DETECÇÃO DE ESTILOS DE APRENDIZAGEM UTILIZANDO LÓGICA FUZZY E CATEGORIZAÇÃO DE REFORÇOS: :

  • Samuel Falci
  • Alessandro Vivas
  • Luciana Assis UFVJM
  • Cristiano Pitangui UFSJ
  • Leonardo Lana de Carvalho UFVJM
  • Fabiano Dorça UFU

Resumo

Este trabalho tem como objetivo propor de customizar o ambiente virtual de aprendizagem em função do perfil cognitivo do aprendiz. Os Estilos de Aprendizagem defendem que cada indivíduo possui características pessoais para o processo de aprendizagem e quando o método de ensino não coincide com esta preferência, o aluno pode apresentar problemas para assimilar o conteúdo. Para minimizar estes problemas, a proposta deste trabalho analisou outras abordagens já existentes na literatura e os modificou para possíveis melhorias. Sendo assim, este trabalho fez uso de técnicas de Inteligência Artificial, Lógica Fuzzy e Aprendizagem por Reforço para detectar automaticamente os Estilos de Aprendizagem de alunos simulados computacionalmente. A partir desta detecção um currículo personalizado pode ser desenvolvido para cada aluno de Plataformas de Ensino à Distância de acordo com as suas preferências de aprendizagem. As técnicas utilizadas nesta abordagem demonstraram melhorias significativas ao se comparar com outra abordagem específica presente na literatura.

Publicado
2018-06-04
Como Citar
FALCI, Samuel et al. DETECÇÃO DE ESTILOS DE APRENDIZAGEM UTILIZANDO LÓGICA FUZZY E CATEGORIZAÇÃO DE REFORÇOS. CIET:EnPED, [S.l.], jun. 2018. ISSN 2316-8722. Disponível em: <https://cietenped.ufscar.br/submissao/index.php/2018/article/view/581>. Acesso em: 22 nov. 2019.
Seção
CIET:EnPED:2018 – Educação e Tecnologias: Aprendizagem e construção do conhecimento