Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, Florianópolis, 2014 / Made available in DSpace on 2015-05-26T04:02:24Z (GMT). No. of bitstreams: 1
333232.pdf: 16102775 bytes, checksum: 38666f4b424131fa5bd42c93ad111e33 (MD5)
Previous issue date: 2014 / Este trabalho buscou alternativas viáveis para identificar e classificar Objetos de Ensino e Aprendizagem com relação ao ao nível de atenção que pode ser esperado deles. A Atenção desempenha um papel importante no processo de ensino e aprendizagem e identificar objetos que potencializem a atenção dos alunos é relevante no contexto do ensino suportado por tecnologias. Sendo assim, o objetivo desta pesquisa é elaborar um método de avaliação de objetos de ensino e aprendizagem com base nos níveis de Atenção do aluno. O método utilizado consistiu em obter a atividade cerebral de alunos por meio de eletroencefalografia relacionando-a com a Atenção durante a utilização de objetos de ensino e aprendizagem. Com base nestas medições foram calculados valores definidos como "pontuação de atenção" que são diretamente proporcionais a atenção do sujeito testado. De posse da pontuação de Atenção esta foi relacionada com as características do objeto, gerando um artefato do qual espera-se a capacidade de extrapolação da pontuação de Atenção para outros objetos semelhantes. Duas tecnologias foram utilizados para a construção do artefato: Redes Neurais Artificiais (Redes de Kohonen) e Classificadores Estatísticos(See5) destas o melhor resultado foi obtido com o uso das redes de Kohonen que se mostraram capazes de classificar objetos com metadados semelhantes indicando níveis próximos de atenção. Os resultados obtidos indicaram a necessidade de um conjunto mais especifico de características que o conjunto de metadados disponível. Desta forma, neste trabalho foi proposto, e definido, um conjunto metadados baseados em características de design, usabilidade e arquitetura de informação. De posse deste conjunto, novos testes, mais abrangentes, foram executados e os resultados obtidos demonstram que os metadados propostos tem uma relação mais próxima com as características relevantes à atenção. Este resultado vai de encontro a hipótese tratada neste trabalho: "Existe um conjunto de dados capaz de descrever um objeto de ensino e aprendizagem e com base neste conjunto é possível inferir, de forma objetiva, um nível de atenção". Mostrando que o conjunto de metadados proposto, apesar de não ser otimizado, representa o objetos de ensino e aprendizagem de forma mais eficiente, no que tange o nível de atenção ao esperado, que o conjunto previamente utilizado.<br> / Abstract: This work aims to identify a viable alternative for Learning Object's classification, according to the level of attention that can be expected of these objects. Attention plays a major role in learning process andidentify objects that enhance the attention of students is relevant in this context. Sendo assim, o objetivo desta pesquisa é elaborar um método de avaliação de objeto de ensino e aprendizagem com base nos níveis de Atenção do aluno e, relacionar estes valores as características do objeto avaliado. Therefore, the objective of this research is develop a method to evaluating Learning Objects based on the levels of student's attention and correlate these values with object's characteristics. The method employed consists in obtaining the student's brain activity through electroencephalography relating it to the attention while using Learning Objects. Based on these measurements are calculated values defined as "Attention Score". That values are directly proportional to the attention of the tested subject. The Attention Score can be correlated to the characteristics of the object, generating an artefact, which, hopefully, will be able to interpolate Attention Scores for other similar objects. Two technologies were used for the construction of the artefact: Artificial Neural Networks (Kohonen Network) and statistical classifiers (See5) with these, the best result was obtained using the Kohonen Networks who proved able to classify objects with similar metadata with related attention levels. The results indicate the need for a more specific set of characteristics that the available set of metadata. Thus, this work is proposed, and defineda metadata set based in design features, usability and information architecture. In possession of this set, new tests, more comprehensive, were performed. The results demonstrate that the proposed metadata has a closer relationship with characteristics relevant to attention. This result meets the hypothesis addressed in this study: "There are a data set that can describe a Learning Object, and based on this set,we can, in a objective way, infer a expected attention level." Showing that the proposed Learning Object's metadata set are more efficiently, regarding the expected attention level, in comparison with the set previously used.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/133062 |
| Date | January 2014 |
| Creators | Velloso, Bruno Panerai |
| Contributors | Universidade Federal de Santa Catarina, Pereira, Alice Theresinha Cybis |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 331 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds