Sequenciamento adaptativo de exercícios baseado na correspondência entre a dificuldade da solução e o desempenho dinâmico do aprendiz

Abstract

Resumo: A perícia do aprendiz geralmente e desenvolvida através da resolução de exercícios que requerem um conjunto de habilidades avaliadas, tanto no sistema educacional de sala de aula convencional quanto em sistemas de apredizagem baseados em computador tais como Sistemas Tutores Inteligentes. Esta pesquisa propôs uma formula de rating para avaliação automática do desempenho do aluno, partindo-se do princípio de que o grau de dificuldade das questões pode ser medido pela taxa de alunos que as acertam/erram, sendo essa informação usada no cálculo de sua nota. Neste trabalho, os aspectos motivacionais em aprendizagem são considerados relevantes, sendo importante propor atividades adequadas ao nível da expertise do estudante, pois a apresentação de exercícios com grau de dificuldade muito abaixo (ou acima) do nível cognitivo do aprendiz pode causar entediamento (ou frustração), ocasionando o abandono da atividade proposta. Nesse sentido, este estudo também desenvolveu um algoritmo de sequenciamento adaptivo de exercícios que se baseia nos graus de dificuldade das questões, em que o sequenciamento e guiado pela performance dinâmica do aprendiz. Foi realizado um estudo empírico a partir de dados coletados de alunos reais que demonstrou a validade da formula de rating. Os algoritmos para calculo do grau de dificuldades das questões e dos ratings dos alunos, bem como o algoritmo de sequenciamento adaptivo foram implementados efetuando-se alterações na ferramenta web de autoria de objetos de aprendizagem FARMA, gerando assim o ambiente ADAPTFARMA. Também foi realizada uma avaliação experimental da aprendizagem através de experimento estatístico comparativo entre diferentes modalidades de sequenciamento de exercícios usando como base um objeto de aprendizagem construído em ADAPTFARMA.

Abstract: The expertise of learners is usually developed by solving problems that require a set of assessed skills. This is done in both conventional education schools and by applying advanced learning technologies, such as Intelligent Tutoring Systems. This research proposed a formula for automatic assessment of students, assuming that the degree of difficulty of the questions can be measured by counting the students that are successful and those who failed. This information is used to calculate their grade as a particular rating scale. Besides, the motivational aspects of learning are considered in depth. In this sense, it is important to propose activities according to the student's level of expertise, which is achieved through presenting students with exercises that are compatible with the difficulty degree of their cognitive skills. In doing so, both boredom and frustation can be avoided, as much as can be the withdrawal of the proposed activities on the part of students. An empirical study based on existing students data partially influenced the development of the first version of an adaptive algorithm for exercises sequencing, based on the difficulty degree of the questions. The sequencing process is guided by the learner's dynamic performance. An experiment has also been carried out with four maths classes of a local public school. Data collected from students' performance gains demonstrated the suitability of the rating formula. The algorithms for calculating and matching the difficulty degree of the questions and the students' rating were implemented by extending the web authoring tool of learning objects named FARMA, thus generating the ADAPTFARMA environment. Finally, conclusions and future research directions are described.