. Constituir grupos de forma automática, considerando a abordagem selecionada e o critério heterogêneo, utilizando como recurso algoritmos genéticos, foram os resultados apontados pelo mapeamento. Assim, esta pesquisa se propôs a gerar grupos heterogêneos de forma automática, utilizando como abordagem grupo selecionado, considerando os conhecimentos e as interações dos estudantes. Algoritmos genéticos foram utilizados para a formação dos grupos, que teve como objetivo maximizar a heterogeneidade dos conhecimentos e as interações dos estudantes no grupo, além de gerar grupos balanceados entre si (inter-homogêneos). Foram desenvolvidos dois algoritmos, um AG e um randômico como método base de comparação. Ambos foram testados considerando dados de mil até dez mil estudantes, com diferentes configurações dos conhecimentos e interações. A comparação foi feita considerando o fitness, o percentual de grupos heterogêneos e/ou balanceados gerados pelos algoritmos e o tempo de processamento gasto por grupo gerado. Os resultados apontam que AG é eficaz para a formação de grupos heterogêneos na aprendizagem colaborativa. Os resultados do AG foram mais eficientes que os resultados do algoritmo randômico, para conhecimentos heterogêneos e conhecimentos aleatórios. Para conhecimentos homogêneos o AG teve a mesma eficiência que o algoritmo randômico, porém é mais eficaz, pois gera mais grupos balanceados do que o algoritmo randômico.