Show simple item record

dc.contributor.advisorPimentel, Andrey Ricardo, 1965-pt_BR
dc.contributor.authorKoschevic, Marcela Turimpt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informáticapt_BR
dc.date.accessioned2017-03-20T13:55:43Z
dc.date.available2017-03-20T13:55:43Z
dc.date.issued2015pt_BR
dc.identifier.urihttp://hdl.handle.net/1884/40885
dc.descriptionOrientador : Prof. Dr. Andrey Ricardo Pimentelpt_BR
dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 25/08/2015pt_BR
dc.descriptionInclui referências : f. 109-114pt_BR
dc.description.abstractResumo: A utilização de sistemas tutores inteligentes para a recomendação de conteúdos e exercícios é um assunto explorado por alguns pesquisadores. Muitos deles usam técnicas da inteligência artificial para fazer essas recomendações. A proposta desse trabalho é utilizar uma abordagem diferenciada das tradicionais para fazer esse processo. A abordagem usada neste trabalho é a teoria qualitativa dos processos, uma ontologia definida dentro a inteligência artificial que usa métodos de modelagem semelhantes ao processo de cognição humana. Nesse ponto a modelagem de um sistema torna-se interessante pois faz o uso de relações causais para definir o comportamento do sistema. Nesta pesquisa encontra-se um estudo sobre as principais abordagens para sistemas tutores inteligentes e também um estudo sobre a teoria do raciocínio qualitativo. Foi desenvolvida uma arquitetura que permite explorar o uso da teoria do raciocínio qualitativo como forma de modelar um domínio de conhecimento. Relações causais foram aplicadas nesse domínio de conhecimento para que seja possível estimar qual o melhor conteúdo ou a melhor questão que pode ser recomendada para estudantes que utilizam o sistema. Como estudo de caso, foram simulados cenários onde a disciplina de orientação a objetos foi usada como exemplo. Estes cenários exploraram o comportamento do sistema de recomendação para determinadas ações do estudante, sendo elas positivistas, negativistas ou intermediárias. A conclusão sobre os resultados foi analisada sob a ótica da teoria qualitativa dos processos e descrita na arquitetura e no estudo de caso. Os principais resultados obtidos indicam que é possível fazer recomendações de conteúdos e exercícios por meio do processo de modelagem apresentado nesta arquitetura. Palavras-chave: Sistemas tutores inteligentes, teoria do raciocínio qualitativo, teoria qualitativa dos processos, próximo melhor exercício.pt_BR
dc.description.abstractAbstract: The use of intelligent tutoring systems for recommending content and exercises is a subject explored by some researchers. Many of them use techniques of artificial intelligence to make these recommendations. The purpose of this work is to use a different approach from traditional to do this process. The approach used in this study is the qualitative processes theory, a defined ontology in artificial intelligence, but using modeling methods similar to human cognition process. At this point modeling a system becomes interesting because it makes use of causal relationship to define system behavior. This research is a study of the main approaches to intelligent tutoring systems and also a study on the qualitative reasoning theory. Was developed an architecture that allows you to explore the use of the qualitative reasoning theory as a way to model a domain of knowledge. Causal relationships have been applied in this area of knowledge so that it is possible estimate what the best content and the best issue that can be recommended for students who use the system. As a case study, we simulated scenarios in which the discipline of object orientation was used as an example. These scenarios explored the recommendation system behavior for certain student actions, they being positivist, negativistic or intermediate. The conclusion on the results was analyzed from the perspective of qualitative processes theory and described in the architecture and in the case study. The main results indicate that it is possible to make content recommendations and exercises through the modeling process presented in this architecture. Keywords: intelligent tutoring systems, qualitative reasoning theory, qualitative processes theory, better next exercise.pt_BR
dc.format.extent114 f. : il.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.relationDisponível em formato digitalpt_BR
dc.subjectCiência da computaçãopt_BR
dc.subjectSistemas tutoriais inteligentespt_BR
dc.subjectInteligencia artificial - Aplicações educacionaispt_BR
dc.subjectAprendizagem - Métodos de ensinopt_BR
dc.subjectTesespt_BR
dc.titleArquitetura para sistemas tutores inteligentes que utiliza a teoria qualitativa de processos para recomendação de próximos melhores exercíciospt_BR
dc.typeDissertaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record