[pt] O crescente uso da tecnologia da informação exerce nos dias atuais grande influência sobre o comportamento da sociedade. Isso é parcialmente decorrente da aplicação de novas estratégias organizacionais que fazem com que pessoas e entidades se beneficiem e evoluam em suas atividades. Uma tendência observada no presente está associada aos benefícios alcançados quando pessoas com o mesmo interesse se unem para a realização de uma tarefa comum. Esta dissertação apresenta um framework multi-agente que permite a instanciação de aplicações que fornecem como resultado um relatório de grupos de interesse formados a partir de qualquer base de dados, heurística de definição de perfil do usuário, heurística de definição de perfil do grupo, estratégia de formação de grupos, e formato de apresentação dos dados. / [en] The current growth on the use of information technology exerts great influence on the behavior of the society. That is partially due to the application of new organization strategies which assist people and institutions on the development of their activities. A tendency which can be currently observed is associated with the benefits that occur when people with the same interest are grouped together for the accomplishment of a common task. This dissertation presents a Multi Agent framework that allows for the instantiation of applications that generate interest groups reports from any database, user profile definition heuristic, group formation strategy and data presentation format.

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.

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.