Como obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana

Como Obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana Samuel Lima Orientadora: Prof a . Drª. Sandra Stump Universidade Presbiteriana Mackenzie 5ª Conferência Ibérica de Sistemas e Tecnologia da Informação Junho de 2010 [email_address]

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

[object Object],[object Object],[object Object],[object Object]

[object Object],Estados estilo FUZZY, inspirados no sistema HIDRIVE de MISLEVY e GITOMER (1995)

[object Object],[object Object],[object Object],[object Object],[object Object]

[object Object],[object Object],Fonte: Pimentel (2006, p. 132)

[object Object],Fonte: Pimentel (2006, p. 129) CONCEITO T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 A 0,0 0,5 0,7 0,4 0,8 0,4 0,8 0,8 1,0 0,9 0,9 B 0,5 0,2 0,5 0,5 0,4 0,5 0,5 0,7 0,6 0,7 0,8 C 0,7 0,7 0,8 0,9 0,9 1,0 1,0 1,0 1,0 1,0 1,0 D 0,0 0,2 0,0 0,3 0,1 0,3 0,2 0,2 0,4 0,3 0,4

[object Object],UA1 UA2 UA3 1 . Aplica Unidades de Avaliação NAC 2 . Calcula o NAC 3 . Classifica o NAC e obtém evidência 4 . Insere a evidência na Rede Bayesiana De 0,8 a 1,0 Bom De 0,5 a 0,7 Médio De 0,0 a 0,4 Fraco Criando Objeto Bom 100% Médio Fraco

[object Object],Sem Evidências

[object Object],Primeira Evidência

[object Object],Segunda Evidência

[object Object],[object Object],[object Object]

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

[object Object],[object Object],Fonte: (ONG; RAMACHANDRAN, 2005)

[object Object],[object Object],Foco deste trabalho Conhecimento

[object Object],[object Object],Fonte: Pimentel (2006, p. 133) Escreva um algoritmo para calcular e imprimir a média entre duas notas que devem ser lidas via teclado. Imprimir também uma mensagem indicando se o aluno foi aprovado ou reprovado, sabendo que para aprovação o aluno deve obter média maior ou igual a 6.0 OBJETIVOS Declarar variáveis Utilizar comandos de entrada de dados Utilizar operadores aritméticos Utilizar comandos de saída de dados Utilizar instrução de desvio simples CONCEITOS Variáveis Entrada de Dados Operadores Aritméticos Saída de Dados Comandos Condicionais

[object Object],[object Object]

[object Object],Ex. 1 Ex. 2 Ex. 3 Ex. 1 Ex. 2 Ex. 3 Sabe instanciar objeto Sabe instanciar objeto Dedução: Indução: (WOOLF, 2009, p. 248, 260) Variáveis observáveis Variáveis não observáveis

[object Object],[object Object],Generatividade Capacidade de gerar problemas e dicas customizadas. Modelo do Estudante Representação e inferência sobre o conhecimento e necessidades do estudante corrente. Modelo do Especialista Representação e aferição do desempenho e capacidade. Iniciativa Mista Iniciar interações e responder às interações iniciadas pelo estudante. Aprendizagem interativa Envolvimento autêntico do estudante. Modelo Instrucional Mudar o rumo conforme as necessidades do estudante. Auto-melhoramento Monitoramento, avaliação e melhoria de seu desempenho

[object Object],[object Object],(OPPERMANN, KINSHUK, 1997) Adaptatividade  Capacidade de um sistema se adaptar sem a interferência de qualquer agente externo. (NETO, 2007) Adaptabilidade Necessita que o usuário forneça parâmetros para o sistema de adaptar Adaptatividade O sistema se adapta automaticamente com base no monitoramento do usuário.

[object Object],[object Object],(MUSTARO, ISMAR FRANGO, 2006) ,[object Object],(PIMENTEL; OMAR, 2008), (MISLEVY; GITOMER, 1995), (WOOLF, 2009) , (REYE, 2004) , etc... Kolb Estilos de aprendizagem: Reflexivo, Ativo, Concreto, Abstrato. Felder Estilos de aprendizagem: Ativo/Reflexivo, Sensorial/Intuitivo, Visual/Verbal, Seqüencial/Global. Gardner Inteligências múltiplas: Lingüística, Lógica-matemática, Musical, Corporal, Visual, Interpessoal, Intrapessoal.

[object Object],Estilos (Kolb) Estilos (Felder) Inteligência (Gardner) Conhecimento Objeto de Aprendizagem customizado ao Estudante. Repositório de OAs requer o uso de objetos bem granulados. (Jones & Boyle, 2007) (Matos, Mustaro, Frango, 2006)

[object Object],Estilos (Kolb) Estilos (Felder) Inteligência (Gardner) Conhecimento Foco desse trabalho

[object Object],True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True True True False True False True True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 True True False True False True True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False True False True True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 True False True True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 0,0196 True False True True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 0,0196 True False True 0,00588 True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 0,0196 True False True 0,00588 0,0588 True False False False True True False True False False False True False False False

[object Object],A D B C True False 0,6 0,4 True False 0,7 0,3 A D B=True B=False True True 0,98 0,02 True False 0,70 0,30 False True 0,54 0,46 False False 0,10 0,90 B C=True C=False True 0,9 0,1 False 0,7 0,3 A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 0,0196 True False True 0,00588 0,0588 True False False 0,00252 0,0252 False True True 0,08748 0,0108 False True False 0,00972 0,0012 False False True 0,05796 0,0756 False False False 0,02484 0,0324

[object Object],A B C D=T D=F True True True 0,37044 0,1764 True True False 0,04116 0,0196 True False True 0,00588 0,0588 True False False 0,00252 0,0252 False True True 0,08748 0,0108 False True False 0,00972 0,0012 False False True 0,05796 0,0756 False False False 0,02484 0,0324

Como obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (19)

Similar to Como obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana

Similar to Como obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana (20)

Como obter Evidências de Conhecimento em um Modelo de Estudante baseado em Rede Bayesiana