Modelagem do processo de aquisição de conhecimento apoiado por ambientes inteligentes

Abstract

Resumo: A presente tese concentra-se em descrever como o conhecimento de alto-nível sobre aspectos de experiência humana pode ser modelado, representado e, então, interpretado a fim de suportar interações de ensino e aprendizagem. A maioria das pesquisas anteriores na tutoria de Programação de Computadores tendia a se concentrar em princípios teóricos sobre a aquisição de experiência. Houve poucas implementações, ainda relacionadas a domínios específicos. Entretanto, o problema de prover uma epistemologia para a descrição de conhecimento sobre enunciados e estágios de conhecimento de aprendizes foi negligenciado. Esta pesquisa trata esse problema por meio de (1) um método baseado em grafos genéticos para gerenciar a complexidade na autoria de enunciados didáticos e (2) um processo geral para a modelagem dinâmica do conhecimento de aprendizes através da sobreposição das capacidades do domínio previamente descritas. O modelo e o método são ambos suportados por protótipos de ferramenta que foram implementados e integram o ambiente MÚLTIPLA. A avaliação do método e das ferramentas propostos foi realizada por estudos empíricos focados na generalidade dos grafos genéticos como linguagem de autoria com o objetivo de prover um arcabouço unificado para o desenvolvimento de perícias.

Abstract: This thesis describes how high-level knowledge about human expertise features can be modeled, represented and further interpreted to support learning and tutoring interactions. Most past work in the tutoring of computer programming has tended to concentrated on the theoretical principles of how humans acquire expertise. The few implementations there have been are domain-specific. However, the problem of providing an epistemology for describing knowledge about problem statements and students’ states of belief has beenneglected. We treat these problems through (1) a method based on genetic graphs for managing the complexity of course ware authoring of problem statements and (2) a general process for dynamic modeling a learner’s knowledge by overlaying it against the domain expertise features. The method and the model are both supported here by implemented prototype software tools that integrate the educational environment MULTIPLA. To evaluate the method and tools, empirical observations have been carried out, focusing on the generality of genetic graphs as an authoring language to provide an unified expert-student framework for developing skills.