Resumo: O problema da classificação automática de erros humanos no processo de indução analítica é exposto de maneira crítica em relação ao contexto da aprendizagem formal da matemática. As principais limitações de outras pesquisas existentes são apontadas em relação á concepção de modelos dinâmicos de aprendizes em sistemas tutores inteligentes. Os aspectos metodológicos de uma solução factível para o problema proposto são identificadas com base em métricas genéricas que se aplicam ás diferenças entre expressões matemáticas erradas e corretas. Uma implementação do modelo estudado é feita com base em dados experimentais coletados de aprendizes reais e submetidos á análise de especialistas no ensino de indução analítica. Os principais resultados apontam para índices de 87% de acerto na classificação automática. Metas futuras de pesquisa são delineadas no sentido de monitorar a evolução do desempenho acadêmico dos aprendizes por longos períodos.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/26346 |
| Date | 09 December 2011 |
| Creators | Bazzo, Gustavo Cesar |
| Contributors | Direne, Alexandre Ibrahim, Oliveira, Luiz Eduardo Soares de, 1971-, Universidade Federal do Paraná. Setor de Ciencias Exatas. Programa de Pós-Graduaçao em Informática |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds