Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/349247
Type: TESE DIGITAL
Degree Level: Doutorado
Title: Arquiteturas de redes neurais artificiais para aprendizado adaptativo em sistemas de e-learning
Title Alternative: Architecture of artificial neural networks for adaptive learning in e-learning systems
Author: Gomede, Everton, 1979-
Advisor: Mendes, Leonardo de Souza, 1961-
Abstract: Resumo: O problema de Aprendizado Adaptativo pode ser descrito como um conjunto de preferências P, do aluno A, que implica na interação com o conjunto de objetos de aprendizagem O, contidos no sistema de e-learning; portanto, P -> O. Os dados desta interação permitem gerar modelos que expliquem o comportamento de tal aluno e, adicionalmente, prever seu comportamento. As redes neurais artificiais desempenham um papel importante para a modelagem de soluções, em diferentes tipos de problemas nos mais variados contextos. Para investigar o problema de Aprendizado Adaptativo, duas arquiteturas de redes neurais artificiais foram testadas; uma para classificação baseada na arquitetura Multi Layer Perceptron e outra para recomendação baseada na arquitetura Deep Auto Enconder. Como resultado, obtiveram-se duas estratégias, sendo a primeira relacionada com a classificação de um aluno no modelo de estilos de aprendizagem de Felder-Silverman e a segunda uma lista de objetos de aprendizagem que possam ser recomendados de acordo com as preferências de aprendizagem. Ambas as arquiteturas se mostraram eficazes permitindo que conteúdos e/ou formatos possam ser entregues, nos sistemas adaptativos de e-learning, de maneira adequada às preferências de seus usuários. Dentre as implicações práticas, pode-se destacar a possibilidade de melhora na experiência de aprendizagem do aluno devido à adaptação de conteúdos e/ou formatos

Abstract: The Adaptive Learning problem can be described as a set of objects P, from student A, which implies interaction with the set of learning objects O, in an e-learning system; therefore, P -> O. The data of this interaction allows generate models that explain the student's behavior and, in addition, predict his behavior. The artificial neural networks have played an important role in modeling solutions, in different types of problems in several contexts. To investigate the Adaptive Learning problem, two artificial neural network architectures were tested; a specific classification in the Multi Layer Perceptron architecture and another recommended recommendation based on Deep Auto Encoder architecture. As a result, two strategies were obtain, the first one related to the classification of student in the Felder-Silverman Learning Style Model and the second one related to a list of recommended objects suitable to student¿s learning preferences. Both architectures have proven to be effective, allowing content and/or formats to be delivered, in adaptive e-learning systems, in a manner appropriate to the preferences of its users. Among the practical implications, the possibility of improving the student's learning experience due to the adaptation of contents and/or formats
Subject: Redes neurais (Computação)
Inteligência artificial
Inteligencia artificial - Aplicações educacionais
Inteligência computacional
Sistemas de reconhecimento de padrões
Language: Português
Editor: [s.n.]
Citation: GOMEDE, Everton. Arquiteturas de redes neurais artificiais para aprendizado adaptativo em sistemas de e-learning. 2020. 1 recurso online (150 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP.
Date Issue: 2020
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Gomede_Everton_D.pdf5.2 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.