Made available in DSpace on 2016-03-15T19:37:32Z (GMT). No. of bitstreams: 1 Samuel Fontes Lima.pdf: 2071921 bytes, checksum: 2d66276b3ab526cbf68f0f727c2e1f3d (MD5) Previous issue date: 2010-08-18 / Nowadays, object oriented languages are among the most used ones. Recent studies with beginners have shown that the object oriented programming language (OOP) concepts are not so easy to learn. Students have difficulties not only in understanding those OOP concepts, but also in applying them to solving problems. Therefore, an Intelligent Tutoring System (ITS) is suggested in order to help in the learning process of these concepts. One of the most important challenge for ITS development is the individual treatment of student, which is mainly obtained by system adaptativity to the characteristics of each student. This adaptativity to student is a complex issue and the focus of several researches. It encloses several areas of personality such as: learning style, intelligence, previous knowledge, student background and emotions. Thus, the student model is extremely important because all individual information of student is in it. It is here where Artificial Intelligence (AI) techniques have been employed. This paper approaches the adaptativity issue of tutoring system to student knowledge through a student model based on Bayesian Network (BN). Taking into consideration that the student knowledge level is an inaccurate information, and even professors deal with this uncertainty, the Bayesian Networks (BNs), also known as Belief Network, have been chosen. They are considered proper for uncertain spheres for employing the probabilistic reasoning, which allows to identify a certain belief degree of student knowledge level. Therefore, the BNs have been employed in ITS in the inferences concerning student behavior as well as in the decision-making process concerning tutor actions. / Atualmente as linguagens orientadas a objeto encontram-se entre as mais utilizadas. Estudos recentes com alunos iniciantes demonstram que os conceitos de programação orientada a objetos (POO) não são tão fáceis de assimilar. Os estudantes encontram dificuldades não somente no entendimento dos conceitos de POO, mas também na aplicação deles na resolução de problemas. Diante disso, propõe-se o emprego de um Sistema Tutor Inteligente (STI) para auxiliar no processo de aprendizagem desses conceitos. Um dos principais desafios para o desenvolvimento de um STI é o tratamento individualizado do estudante, que é obtido principalmente por meio da adaptatividade do sistema às características de cada aprendiz. A adaptatividade ao aprendiz é uma questão complexa, foco de várias pesquisas, abrange várias características da personalidade: estilo de aprendizagem, inteligência, conhecimento anterior, histórico do aprendiz e as emoções. Dessa forma, o modelo do estudante é de fundamental importância, pois contém as informações individuais do aprendiz. É nesse ponto que as técnicas de Inteligência Artificial (IA) têm sido empregadas. Este trabalho aborda a questão da adaptatividade do sistema tutor ao conhecimento do estudante por meio de um modelo de aprendiz baseado em Rede Bayesiana. Considerando-se que o nível de conhecimento do aprendiz é uma informação imprecisa, e que até mesmo professores lidam com essa incerteza, optou-se pela utilização de Redes Bayesianas (RBs), também chamadas de Redes de Crença, que são consideradas adequadas para ambientes sob incerteza pois empregam o raciocínio probabilístico, o qual permite identicar um certo grau de crença sobre o nível de conhecimento do aprendiz. Devido a isso, RBs têm sido empregadas em STIs nas inferências sobre o comportamento do aprendiz e nas tomadas de decisões sobre as ações do tutor.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-30T20:45:21Z No. of bitstreams: 1 DEBORA MARIA COELHO NASCIMENTO - DISSERTAÇÃO PPGCC 2002..pdf: 1947953 bytes, checksum: fc4f4ae1b91edd8b14f6fcb22d0faa42 (MD5) / Made available in DSpace on 2018-07-30T20:45:21Z (GMT). No. of bitstreams: 1 DEBORA MARIA COELHO NASCIMENTO - DISSERTAÇÃO PPGCC 2002..pdf: 1947953 bytes, checksum: fc4f4ae1b91edd8b14f6fcb22d0faa42 (MD5) Previous issue date: 2002-08-23 / A Educação a Distância amplia o alcance da modalidade de ensino presencial, já que fornece aos indivíduos, independentemente do local onde moram ou tempo disponível, a oportunidade de iniciar ou complementar seus estudos. Em virtude da facilidade de acesso, disponibilidade e recursos de interação existentes, a Internet vem surgindo como mídia altamente promissora para a aplicação da EAD. Neste contexto, o objetivo deste trabalho é projetar e implementar uma ferramenta que dê suporte à Educação a Distância via Internet, o Portfólio-Tutor, que atue não como substituto do professor, mas como instrumento de apoio, auxiliando-o no processo de transmissão de conhecimento e fornecendo mecanismos para que o mesmo possa acompanhar a aprendizagem dos alunos e a eficiência das estratégias didáticas aplicadas. Para a transmissão de conhecimento é modelado um tutor que, seguindo os princípios dos sistemas tutores inteligentes, proporciona um ensino adaptado ao nível de conhecimento do aluno e a sua capacidade cognitiva. No acompanhamento do processo de aprendizagem é empregado um portfólio eletrônico que, além de propiciar uma forma de avaliação autêntica, através da capacidade ativa e tratamento temporal implementados, provê o gerenciamento automático das atividades e fornece subsídios à tomada de decisão por parte do professor. Sendo assim, o Portfólio-Tutor em contraposição a possibilidade de massificação do ensino, às vezes sugerida por instituições em relação à Educação a Distância, proporciona um ambiente comprometido com o processo pedagógico, onde o professor assume o papel de orientador e incentivador, planejando e acompanhando, para assim promover a melhora contínua da estratégia didática a ser utilizada e conseqüentemente maior qualidade na aprendizagem, enquanto exige-se do aluno um comportamento mais ativo, autodidata e participativo, atribuindo-lhe responsabilidade sobre o decurso de sua aprendizagem. / Distance Education expands the scope of the inside classroom teaching model since anybody, independent of where he lives or how much available time he has, has the opportunity to initiate or complement his studies. Considering access facility, availability and interaction resources provided, the Internet arises as a promising midia for Distance Education. In this context, this work has as objective the design and implementation of a tool for the support an environment for Distance Education on the Internet – the Portfolio-Tutor, that works not as a teacher substitute, but as an aid instrument, supporting the teaching process and providing mechanisms (apparatus) that allows the teacher to keep up with students’ knowledge acquisition process and the efficiency of the applied didactic strategy. For a teaching process, it is designed a tutor based on Intelligent Tutoring Systems’ principles, that provides adapted learning in student’s knowledge level and his cognitive capacity. To keep up with students’ learning process an electronic portfolio is used, besides to propitiating an authentic evaluation, through active capacity and temporal treatment, it supplies automatic management of activities and provides necessary informations to the teacher to make decisions. In contraposition to the possibility of some education institutions be worry mostly about quantities of attended people when apply the Distance Education, the Portfolio-Tutor provides an environment engaged with the pedagogical process, where the teacher assumes the supervisor and inciter’s role, projecting and keeping up with the didactic strategy applied, to have as an objective to guarantee the learning process quality, while the students assume an active, self-educating and participant behaviour, assuming the responsibility about his learning.

This study presents a model for the organization of educational content customized for environments of individual studies. For many students the availability of content in general form can not be efficient. It proposed a multilevel structure of concepts to provide the development of different combinations to show the same content. The work shows that it is possible to customize the content in order to encourage other students with the use of proximal learning standards. These patterns are obtained from the analysis of the action of students with positive results in the individual organization of the content. The formal representation establishes the definition of the student profile, multi-level content, the distribution plan of correction of concepts and teaching career. The structure of the trajectory of student teaching is formally established by the method of finite differences. The system uses artificial intelligence techniques to organize and personalize content reactively. Customization is provided by an artificial neural network that enables the classification of the student profile and assign that profile to a standard proximal learning. To mediate and adjust the contents of a reactive system was inserted into a set of rules from experts in teaching. The experiment showed the applicability and appropriateness of the proposed model. The results indicated the suitability of the approach by automating the organization\'s custom content so adaptive and reactive. The intelligent system to establish the structure of the custom content to be presented was considered efficient, giving the student a better use of the content, with higher and lower final average study time and content presented. / Este trabalho apresenta uma modelagem para a organização personalizada de conteúdos didáticos para ambientes de estudos individuais. Para muitos estudantes a disponibilização do conteúdo em formato generalizado pode não ser eficiente. É proposta uma estrutura multinível de conceitos para proporcionar o desenvolvimento de diferentes combinações para a apresentação do mesmo conteúdo. O trabalho mostra que é possível personalizar o conteúdo de forma a favorecer outros estudantes com o uso de padrões proximais de aprendizagem. Estes padrões são obtidos da análise da ação de estudantes, com resultados positivos na organização individual do conteúdo. A representação formal estabelece a definição do perfil do estudante, o conteúdo multinível, o plano de distribuição dos conceitos e a correção da trajetória didática. A estruturação da trajetória didática do estudante é formalmente estabelecida pelo método das diferenças finitas. O sistema utiliza técnicas de inteligência artificial para organizar e personalizar reativamente o conteúdo. A personalização é proporcionada por uma rede neural artificial que possibilita a classificação do perfil do estudante e associa esse perfil a um padrão proximal de aprendizagem. Para mediar e ajustar o conteúdo de forma reativa foi inserido no sistema um conjunto de regras de especialistas em docência. O experimento realizado mostrou a aplicabilidade e a adequação da modelagem proposta. Os resultados indicaram a adequação da abordagem, automatizando a organização personalizada do conteúdo de forma adaptativa e reativa. O sistema inteligente ao estabelecer a estruturação personalizada do conteúdo a ser apresentado foi considerado eficiente, proporcionando ao estudante um melhor aproveitamento do conteúdo, com maior média final e menor tempo de estudo e conteúdo apresentado. / Doutor em Ciências