ARPREM : Autoria de Regras de Produção para Remediação de Erros com Múltiplas Representações Externas

Abstract

Resumo: A utilização de Múltiplas Representações Externas em Sistemas Tutores Inteligentes, com a finalidade de elucidar conceitos do domínio a serem estudados pelo aluno, vem sendo explorada em vários estudos. Além disso, verificou-se que se aplicadas corretamente em quaisquer domínios estudados, as Múltiplas Representações Externas podem ser úteis no apoio ao aprendizado, em especial como itens importantes para remediar possíveis erros dos alunos durante o processo de resolução dos exercícios. Apoiados a esta motivação, alguns estudos abordam a relação entre as funções das Múltiplas Representações Externas e os tipos de erros cometidos pelo aluno, mediante uma classificação entre estes dois conceitos que possibilite a seleção das Múltiplas Representações Externas que melhor contribuam para a remediação do erro. É comum ferramentas de autoria para sistemas tutores inteligentes que sejam projetadas cuidadosamente, pois interferem em vários aspectos do resultado final, tais como a eficácia do sistema em passar o conhecimento, a autonomia de interferência do autor e do aluno, o nível de conhecimento do autor e o tempo de projeto do sistema. Múltiplas Representações Externas aliadas a uma arquitetura funcionalista de remediação de erros matemáticos juntamente com teorias cognitivas conceituadas, é proposta neste trabalho uma ferramenta de autoria das regras de produção integrada a esta arquitetura, de uma forma natural para professores sem conhecimento de programação. Após a contextualização da arquitetura, é apresentado um estudo de caso com uma simulação de autoria de um exercício e simulações de interações de estudantes, além de avaliar se as saídas esperadas das regras de produção são compatíveis com a autoria simulada.

Abstract: The use of multiple external representations in intelligent tutoring systems, in order to elucidate domain concepts to be studied by the student, has been explored in several studies. In addition it was found that, if properly applied in any studied domains, the multiple external representations can be useful in supporting the learning, especially as important items to remedy possible errors of the students during the process of solving exercises. Relying on this motivation, some studies address the relationship between the functions of multiple external representations and the types of errors made by the learner through a rating between these two concepts that enables the selection of best multiple external representations that contribute to the error remediation. Authoring tools for intelligent tutoring systems should be designed carefully by interfering in various aspects of the final result, like system efficiency in transmitting knowledge, the author interference autonomy and learner, author knowledge level and design time of system. Multiple External Representations allied to a functionalist architecture mathematical errors remediation along with reputable cognitive theories, this work proposes an authoring tool of integrated production rules to this architecture, in a natural form to non-programmers. After the context of this architecture, a case study with a simulation of an exercise authoring and simulations of student interactions is showed, in order to evaluate whether the expected outputs of the production rules are compatible with the simulated authoring.