Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

Made available in DSpace on 2010-04-20T20:56:57Z (GMT). No. of bitstreams: 4 Ernesto_Colla.pdf.jpg: 21014 bytes, checksum: 4f059b37f39662752479b4c41e7d0ccd (MD5) Ernesto_Colla.pdf.txt: 293178 bytes, checksum: bbca88752988b32a6da9e503e9fbe5cf (MD5) license.txt: 4810 bytes, checksum: 4ca799e651215ccf5ee1c07a835ee897 (MD5) Ernesto_Colla.pdf: 1784465 bytes, checksum: 7c45a00d36db536ce2c8e1eff4a23b6b (MD5) Previous issue date: 2009-06-29T00:00:00Z / We develop a probabilistic model using Machine Learning tools to classify the trend of the Brazilian country risk expressed EMBI+ (Emerging Markets Bond Index Plus). The main goal is verify if Machine Learning is useful to build economic models which could be used as reasoning tools under uncertainty. Specifically we use Bayesian Networks to perform pattern recognition in observed macroeconomics and financial data. The results are promising. We get the main expected theoretical relationship between country risk and economic variables, as well as international economic context and market expectations. / O objetivo deste trabalho é testar a aplicação de um modelo gráfico probabilístico, denominado genericamente de Redes Bayesianas, para desenvolver modelos computacionais que possam ser utilizados para auxiliar a compreensão de problemas e/ou na previsão de variáveis de natureza econômica. Com este propósito, escolheu-se um problema amplamente abordado na literatura e comparou-se os resultados teóricos e experimentais já consolidados com os obtidos utilizando a técnica proposta. Para tanto,foi construído um modelo para a classificação da tendência do 'risco país' para o Brasil a partir de uma base de dados composta por variáveis macroeconômicas e financeiras. Como medida do risco adotou-se o EMBI+ (Emerging Markets Bond Index Plus), por ser um indicador amplamente utilizado pelo mercado.

Submitted by Marcia Bacha (marcia.bacha@fgv.br) on 2011-05-06T18:11:59Z No. of bitstreams: 1 1417127.pdf: 5400521 bytes, checksum: b6ddcc4cf2fe2855e50cb7bc0be5c242 (MD5) / Approved for entry into archive by Marcia Bacha(marcia.bacha@fgv.br) on 2011-05-06T18:12:06Z (GMT) No. of bitstreams: 1 1417127.pdf: 5400521 bytes, checksum: b6ddcc4cf2fe2855e50cb7bc0be5c242 (MD5) / Approved for entry into archive by Marcia Bacha(marcia.bacha@fgv.br) on 2011-05-06T18:12:15Z (GMT) No. of bitstreams: 1 1417127.pdf: 5400521 bytes, checksum: b6ddcc4cf2fe2855e50cb7bc0be5c242 (MD5) / Made available in DSpace on 2011-05-06T18:12:24Z (GMT). No. of bitstreams: 1 1417127.pdf: 5400521 bytes, checksum: b6ddcc4cf2fe2855e50cb7bc0be5c242 (MD5) Previous issue date: 2010-03-26 / A incerteza é o principal elemento do futuro. Desde os primórdios, o homem busca métodos para estruturar essas incertezas futuras e assim poder guiar suas ações. Apenas a partir da segunda metade do século XX, porém, quando os métodos projetivos e preditivos já não eram mais capazes de explicar o futuro em um ambiente mundial cada vez mais interligado e turbulento, é que nasceram os primeiros métodos estruturados de construção de cenários. Esses métodos prospectivos visam lançar a luz sobre o futuro não para projetar um futuro único e certo, mas para visualizar uma gama de futuros possíveis e coerentes. Esse trabalho tem como objetivo propor uma nova abordagem à construção de cenários, integrando o Método de Impactos Cruzados à Análise Morfológica, utilizando o conceito de Rede Bayesianas, de fonna a reduzir a complexidade da análise sem perda de robustez. Este trabalho fará uma breve introdução histórica dos estudos do futuro, abordará os conceitos e definições de cenários e apresentará os métodos mais utilizados. Como a abordagem proposta pretende-se racionalista, será dado foco no Método de Cenários de Michel Godet e suas ferramentas mais utilizadas. Em seguida, serão apresentados os conceitos de Teoria dos Grafos, Causalidade e Redes Bayesianas. A proposta é apresentada em três etapas: 1) construção da estrutura do modelo através da Análise Estrutural, propondo a redução de um modelo inicialmente cíclico para um modelo acíclico direto; 2) utilização da Matriz de Impactos Cruzados como ferramenta de alimentação, preparação e organização dos dados de probabilidades; 3) utilização da Rede Bayesiana resultante da primeira etapa como subespaço de análise de uma Matriz Morfológica. Por último, um teste empírico é realizado para comprovar a proposta de redução do modelo cíclico em um modelo acíclico.

Made available in DSpace on 2016-06-02T20:06:06Z (GMT). No. of bitstreams: 1 4338.pdf: 1335557 bytes, checksum: 8e0bef5711ff8c398be194e335deecec (MD5) Previous issue date: 2012-02-28 / Universidade Federal de Sao Carlos / Classification consists in the discovery of rules of prediction to assist with planning and decision-making, being a continuously indispensable tool and a highly discussed subject in literature. As a special case in classification, we have the process of credit risk rating, within which there is interest in identifying good and bad paying customers through binary classification methods. Therefore, in many application backgrounds, as in financial, several techniques can be utilized, such as discriminating analysis, probit analysis, logistic regression and neural nets. However, the Probabilistic Nets technique, also known as Bayesian Networks, have showed itself as a practical convenient classification method with successful applications in several areas. In this paper, we aim to display the appliance of Probabilistic Nets in the classification scenario, specifically, the technique named K-dependence Bayesian Networks also known as KDB nets, as well as compared its performance with conventional techniques applied within context of the Credit Scoring and Medical diagnosis. Applications of the technique based in real and artificial datasets and its performance assisted by the bagging procedure will be displayed as results. / A classificação consiste na descoberta de regras de previsão para auxílio no planejamento e tomada de decisões, sendo uma ferramenta indispensável e um tema bastante discutido na literatura. Como caso especial de classificação, temos o processo de avaliação de risco de crédito, no qual temos o interesse de identificar clientes bons e maus pagadores através de métodos de classificação binária. Assim, em diversos enredos de aplicação, como nas financeiras, diversas técnicas podem ser utilizadas, tais como análise discriminante, análise probito, regressão logística e redes neurais. Porém, a técnica de Redes Probabilísticas, também conhecida como Redes Bayesianas, tem se mostrado um método prático de classificação e com aplicações bem sucedidas em diversos campos. Neste trabalho, visamos exibir a aplicação das Redes Probabilísticas no contexto de classificação, em específico, a técnica denominada Redes Probabilísticas com K-dependência, também conhecidas como redes KDB, bem como comparar seu desempenho com as técnicas convencionais aplicadas no contexto de Credit Scoring e Diagnose Médica. Exibiremos como resultado aplicações da técnica baseadas em conjuntos de dados reais e artificiais e seu desempenho auxiliado pelo procedimento de bagging.

Este trabalho propõe uma nova abordagem conexionista, chamada de IGMN (do inglês Incremental Gaussian Mixture Network), para aproximação incremental de funções e tarefas de tempo real. Ela é inspirada em recentes teorias do cérebro, especialmente o MPF (do inglês Memory-Prediction Framework) e a Inteligência Artificial Construtivista, que fazem com que o modelo proposto possua características especiais que não estão presentes na maioria dos modelos de redes neurais existentes. Além disso, IGMN é baseado em sólidos princípios estatísticos (modelos de mistura gaussianos) e assintoticamente converge para a superfície de regressão ótima a medida que os dados de treinamento chegam. As principais vantagens do IGMN em relação a outros modelos de redes neurais são: (i) IGMN aprende instantaneamente analisando cada padrão de treinamento apenas uma vez (cada dado pode ser imediatamente utilizado e descartado); (ii) o modelo proposto produz estimativas razoáveis baseado em poucos dados de treinamento; (iii) IGMN aprende de forma contínua e perpétua a medida que novos dados de treinamento chegam (não existem fases separadas de treinamento e utilização); (iv) o modelo proposto resolve o dilema da estabilidade-plasticidade e não sofre de interferência catastrófica; (v) a topologia da rede neural é definida automaticamente e de forma incremental (novas unidades são adicionadas sempre que necessário); (vi) IGMN não é sensível às condições de inicialização (de fato IGMN não utiliza nenhuma decisão e/ou inicialização aleatória); (vii) a mesma rede neural IGMN pode ser utilizada em problemas diretos e inversos (o fluxo de informações é bidirecional) mesmo em regiões onde a função alvo tem múltiplas soluções; e (viii) IGMN fornece o nível de confiança de suas estimativas. Outra contribuição relevante desta tese é o uso do IGMN em importantes tarefas nas áreas de robótica e aprendizado de máquina, como por exemplo a identificação de modelos, a formação incremental de conceitos, o aprendizado por reforço, o mapeamento robótico e previsão de séries temporais. De fato, o poder de representação e a eficiência e do modelo proposto permitem expandir o conjunto de tarefas nas quais as redes neurais podem ser utilizadas, abrindo assim novas direções nos quais importantes contribuições do estado da arte podem ser feitas. Através de diversos experimentos, realizados utilizando o modelo proposto, é demonstrado que o IGMN é bastante robusto ao problema de overfitting, não requer um ajuste fino dos parâmetros de configuração e possui uma boa performance computacional que permite o seu uso em aplicações de controle em tempo real. Portanto pode-se afirmar que o IGMN é uma ferramenta de aprendizado de máquina bastante útil em tarefas de aprendizado incremental de funções e predição em tempo real. / This work proposes IGMN (standing for Incremental Gaussian Mixture Network), a new connectionist approach for incremental function approximation and real time tasks. It is inspired on recent theories about the brain, specially the Memory-Prediction Framework and the Constructivist Artificial Intelligence, which endows it with some unique features that are not present in most ANN models such as MLP, RBF and GRNN. Moreover, IGMN is based on strong statistical principles (Gaussian mixture models) and asymptotically converges to the optimal regression surface as more training data arrive. The main advantages of IGMN over other ANN models are: (i) IGMN learns incrementally using a single scan over the training data (each training pattern can be immediately used and discarded); (ii) it can produce reasonable estimates based on few training data; (iii) the learning process can proceed perpetually as new training data arrive (there is no separate phases for leaning and recalling); (iv) IGMN can handle the stability-plasticity dilemma and does not suffer from catastrophic interference; (v) the neural network topology is defined automatically and incrementally (new units added whenever is necessary); (vi) IGMN is not sensible to initialization conditions (in fact there is no random initialization/ decision in IGMN); (vii) the same neural network can be used to solve both forward and inverse problems (the information flow is bidirectional) even in regions where the target data are multi-valued; and (viii) IGMN can provide the confidence levels of its estimates. Another relevant contribution of this thesis is the use of IGMN in some important state-of-the-art machine learning and robotic tasks such as model identification, incremental concept formation, reinforcement learning, robotic mapping and time series prediction. In fact, the efficiency of IGMN and its representational power expand the set of potential tasks in which the neural networks can be applied, thus opening new research directions in which important contributions can be made. Through several experiments using the proposed model it is demonstrated that IGMN is also robust to overfitting, does not require fine-tunning of its configuration parameters and has a very good computational performance, thus allowing its use in real time control applications. Therefore, IGMN is a very useful machine learning tool for incremental function approximation and on-line prediction.

Made available in DSpace on 2014-12-17T14:56:21Z (GMT). No. of bitstreams: 1 AdersonCP.pdf: 441948 bytes, checksum: 3ac355b4df6f67d2c5c0a9bb8f35c95a (MD5) Previous issue date: 2006-08-30 / Bayesian networks are powerful tools as they represent probability distributions as graphs. They work with uncertainties of real systems. Since last decade there is a special interest in learning network structures from data. However learning the best network structure is a NP-Hard problem, so many heuristics algorithms to generate network structures from data were created. Many of these algorithms use score metrics to generate the network model. This thesis compare three of most used score metrics. The K-2 algorithm and two pattern benchmarks, ASIA and ALARM, were used to carry out the comparison. Results show that score metrics with hyperparameters that strength the tendency to select simpler network structures are better than score metrics with weaker tendency to select simpler network structures for both metrics (Heckerman-Geiger and modified MDL). Heckerman-Geiger Bayesian score metric works better than MDL with large datasets and MDL works better than Heckerman-Geiger with small datasets. The modified MDL gives similar results to Heckerman-Geiger for large datasets and close results to MDL for small datasets with stronger tendency to select simpler network structures / Redes Bayesianas s?o poderosas ferramentas de representa??o gr?fica de distribui??es de probabilidade. Tais redes manipulam incertezas existentes em sistemas do mundo real. A partir da ?ltima d?cada, especial interesse no aprendizado de sua estrutura a partir de um conjunto de dados. Entretanto, o aprendizado da estrutura ? um problema NP-Dif?cil, o que gerou a cria??o de Algoritmos heur?sticos de busca. Muitos desses Algoritmos s?o baseados em m?tricas de pontua??o para estimar o modelo. Este trabalho procura comparar tr?s das m?tricas mais utilizadas. Para gerar os resul tados foram utilizadas as redes ASIA e ALARM, que s?o dois dos benchmarks padr?es e o Algoritmo de busca K-2. A m?trica Bayesiana Heckerman-Geiger com hiperpar?metros que dificultam a gera??o de arestas apresentam melhores resultados que ?quelas que flexibilizam a gera??o de arestas, acontecendo o mesmo com a m?trica MDL modificada. A compara??o das duas m?tricas mostrou que a m?trica Bayesiana ? superior ? m?trica MDL com grandes conjuntos de dados e inferior, caso contr?rio. A modifica??o na m?trica MDL resultou em estruturas mais pr?ximas ?s apresentadas pela MDL para um conjunto reduzido de dados e mais pr?ximas ? Heckerman-Geiger para um grande conjunto de dados, quando seus par?metros restrigem a cria??o de arestas

Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

Este trabalho propõe uma nova abordagem conexionista, chamada de IGMN (do inglês Incremental Gaussian Mixture Network), para aproximação incremental de funções e tarefas de tempo real. Ela é inspirada em recentes teorias do cérebro, especialmente o MPF (do inglês Memory-Prediction Framework) e a Inteligência Artificial Construtivista, que fazem com que o modelo proposto possua características especiais que não estão presentes na maioria dos modelos de redes neurais existentes. Além disso, IGMN é baseado em sólidos princípios estatísticos (modelos de mistura gaussianos) e assintoticamente converge para a superfície de regressão ótima a medida que os dados de treinamento chegam. As principais vantagens do IGMN em relação a outros modelos de redes neurais são: (i) IGMN aprende instantaneamente analisando cada padrão de treinamento apenas uma vez (cada dado pode ser imediatamente utilizado e descartado); (ii) o modelo proposto produz estimativas razoáveis baseado em poucos dados de treinamento; (iii) IGMN aprende de forma contínua e perpétua a medida que novos dados de treinamento chegam (não existem fases separadas de treinamento e utilização); (iv) o modelo proposto resolve o dilema da estabilidade-plasticidade e não sofre de interferência catastrófica; (v) a topologia da rede neural é definida automaticamente e de forma incremental (novas unidades são adicionadas sempre que necessário); (vi) IGMN não é sensível às condições de inicialização (de fato IGMN não utiliza nenhuma decisão e/ou inicialização aleatória); (vii) a mesma rede neural IGMN pode ser utilizada em problemas diretos e inversos (o fluxo de informações é bidirecional) mesmo em regiões onde a função alvo tem múltiplas soluções; e (viii) IGMN fornece o nível de confiança de suas estimativas. Outra contribuição relevante desta tese é o uso do IGMN em importantes tarefas nas áreas de robótica e aprendizado de máquina, como por exemplo a identificação de modelos, a formação incremental de conceitos, o aprendizado por reforço, o mapeamento robótico e previsão de séries temporais. De fato, o poder de representação e a eficiência e do modelo proposto permitem expandir o conjunto de tarefas nas quais as redes neurais podem ser utilizadas, abrindo assim novas direções nos quais importantes contribuições do estado da arte podem ser feitas. Através de diversos experimentos, realizados utilizando o modelo proposto, é demonstrado que o IGMN é bastante robusto ao problema de overfitting, não requer um ajuste fino dos parâmetros de configuração e possui uma boa performance computacional que permite o seu uso em aplicações de controle em tempo real. Portanto pode-se afirmar que o IGMN é uma ferramenta de aprendizado de máquina bastante útil em tarefas de aprendizado incremental de funções e predição em tempo real. / This work proposes IGMN (standing for Incremental Gaussian Mixture Network), a new connectionist approach for incremental function approximation and real time tasks. It is inspired on recent theories about the brain, specially the Memory-Prediction Framework and the Constructivist Artificial Intelligence, which endows it with some unique features that are not present in most ANN models such as MLP, RBF and GRNN. Moreover, IGMN is based on strong statistical principles (Gaussian mixture models) and asymptotically converges to the optimal regression surface as more training data arrive. The main advantages of IGMN over other ANN models are: (i) IGMN learns incrementally using a single scan over the training data (each training pattern can be immediately used and discarded); (ii) it can produce reasonable estimates based on few training data; (iii) the learning process can proceed perpetually as new training data arrive (there is no separate phases for leaning and recalling); (iv) IGMN can handle the stability-plasticity dilemma and does not suffer from catastrophic interference; (v) the neural network topology is defined automatically and incrementally (new units added whenever is necessary); (vi) IGMN is not sensible to initialization conditions (in fact there is no random initialization/ decision in IGMN); (vii) the same neural network can be used to solve both forward and inverse problems (the information flow is bidirectional) even in regions where the target data are multi-valued; and (viii) IGMN can provide the confidence levels of its estimates. Another relevant contribution of this thesis is the use of IGMN in some important state-of-the-art machine learning and robotic tasks such as model identification, incremental concept formation, reinforcement learning, robotic mapping and time series prediction. In fact, the efficiency of IGMN and its representational power expand the set of potential tasks in which the neural networks can be applied, thus opening new research directions in which important contributions can be made. Through several experiments using the proposed model it is demonstrated that IGMN is also robust to overfitting, does not require fine-tunning of its configuration parameters and has a very good computational performance, thus allowing its use in real time control applications. Therefore, IGMN is a very useful machine learning tool for incremental function approximation and on-line prediction.

Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-04-10T16:37:01Z No. of bitstreams: 2 TESE Rômulo Fernando Teixeira Vilela.pdf: 3159637 bytes, checksum: d8b68b1fd93d79fe6162c4abdd0b1aa0 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-04-10T16:37:01Z (GMT). No. of bitstreams: 2 TESE Rômulo Fernando Teixeira Vilela.pdf: 3159637 bytes, checksum: d8b68b1fd93d79fe6162c4abdd0b1aa0 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-02-27 / Com os avanços em hardware, a engenharia de confiabilidade nos últimos 30 anos, tem nos mostrado equipamentos e sistemas complexos com níveis de falha muito baixos. Sistemas complexos na indústria nuclear, aeroespacial, química, elétrica entre outras possuem hoje em dia equipamentos e sistemas com níveis de confiabilidade que tem atendido adequadamente a sociedade. Entretanto, a operação e manutenção destes sistemas não dependem exclusivamente do desempenho intrínseco dos correspondentes equipamentos, dependem também da ação humana. Grandes acidentes no passado recente como Chernobyl, Bhopal, da nave Challenger e os grandes apagões no Brasil, colocaram em evidência a necessidade de redução do erro humano em sistemas complexos. A análise da confiabilidade humana surge assim como um apoio para a análise destes sistemas de operação e manutenção. Desde a década de 80 alguns avanços foram surgindo no estudo da confiabilidade humana. Técnicas como THERP, ATHEANA, CREAM e IDAC, se consolidaram ao longo do tempo como boas aplicações práticas para estudar, medir e prever o erro humano. Porém os fatores de desempenho utilizados em quase todas as técnicas supracitadas, tem se mostrado difíceis de serem estimados de um ponto de vista particular. Além disso, as particularidades do setor Hidroelétrico de Potência, definidas nos Procedimentos de Rede do Operador Nacional do Sistema (ONS) e nos instrumentos normativos da Agencia Reguladora ANEEL têm levado a necessidade de uma taxonomia que possa se adaptar a este importante e estratégico setor. Nesta tese, é proposta uma taxonomia e um modelo da sequência do processo de erro, para avaliação deste erro humano especificamente concebido para atender ao contexto de operação e manutencão do Sistema Hidroelétrico de Potência. Para ilustrar a nova taxonomia, foram coletados e analisados dados de cerca de dez anos de registro de erro humano de uma empresa de geração e transmissão de energia elétrica brasileira. Foram coletados 605 relatórios de desligamento por erro humano desde 1998 até 2009. Uma metodologia BBN-Base para a quantificação do erro humano é também discutida. A taxonomia e o modelo da sequência do processo de erro humano tanto quanto o modelo BBN-Based são ilustrados via um exemplo de uma aplicação no contexto de uma indústria Brasileira Hidroelétrica de Potência.-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------With advances in hardware reliability engineering in the last 30 years, we have seen equipment and complex systems with very low levels of failure. Complex systems in the nuclear industry, aerospatiale sector, chemical industries, electrical industries and others now have equipment and systems with levels of reliability that has adequately served the society. However, the operation and maintenance of these systems do not rely solely on intrinsec performance of the corresponding equipment, but they also depend on human action. Major accidents in the recent past such Chernobyl, Bhopal, the Challenger shuttle and major recent power blackouts in Brazil, highlighted the need to reduce human error in complex systems. The human reliability assessment emerges as a support to the analisys of the operation and maintenance of these type of systems. Since the late 80th some advances have emerged in the study of human reliability. Techniques such as THERP, ATHEANA, CREAM and IDAC, have been consolidated over time for the study, measure and prediction of human error. However performance shaped factors used in almost all the aforementioned techniques have proven difficult to be estimated from a practical standpoint. In addition, the specifics of the Hydroelectric Power Industry defined in the Grid Procedures of the National System Operator (Operador Nacional so Sistema, ONS) and the regulatory instruments of ANEEL (Agencia Nacional de Energia Eletrica) Regulatory Agency have led to the necessity of a taxonomy that can adapt for this important strategic sector. In this thesis, it is proposed a taxonomy and model of error sequence process for assessment of human error specifically designed to meet the context of operation and maintenance of Hydroelectric Power System. To illustrate the new taxonomy it was collected and analyzed data from about ten years of human error records related to the generation and transmission of Hydroelectric Power Company in Brazil. It was collected 605 reports by human error shutdown from 1998 to 2009. A BBN-Base methodology for the quantification of human error is also discusses. The taxonomy, model for error sequence process as well as the BBN-Based model are illustrated via an example of application in the context of the Brazilian Hydroelectric Power Industry.