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.

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 is a midia sufficiently used for Distance Education. This work has as objective the design and implementation of a framework, FA_PorT,for Portfolio-Tutoring systems coupled a Intelligent Tutoring Systems (STI) and using agents and present two applications Portfolio-Tutoring, created from the framework The FA_PorT mainly aiming the design of a model computer-based interactive learning environment for Portfolio-Tutoring systems. Each system Portfolio-Tutoring will be able to be used in the context of environment for EAD in the web. The framework proposed, aims to reuse of internal architecture (or skeleton) of a portfolio-tutoring system based on ITS and Agents, doing with that development time of a new portfolio-tutoring system will be reduced. / A Educação a Distância (EAD) 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 é uma mídia bastante utilizada na EAD. O objetivo deste trabalho é projetar e implementar um framework, FA_PorT, para sistemas Portfólio-Tutor acoplado a um sistema Tutor Inteligente (STI) utilizando Agentes e apresentar duas aplicações Portfólio-Tutor, criadas a partir do framework. O FA_PorT visa propor um modelo de ambiente interativo de ensino e aprendizagem baseado numa arquitetura para sistemas Portfólio-Tutor. Cada sistema Portfólio-Tutor construído a partir do framework pode ser utilizado no contexto de ambientes de EAD na web. O framework proposto objetiva o reaproveitamento da estrutura interna (núcleo comum) de um sistema Portfólio-Tutor baseado em STI e Agentes, fazendo com que o tempo de desenvolvimento de um novo sistema Portfólio-Tutor seja reduzido

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

This study is a qualitative research project classified as practical and participatory action research designs, which has as its aim the creation of an instructional design, used as a learning metric for Domus Software - Procel Edification, which integrates concept maps and the revised Bloom taxonomy into an intelligent web assessment system. This metric aligns curriculum concept maps along with conceptual and procedural knowledge of the Domus software - Procel edifies the retaining cognitive processes, provides understanding and application, through offering a model of instructional design, which assigns weights to those cognitive processes attained by students and identifies principles to be used in its applicability for the evaluation of distance learning. The authors also present the results for alignment, inferring weights as well as an outline of the logical sequence along with steps for the implementation of the intelligent system through the association of some exemplification slides. / O presente trabalho é uma pesquisa qualitativa e classificada como practical and participatory action research designs (desenho de pesquisa de prática e ação participativa), que tem como intuito criar um desenho instrucional para uma métrica da aprendizagem do Software Domus Procel Edifica, integrando mapas conceituais à taxonomia revisada de Bloom em um sistema inteligente de avaliação na Web. Essa métrica alinha mapas conceituais curriculares, conhecimentos procedimentais e conceituais do software Domus − Procel Edifica aos processos cognitivos de retenção, entendimento e aplicação, oferecendo um modelo de desenho instrucional, que atribui pesos aos processos cognitivos alcançados pelos estudantes e identifica alguns princípios para sua aplicabilidade na avaliação da aprendizagem a distância. Apresenta-se ainda, resultados de alinhamento, inferência de pesos e um esboço da sequência lógica e etapas de execução do sistema inteligente, associando-se algumas telas de exemplificação. / Mestre em Educação