Um modelo de estudante baseado em redes Bayesianas para o estudo de fundamentos de orientação a objetos

Página do item simplificado
dc.contributor.advisorStump, Sandra Maria Dottopt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4095354601892714por
dc.contributor.authorLima, Samuel Fontespt_BR
dc.creator.Latteshttp://lattes.cnpq.br/2802324462075333por
dc.date.accessioned2016-03-15T19:37:32Z
dc.date.accessioned2020-05-28T18:08:29Z
dc.date.available2011-01-20pt_BR
dc.date.available2020-05-28T18:08:29Z
dc.date.issued2010-08-18pt_BR
dc.description.abstractAtualmente 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.por
dc.formatapplication/pdfpor
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24312
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.subjecteducaçãopor
dc.subjectSistema Tutor Inteligente (STI)por
dc.subjectredes Bayesianaspor
dc.subjecteducationeng
dc.subjectIntelligent Tutoring System (ITS)eng
dc.subjectBayesian networkseng
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/3768/Samuel%20Fontes%20Lima.pdf.jpg*
dc.titleUm modelo de estudante baseado em redes Bayesianas para o estudo de fundamentos de orientação a objetospor
dc.typeDissertaçãopor
local.contributor.board1Omar, Nizampt_BR
local.contributor.board1Latteshttp://lattes.cnpq.br/2067336430076971por
local.contributor.board2Pereira, Sérgio Luizpt_BR
local.contributor.board2Latteshttp://lattes.cnpq.br/1235818218025361por
local.publisher.countryBRpor
local.publisher.departmentEngenharia Elétricapor
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Samuel Fontes Lima.pdf
Tamanho:
1.98 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis